[发明专利]基于广义动态模糊神经网络的最大功率跟踪器控制方法

摘要

本发明公开了一种基于广义动态模糊神经网络的最大功率跟踪器控制方法，所述基于广义动态模糊神经网络的最大功率跟踪器控制方法在模糊神经网络算法的基础之上，提出基于广义动态的模糊神经网络的方法；基于椭圆基函数的，模糊完备性，作为在线分配机制，使初始化选择避免随机性；对模糊规则重要性做出评价，对输入变量的重要性给出回应；使每条规则的输入变量的宽度根据系统性能的需求来实施在线的实时的自适应调整。运用广义动态的神经模糊网络理论仿真的结果能快速找到最大功率点在0.01秒，并且最大功率点振荡问题也得到了有效的克服，鲁棒性和快速性也较好。

主权项

一种基于广义动态模糊神经网络的最大功率跟踪器控制方法，其特征在于，所述基于广义动态模糊神经网络的最大功率跟踪器控制方法在模糊神经网络算法的基础之上，提出基于广义动态的模糊神经网络的方法；基于椭圆基函数的，模糊完备性，作为在线分配机制，使初始化选择避免随机性；对模糊规则重要性做出评价，对输入变量的重要性给出回应；使每条规则的输入变量的宽度根据系统性能的需求来实施在线的实时的自适应调整；所述基于广义动态模糊神经网络的最大功率跟踪器控制方法包括以下步骤：首先初始化系统的预定义参数；以b1，c1为输入量，产生第一个规则；B1为第2个时刻与第1个时刻的功率差，c1为采样步长；确定第一个规则的参数；观测b(n)，c(n)的到来，b(n)为第n个时刻与第n‑1个时刻的功率差，c(n)为第n‑1个时刻的采样步长；计算马氏距离并找到mdkmin；计算实际的输出误差确定对应的kd，并与马氏距离mdk进行比较；如果mdk＞kd，系统误差为ek，如果系统误差ek≤ck，则观测控制是否完成，算法结束；如果系统误差ek＞ck，则产生新规则，确定新参数，计算所有规则误差减少率ERR；如果误差减少率ERR小于阈值，则就删去这条规则观测控制是否完成，算法结束；如果误差减少率ERR不小于阈值，则继续产生新的规则，直到满足误差减少率ERR小于阈值；如果mdk≤kd，系统误差为ek，如果系统误差ek＞ke，则计算输入变量的敏感性Bij并调整宽度，调整结论参数，观测控制是否完成，算法结束；如果系统误差ek≥ke，则满足要求，观测控制是否完成，算法结束。