[发明专利]一种有源电力滤波器自适应模糊滑模RBF神经网络控制方法

摘要

本发明公开了一种有源电力滤波器自适应模糊滑模RBF神经网络控制方法，其特征在于，包括如下步骤步骤1、建立有源电力滤波器的数学模型；步骤2、基于模糊滑模设计得到自适应模糊滑模RBF神经网络控制器，包括模糊自适应律和RBF神经网络自适应律；步骤3、根据自适应模糊滑模RBF神经网络控制器控制有源电力滤波器。能够对指令电流实时跟踪补偿、可靠性高、对参数变化鲁棒性高、稳定性高。

主权项

一种有源电力滤波器自适应模糊滑模RBF神经网络控制方法，其特征在于，包括如下步骤：步骤1、建立有源电力滤波器的数学模型；步骤2、基于模糊滑模设计得到自适应模糊滑模RBF神经网络控制器，包括模糊自适应律和RBF神经网络自适应律；步骤3、根据自适应模糊滑模RBF神经网络控制器控制有源电力滤波器；其中，针对三相三线制系统，有源电力滤波器的数学模型为：i··k=Rc2Lc2ik-RcLc2vk+1Lcdvkdt+(RcLc2vdc-1Lcdvdcdt)dk]]>式中，Lc是交流电感，Rc是直流侧电阻，ik是滤波器输出补偿电流，k＝1,2,3，是ik的二阶导数，vk为三相有源电力滤波器端电压，vdc是直流侧电容电压，dk为开关状态函数，t是时间；步骤2中得到Lyapunov李雅普诺夫函数V1、V2和V3，其中：V1=12bsTs]]>V2=12bsTs+12ω~Tμ-1ω~]]>V3=12bsTs+12ω~Tμ-1ω~+12Σi=1n(θ~kiTθ~ki)]]>式中，s是切换函数，sT为s的转置，是RBF神经网络权值误差，为的转置，其中，ω*为RBF神经网络的理想权值，为RBF神经网络的实时估计权值，μ为正常数，μ‑1是μ的倒数，n＝1,2,3…，是模糊系统理想参数和实时参数之间的误差，为模糊系统理想参数，为模糊系统的实时参数，是的转置；根据Lyapunov稳定定理设计模糊自适应律和RBF神经网络自适应律。