用于提升动态性能的非隔离式DC-DC变换器的简化型人工神经网络控制器

《CPSS Transactions on Power Electronics and Applications》：Simplified ANN controller of non-isolated DC-DC converters for improving dynamic performance

　　

摘要：

在评估直流-直流转换器时，动态性能是一个重要的考量因素。在仅有无源组件的情况下，控制器将决定其动态性能。目前，人工神经网络控制器已被广泛用于提升非隔离式直流-直流转换器的动态性能。然而，对这类控制器动态性能的测试表明，由于学习率的调节幅度有限，典型的神经网络控制器无法充分发挥其优势。考虑到控制信号和被控变量均为直流量，且对非线性处理能力的要求不高，本文设计了一种简化的神经网络控制器，通过去掉激活函数来提升性能，同时不会显著降低其非线性拟合能力。这样一来，学习率可以根据前馈控制变量进行调整，从而通过快速更新神经网络权重来实现动态性能的提升。所提出的控制器无需离线训练数据，也不依赖特定模型，而是能够在运行过程中利用控制误差实时优化权重。收敛性分析证明了该控制器的稳定性。实验结果表明，在各种复杂工作条件下，与其它先进控制器相比，这种简化版的神经网络控制器确实能提升动态性能。