基于遗传算法的图腾柱PFC电路的模糊PID控制方法
文献发布时间:2024-04-18 19:58:30
技术领域
本发明涉及电力电子技术领域,更具体地,涉及一种基于遗传算法的图腾柱PFC电路的模糊PID控制方法。
背景技术
电力电子设备对电网的污染一直都是问题,为了净化电网污染消除谐波干扰,功率因数矫正电路应运而生(PFC),传统有源PFC电路开关损耗大,功率因数相对较低限制了在大功率电路中的使用。
按照有无二极管组成的整流桥分为有桥PFC电路和无桥PFC电路,图腾柱PFC电路就是无桥PFC的一种,相比于有桥PFC,图腾柱PFC电路有更少的器件能量消耗更少所以功率因数会更高,适用于中大功率电路。
对于图腾柱PFC的反馈控制是通过电流环和电压环双环控制,电流环为内环电压环为外环,电流环为内环增加了系统的响应速度。双环控制使得输入电流跟随输入电压达到功率因数矫正目的,而对于电流环和电压环的控制又有很多方法。本文电流环采用平均电流模式,电压环采用模糊控制方法。
电压环采用模糊PID控制方法。模糊PID控制是一种基于模糊逻辑的控制方法,结合了传统的PID控制器和模糊逻辑控制的特点。它使用模糊逻辑来处理系统的模糊性和不确定性,并通过PID控制器的反馈调节来实现控制目标,模糊PID控制器对于系统参数变化、外部干扰和噪声有较好的鲁棒性。模糊逻辑可以通过适当的规则和模糊集合来处理这些不确定性因素,使得控制器对于系统变化和干扰有更好的适应性。
电流环采用平均电流模式控制。平均电流模式控制指的是把输出电压和参考电压进行比较,把误差通过PI模糊控制等控制器输出一个参考电流I
对于电压环控制,现有的最常见的方法就是PI控制,电压环通过PI控制器输出的一个信号,把这个信号输入到电流环再通过PI控制器输出一个可变的占空比来控制输入电流跟随输入电压,然而PI控制器是基于线性模型设计的,因此在处理非线性系统时可能存在一定的限制;PI控制器对于测量噪声和外部干扰比较敏感积分项的引入可能会放大这些噪声和干扰,导致控制性能下降;当系统存在偏差时,积分项会不断累积,可能导致积分项饱和PI控制器需要调节参数,如比例增益和积分时间常数;最重要的是PI控制需要比例参数和积分参数这两个参数一般根据人为经验,不确定性大很不可靠。正确选择这些参数对于控制器的性能至关重要。然而,寻找最佳参数的过程可能比较繁琐,需要进行试错调整。
发明内容
本发明的目的就是为了克服上述现有PI控制技术存在的缺点而提出的基于遗传算法的一种图腾柱PFC电路的模糊PID控制,这种控制方式使用了模糊控制对电路的输出误差信号e和误差变化率ec进行模糊化,建立模糊规则进行模糊推理最后解模糊化,整个控制引用了遗传优化算法对输入比例因子和输出比例因子进行调节和优化,得到一个最优解,然后对建立的图腾柱PFC电路进行反馈控制。这样提高了系统的性能,消除了人力尝试的不确定性,使得PFC电路的输入电流跟随输入电压变化提高电路功率因数,降低THD(总谐波干扰失真率)。
技术方案包括以下步骤:
S1:建立图腾柱PFC电路模型电路,包括一个220V交流电源、两个MOSFET晶体管、两个二极管、一个电感、一个电容和一个电阻;
S2:搭建电压环电流环反馈控制模型和模糊PID控制器:确定模糊控制量即模糊输入量和输出量,设计合适的模糊集、论域隶属度函数;建立模糊规则,利用模糊规则进行模糊推理;解模糊化。
优选地,所述S2具体包括:
S10:建立电压环和电流环双闭环控制;
S20:对电压环引入模糊PID控制方法,包括:设置一个参考电压V
S30:得到优化后的K
优选地,所述S20具体包括:
S21:将当前电路输出电压和设置的参考电压V
S22:将误差信号e和误差变化率ec输入到模糊控制器输入端;
S23:将两输入模糊化,确定模糊输出量;
S24:建立模糊集、论域、隶属度函数,构建模糊规则选择模糊推理方法以及解模糊方法;
S25:引入遗传算法将模糊控制器输入比例因子和输出比例因子进行优化;
S26:优化模糊控制器得到比例增量dK
优选地,所述误差信号e是PFC电路输出电压和期望参考电压之差。
优选地,所述S20中输入量和输出量的模糊状态论域分为7个等级,模糊控制器的模糊集为:PB,PM,PS,ZE,NS,NM,NB,七个等级分别表示正大,正中,正小,零,负小,负小,负中,负大。
