《Electronics》：Adaptive Neural-Network-Based Control for Single-Phase Rectifiers with Half-Cycle Time-Domain Decoupling
编辑推荐：
在单相PWM整流器中，由于源电压和电流固有的时变特性以及变换器桥的周期性运行，交流侧的瞬时输入功率不可避免地呈现出二倍基频脉动。这种现象随后在直流母线电容上产生一个二倍线频（100 Hz）电压纹波，这导致传统电压外环控制在稳态纹波抑制和动态响应速度之间存在固有
在单相PWM整流器中，由于源电压和电流固有的时变特性以及变换器桥的周期性运行，交流侧的瞬时输入功率不可避免地呈现出二倍基频脉动。这种现象随后在直流母线电容上产生一个二倍线频（100 Hz）电压纹波，这导致传统电压外环控制在稳态纹波抑制和动态响应速度之间存在固有矛盾。为了解决这一问题，本研究提出了一种基于自适应时延前馈神经网络（Adaptive Time-Delayed Feedforward Neural Network, Adaptive TD-FNN）的控制策略。该方法明确地将半个纹波周期的延迟电压误差引入网络状态输入，从而实现了100 Hz低频扰动的时域解耦。此外，通过整合整流器的离散差分方程，构建了一个物理驱动的训练框架，从而增强了网络学习系统动态特性的能力。在此基础上，设计了一种动态自适应平滑权重惩罚机制，根据系统运行状态调整损失函数中电流指令平滑约束的加权因子。具体而言，在稳态条件下增加惩罚权重以抑制由纹波扰动引起的指令振荡，而在负载或电网电压瞬变期间迅速降低惩罚权重，以释放网络的瞬态优化能力。仿真和实验结果表明，所提出的Adaptive TD-FNN控制器能够在不引入额外复杂数字陷波滤波算法的条件下，同时实现平稳的稳态电流指令输出和快速的动态电压调节。与传统双环控制相比，所提策略将网侧输入电流的总谐波失真（Total Harmonic Distortion, THD）从8.45%降低至3.42%，满足并网电能质量要求。同时，在大负载瞬变和电网电压扰动条件下，直流母线电压恢复时间约为40 ms，验证了所提方法在纹波抑制、动态响应和工况适应性方面的综合优势。
单相PWM整流器在AC-DC变换过程中，由于单相电网电压和电流的时变特性以及整流桥的周期性开关动作，瞬时输入功率存在二倍基频脉动，导致直流母线（DC-link）电容上产生二倍线频（100 Hz）电压纹波。这一纹波通过电压外环反馈至电流内环参考指令，造成网侧电流畸变（主要表现为三次谐波注入），严重降低并网电能质量。传统抑制策略包括采用大容量支撑电容、数字陷波滤波器、低通滤波器或谐振补偿结构，但这些方法会引入相位延迟、降低控制带宽、增加体积成本，且对电网频率变化敏感。现有神经网络控制器虽已用于电力电子领域，但大多面向无周期性低频扰动耦合的DC-DC变换器或逆变器系统，缺乏对单相整流器中固有纹波的感知能力，无法区分瞬态偏差和周期性扰动，难以同时实现零稳态跟踪误差、低频纹波抑制和快速动态响应。为克服这一矛盾，研究人员提出了一种基于自适应时延前馈神经网络（Adaptive Time-Delayed Feedforward Neural Network, Adaptive TD-FNN）的控制策略，并发表在《Electronics》。该策略通过半周期时域解耦机制、动态自适应平滑权重惩罚机制以及物理驱动域随机化训练框架，实现了稳态纹波抑制与快速动态响应的协同优化。仿真和硬件在环实验表明，与传统双环PI控制相比，所提方法将网侧电流总谐波失真（Total Harmonic Distortion, THD）从8.45%降至3.42%，满足并网标准，并在大负载瞬变和电网电压扰动下将直流母线电压恢复时间控制在约40 ms，展现了对多工况的适应性。
