基于RBF神经网络的开关电源非线性预测控制

王 军，黄芬芍

（1.哈尔滨理工大学 测控技术与通信工程学院 哈尔滨150080；2.汕头大学 工学院 汕头515063）

随着开关电源应用越来越广，对开关电源提供的电源品质要求也越来越高，对开关电源的控制性能要求也越来越高[1]。开关电源控制技术已经越来越多地采用数字控制技术，如数字PID控制、先进PID控制、模糊控制、鲁棒控制、滑模变结构控制等。开关电源数字控制技术面临着时延、负载大范围快速变化、供电波动、非线性、复杂拓扑结构和约束多样性等诸多严峻挑战[2-3]。针对这些挑战，人们对开关电源的建模及其先进控制进行了广泛研究。

针对开关电源的建模问题，国内外学者提出了许多建模方法，并针对不同的模型提出相应的控制算法。现有的关于开关电源的模糊控制、滑模控制、神经网络控制和预测控制等诸多文献中主要采用DC/DC变换器的平均值模型[4-5]。平均值模型仅适用于慢变电路且控制特性周期不确定，于是人们提出大信号模型[6]、分段线性和双线性模型[3]、分段仿射模型[7]等改进模型。上述方法均是对开关电源的显式建模，然而实际应用中不可能穷尽各种负载变化情形，限制了对开关电源控制性能的进一步提升。

本文提出将RBF神经网络与预测控制技术相结合进行动态负载情况下的开关电源建模及控制。仿真结果表明，RBF神经网络可以很好地对时变负载下的开关电源模型进行建模，且采用该模型结合预测控制技术可以大大提高动负载情况下开关电源输出供电信号品质。……