基于粒子群优化-反向传播神经网络的维也纳整流器内环电流PI参数整定策略及基于FPGA的硬件在环验证

《Energies》：A PSO-BPNN-Based PI Parameter Tuning Strategy for the Inner Current Loop of a Vienna Rectifier with FPGA-Based Hardware-in-the-Loop Verification

　　

针对维也纳整流器内环电流环中传统固定参数比例积分（PI）控制器难以同时实现快速动态响应与抑制超调的问题，研究人员提出一种粒子群优化增强的反向传播神经网络PI参数整定策略（PSO-BPNN-PI）。该策略利用粒子群优化（PSO）的全局搜索能力优化反向传播神经网络（BPNN）的初始权重，缓解随机初始化导致的局部极小问题，从而获得性能更优的内环PI参数。在等效电流环模型上，所提策略将阶跃响应超调降至仅3.35%。在维也纳整流器全开关模型上，研究人员于稳态运行、负载扰动及滤波电感变化条件下评估该策略，并与传统PI、随机初始化BPNN-PI及线性自抗扰控制（LADRC）控制器在动态扰动测试中对比。所提方法取得最低输入电流总谐波畸变率（THD）与均衡的综合性能，同时在宽电感失配范围内保持跟踪精度优势。最后，研究人员搭建基于异构CPU/FPGA架构的硬件在环（HIL）平台，部署离线优化PI参数；结果显示750 V直流母线电压稳定跟踪、突加负载快速恢复及中点电压均衡良好，证实了离线优化参数的工程可行性。

研究背景方面，近年来可再生能源发电、电动汽车快充及高性能电源系统对功率变换器在效率、功率因数与总谐波畸变率（THD）上提出更严要求。维也纳整流器作为三相三电平单向脉宽调制（PWM）拓扑，仅需三个有源开关即可实现三电平输出，具备器件电压应力低、开关损耗小、输入电流THD低及高功率因数等优势，广泛用于电动汽车直流快充、风电并网、不间断电源前端等中等及中高功率场合。该整流器本质是高耦合、非线性、时变系统，传统固定参数比例积分（PI）控制器在突加负载或参考阶跃时，固定增益难以兼顾快速动态响应与超调抑制。已有改进如带宽法、增益调度、继电器反馈自整定依赖精确模型或经验；模型预测控制（MPC）依赖精确参数；滑模控制存在抖振；自抗扰控制（ADRC）参数整定复杂；模糊逻辑依赖专家经验。将智能优化与PI结合成为重要路线，但单独PSO仅得单组固定参数，BPNN虽有非线性映射能力却受随机初值陷入局部极小困扰。因此研究人员将PSO与BPNN杂交，用PSO全局优化BPNN初始权重，应用于维也纳整流器内环电流PI整定，并在等效模型、全开关模型与FPGA硬件在环（HIL）三级验证。

关键技术方法上，研究人员建立对称电网、d-q轴解耦、单位功率因数下的内环等效二阶被控对象，合并数字采样延迟、PWM调制延迟与电感支路为一低阶传递函数；设计3-5-2拓扑BPNN，输入为电流误差e(k)、误差变化率Δe(k)与偏置1，隐层5节点tanh激活，输出层2节点sigmoid输出归一化K_p、K_i再反归一化；用粒子群优化（PSO）以线性递减惯性权重搜索BPNN初始权重，适应度采用时间乘绝对误差积分（ITAE）准则，在等效模型闭环仿真中评价；全开关模型在MATLAB/Simulink搭建含SVPWM与中点平衡的电压定向控制（VOC）双闭环，对比传统PI、BPNN-PI、PSO-BPNN-PI及LADRC在稳态、负载阶跃、电感失配下性能；HIL平台采用EasyGo PXIe-200异构CPU/FPGA，FPGA以1 μs步长跑主电路，CPU以100 μs周期跑控制律，仅烧录离线所得固定PI参数而非在线BPNN推理。

研究结果部分，建模章节给出维也纳整流器主电路与Clarke/Park变换后d-q轴电流动态方程，引入前馈解耦消除ωL交叉耦合，推导合并小时间常数后的内环开环传递函数G_open(s)=K_p(1+sT_i)/(s(Ls+R))(e^-1.5Ts近似合并)，得出等效被控对象G_plant(s)=1/(Ls+R)作为离线优化目标，明确其仅捕捉低频主导动态、不能替代全开关模型。设计章节详述PSO速度位置更新公式与惯性权重w=w_max-(w_max-w_min)k/k_max，BPNN前向各层权重符号W⁽¹⁾、W⁽²⁾与偏置，输出层sigmoid缩放至K_p∈[K_pmin,K_pmax]、K_i∈[K_imin,K_imax]，性能指标准则J=ITAE=∫t|e(t)|dt，隐层与输出层权重用带动量项的梯度下降更新，PSO把每个粒子位置解码为BPNN初值并在等效模型闭环跑ITAE适应度，17代收敛至1.88×10^-3优于单独PSO的25代4.4×10^-3。仿真章节中等效模型单位阶跃显示PSO-BPNN-PI超调3.35%、调节时间16 ms，优于传统PI与BPNN-PI；在L加倍且参考由1.0阶跃至1.5时超调最小；稳态负载扰动恢复最快无二次振荡。全开关模型额定15 kW/750 V、L=1.8 mH下，三者稳态重合，PSO-BPNN-PI在直流侧突加4 A负载时d轴跟踪IAE最低、输入电流THD最低（0.265±0.021%对BPNN-PI的0.328±0.008%），LADRC最大误差略小但THD偏高；电感失配至3.6 mH与5.4 mH时PSO-BPNN-PI在跟踪IAE与THD仍最优，5.4 mH加突载下最大误差与THD均低于LADRC。HIL章节中CPU/FPGA异构架下离线固定参数部署，启动直流母线超调约15%后稳于750 V，上下电容均约375 V中点均衡；突加并联负载时母线瞬跌同步恢复，三相电流幅值随功率上升而增、与电压同相单位功率因数，证实离线参数在真实硬件延迟下工程可行。

讨论与结论翻译部分，研究人员指出为提升维也纳整流器在突载与指令阶跃下电流跟踪性能，提出基于粒子群优化反向传播神经网络的PI整定策略（PSO-BPNN-PI），借PSO全局搜索与BPNN非线性映射改善内环PI精度与动态性能；针对BPNN初值敏感与局部极小，用PSO优化权重，并将数字采样延迟、PWM延迟与电感阻抗合并为等效二阶对象供离线优化，该等效模型捕捉内环低频主导动态，全开关与HIL作进一步验证。所提策略17代收敛，阶跃超调3.35%、调节16 ms，在参数扰动、指令变化与负载扰动下恢复快、稳态精度具竞争力、综合均衡；HIL证实离线PI于真实延迟下稳跟750 V与单位功率因数，对大负载波动整流场景具潜力。工程上降低输入THD、减少人工试错、在线负担等同传统PI，适用于频繁负载变化与强参数不确定场合。因FPGA实时约束，HIL仅部署离线固定参数，未跑在线BPNN推理；验证限于750 V/15 kW维也纳整流器，更广电压等级与拓扑待未来轻量化定点BPNN与跨平台实验拓展。