优选地,所述隶属度函数采用三角形隶属度函数trimf。
优选地,所述模糊推理方法采用Mamdani法。
优选地,所述解模糊方法为质心法。
优选地,所述遗传算法中的遗传运算包括选择、交叉、变异、反转,经过多次迭代更替,获得适应度最好的个体,作为全局最优解。
优选地,所述S30具体包括:
S31:通过电压环得到参考电流I
S32:把参考电流I
S33:将占空比信号送入PWM发生器产生PWM信号控制开关管开断,输出电压。
本发明模糊PID控制对于系统参数的变化和扰动具有较好的鲁棒性。PFC电路中的负载变化和电网波动可能导致系统参数发生变化,模糊PID控制可以适应这些变化,保持较稳定的控制性能。高效性:通过合理设计模糊控制器的参数和规则,可以快速而准确地响应输入电压和电流的变化,实现快速而稳定的功率因数校正。自适应性:PFC电路的工作条件可能随时间变化,模糊PID控制可以根据实时反馈信号进行自适应调整,从而保持高效的功率因数校正。引入遗传算法使得比例因子直接由算法确定,消除了认为经验的不确定性。总的来说,模糊PID控制在PFC电路中可以提供较好的鲁棒性、高效性和自适应性,从而实现准确、稳定的功率因数校正,提高电路的效率和性能。
附图说明
图1为本发明基于遗传算法的图腾柱PFC电路的模糊PID控制方法的图腾柱PFC电路图;
图2为本发明基于遗传算法的图腾柱PFC电路的模糊PID控制方法的电压环电流环双闭环控制框图;
图3为本发明基于遗传算法的图腾柱PFC电路的模糊PID控制方法的模糊PID控制逻辑框图;
图4为本发明所述的基于遗传算法的图腾柱PFC电路的模糊PID控制方法的遗传算法流程图;
图5为本发明基于遗传算法的图腾柱PFC电路的模糊PID控制方法的输入电压电流MATLAB仿真结果图;
图6为本发明基于遗传算法的图腾柱PFC电路的模糊PID控制方法的电路的THD值图;
图7为本发明基于遗传算法的图腾柱PFC电路的模糊PID控制方法的功率因数MATLAB仿真结果图。
具体实施方式
以下将结合附图对本发明提供的技术方案作进一步说明。
本发明提供一种基于遗传算法的图腾柱PFC电路的模糊PID控制方法,包括以下步骤:
如图1,为本发明搭建的图腾柱PFC电路。电路由两个MOSFET开关管10,一个220uh电感40,2800uf电容50,50欧电阻60,两个二极管20组成。输入交流电源30为220V,输出电压为400V。
控制模块如图2由电压环11,电流环12双闭环组成,采用连续型平均电流跟踪法。
其中,先采样输出电压值V
模糊PID控制如图3,首先对输出电压和参考电压的误差值e和误差变化率ec进行模糊化处理,它的实质是根据隶属度函数求取隶属度。
其中,输出为dK
进一步建立模糊规则进行模糊推理,推理方法使用Mamdani法然后解模糊化用的是质心法,最后输出为dK
K
K
K
其中,K
根据e,ec和dK
表1
使用遗传算法对输入比例因子K1、K2以及输出比例因子K3,K4,K5进行优化,它是采纳自然进化的模型,进行全局寻优,逻辑框图如图4。
算法随机产生很多实际问题的可行解(种群),对种群进行编码操作,将可行解转化染色体的形式。根据目标函数构造适应度函数,对种群适应度进行评估,遗传运算包括选择、交叉、变异、逆转,经过多次迭代更替,获得适应度最好的个体,作为全局最优解。
1.编码:编码是将实际问题的可行解空间转化为染色体空间。常见的编码方式主要有二进制编码、实数编码和整数编码。二进制编码具有较强的搜索能力,染色体的长度取决于编码的精度。考虑到模糊控制规则变量较多的情况,采用实数编码更为适合,因为它易于进行编码和处理。模糊控制器输入输出都有7个模糊子集PB,PM,PS,ZE,NS,NM,NB,为了便于优化隶属度函数,函数采用三角函数trmf。优化输入e和ec输出dK
2.适值函数确定:当使用遗传算法解决控制系统优化问题时,可以选择使用ITAE(Integral of Time-weighted Absolute Error,时间加权绝对误差的积分)作为目标函数。ITAE指标可以综合评价控制系统的快速性、准确性和稳定性等静态和动态性能。
ITAE目标函数的定义如下:
其中,e(t)表示系统输出与期望输出的误差,T表示控制系统的运行时间。将目标函数进行转化:
我们需要把f(x)最大化,因此取目标函数的倒数,通过这样的转化,我们将原始的最小化ITAE问题转化为最大化f(x)问题。需要注意的是,在转化后的目标函数中,x是变量,我们的目标是找到最大化g(x)的x值,从而使得原始问题中的ITAE最小化。
因为f(x)的范围属于[0,1],所以需要对f(x)进行比例增大,增大各个染色体被选中概率差,强化选择压力,使遗传算法优化功能变强。本文使用线性标定法,公式如下:
G(x)=c*g(x)+h;
h=d*g
式中,G(x)是适值函数,g(x)为目标函数,g
在遗传算法的搜索过程中,初始阶段的目标是广泛地探索解空间,以寻找各种可能的解。因此,在初始迭代阶段需要保持较低的选择压力,以促使算法探索多样性。随着迭代的进行,为了逐渐收敛到最优解或较好的解,选择压力应该逐渐增大。这样,遗传算法会更加集中地搜索局部区域,以精细调整解的质量。随着迭代次数的增加,增大选择压力有助于遗传算法在解空间中更有针对性地搜索可行解。迭代公式如下:
m
其中,随着迭代的进行种群中最差的染色体被选中的概率越小。
3.选择、交叉、变异。
从上一代种群中选择适应度高的个体作为子代,这可以使的子代个体比父代更好。选择的方法有:取种群适应值10%的个体、轮盘赌法、随机遍历抽取法。本发明使用的是随机遍历抽取法和取种群适应值10%的个体。随机遍历抽取法就是轮盘赌法的改进方法,相对于轮盘赌一次只选择一个个体,随机遍历法一次就可以把所有的个体选出来,这样增加了种群个体的多样性而且更加公平。以下使选择的亲代样本:
P1:A=(a
将亲代染色体交叉产生可行解。交叉是遗传算法的关键运算,其交叉的方式不同最后得到的效果也不同,其中包括单点交叉、多点交叉、混合交叉、均匀交叉等等本文使用的是多点交叉,就是在两个亲代染色体选择多个交叉点,交换交叉点之间的基因片段。交叉概率设为pc,且pc=0.9。
遗传算法中变异可以避免局部最优解的情况从而找到全局最优解,变异概率设为P
逆转操作就是在交叉和变异结束后,选择子代染色体其中一个片段使得这个片段基因顺序倒转,这样也产生了新的个体。
4.迭代终止规则
如果种群达到最大迭代次数之前,有可能出现收敛,此时应提前结束迭代。其判定准则为:分别计算当前种群的最大和最小误差值,如果两者之差小于设定值,则可以提前终止迭代。本发明设置的规则是迭代次数,到了规定的次数迭代终止。
本发明中电流环和电压环双闭环控制,使得输入电流跟随输入电压,如图5为MATLAB仿真结果。电路的THD(总谐波失真率)为7.15%结果如图6所示,计算公式如下:
其中,I
PFC电路的功率因数PF和位移因数和失真因数有关,位移因数设为PF
PF
用MATLAB仿真结果如图7所示功率因数可以达到0.995。
图腾柱PFC电路电压环和电流环双环控制非常关键,对于电压环给定一个参考电压值400V和输出电压进行比较输出的误差通过模糊控制输出一个参考电流值,对于电流环把输入电流和参考电流进行比较得到误差电流,把误差电流送到PI控制器输出一个可变化的占空比,这样就可以达到电流跟随电压的目的。
模糊PID只在电压环使用,把电压环中的输出电压和参考电压误差e以及误差的微分即误差变化率ec作为模糊控制的两个输入,然后输出分别为dK
遗传算法引入到模糊控制器,优化模糊控制的输入比例因子和输出比例因子。它是对生物种群进行研究,一种随机的全局优化算法。算法随机生成实际问题的可行解(种群),对种群进行编码操作,将可行解转化染色体的形式。根据目标函数构造适应度函数,对种群适应度进行评估。遗传运算包括选择、交叉、变异和逆转,经过多次迭代更替,获得适应度最好的个体,作为全局最优解。
本发明基于遗传算法的一种图腾柱PFC电路的模糊PID控制方法,引入遗传算法对模糊控制器的输入比例因子和输出比例因子进行优化,实现了比例因子的自适应调节,可以很好的提升图腾柱PFC电路的功率因数,降低THD值。
以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
- 一种基于遗传算法与克隆算法优化的半球谐振陀螺仪模糊PID控制方法及控制电路
- 一种图腾柱PFC变换器的控制方法、装置及图腾柱PFC变换器