**主要技术方法**（不超过250字）：研究人员采用的关键技术方法包括：（1）半周期时域特征解耦机制：利用100 Hz纹波的严格10 ms周期，将5 ms延迟的电压误差evd(k)引入神经网络输入，使当前状态与半周期延迟状态形成反相镜像，通过代数组合消除纹波，实现无相移的时域解耦。（2）动态自适应平滑权重惩罚机制：设计指数衰减函数λ(k)，根据跟踪误差Etrack动态调节电流指令变化率的惩罚权重，稳态时强制指令平滑以抑制纹波传播，瞬态时快速降低惩罚以释放控制带宽。（3）物理驱动域随机化训练框架：构建基于整流器离散差分方程的可微分仿真环境，在离线训练中对电网电压幅值（±15%）、负载电阻（20-200 Ω）、初始DC-link电压（50-120 V）及相位进行随机采样，实现端到端优化以增强泛化能力。（4）采用双隐层（每层32神经元）前馈神经网络，隐含层使用Tanh激活函数，输出层使用Sigmoid激活函数将电流幅值指令约束在(0, I
max)内，网络前向推理仅需1152次乘加操作，执行时间约6.5-7.0 μs，满足20 kHz控制周期。
**研究结果**（保留每个小标题，简要说明结论）：
**5.1 系统参数与软硬件平台**：基于300 W缩比样机参数（交流侧50 V
rms，直流侧150 V，开关频率20 kHz，LCL滤波器，DC-link电容880 μF），采用PyTorch进行离线训练，并在dSPACE硬件在环平台上验证实时性。通过定量对比确定双隐层32神经元为最优拓扑，其计算开销低，可稳定部署于TMS320F28379D DSP。
**5.2 仿真分析**：在Simulink中进行稳态和动态仿真。稳态时，Adaptive TD-FNN生成的电流指令平滑无低频振荡，网侧电流THD降至1.22%，低于5%标准；剩余三次谐波（1.2%）和直流分量（0.4%）源于神经网络近似误差和离散化数值效应。负载阶跃测试（上升和下降）显示，DC-link电压恢复时间约40 ms，表明控制器在抑制纹波的同时保持了良好的动态响应。
**5.3 稳态性能实验验证**：在dSPACE硬件平台上对比PI控制和Adaptive TD-FNN。PI控制下DC-link电压纹波明显，网侧电流THD为8.45%且三次谐波约14%；Adaptive TD-FNN使DC-link电压纹波显著减小，网侧电流保持近正弦波形且与电压同相，THD降至3.42%，满足并网要求。实验THD高于仿真结果，归因于死区时间、传感器噪声和电网背景谐波等非理想因素。
**5.4 动态性能实验验证**：测试了负载电阻阶跃（75 Ω→125 Ω和反向）以及电网电压阶跃（38 V→45 V和反向）下的响应。在负载阶跃时，电压过冲/下冲约5 V，网侧电流在约3个工频周期内平滑调整，DC-link电压在约40 ms（2个工频周期）内恢复至参考值。在电网电压扰动下，控制器通过自适应机制快速调节电流幅值，电压波动极小。实验表明该控制器具有全局动态适应能力。
**5.5 方法局限性及未来工作**（讨论部分）：研究人员指出，半周期时域解耦机制基于标称电网频率，对更宽的频率变化需考虑频率自适应延迟；域随机化策略已改善了泛化，但进一步扩展训练域可提升实际适应性；当前为离线训练在线推理，未来可探索轻量级在线适应或增量更新策略。这些方面不影响所提控制的有效性，但为增强适用性提供了方向。
**研究结论翻译**：为克服单相PWM整流器电压外环在稳态电能质量和动态响应速度之间的理论折中瓶颈，本研究提出了一种基于自适应时延前馈神经网络的控制策略。该策略通过将5 ms半周期延迟明确引入网络输入，实现了100 Hz二倍线频纹波在时域的精确解耦。结合动态自适应平滑惩罚机制，控制器可根据运行条件自发释放或约束控制带宽。300 W功率样机的实验结果表明，所提策略将网侧输入电流THD从传统双闭环控制下的8.45%降至3.42%，满足并网标准。在大负载瞬变或电网电压阶跃变化下，DC-link电压动态恢复时间约为40 ms。此外，物理驱动域随机化训练架构使网络摆脱了对单一标称数据集的依赖，有效克服了过拟合。部署后的模型在DSP中计算开销低，易于工程实现。理论分析和硬件在环实验结果证明，所提策略在电网波动和参数扰动下具有优异的多工况适应性，实现了单相整流器的快速动态响应和高电能质量。
