← 返回
基于扩张状态观测器的区间二型模糊神经网络滑模控制及其在有源电力滤波器中的应用
Extended State Observer Based Interval Type-2 Fuzzy Neural Network Sliding Mode Control With Its Application in Active Power Filter
| 作者 | Lunhaojie Liu · Juntao Fei |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2022年5月 |
| 技术分类 | 控制与算法 |
| 技术标签 | PFC整流 并网逆变器 弱电网并网 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 有源电力滤波器 滑模控制 扩张状态观测器 二型模糊神经网络 自适应控制 参数摄动 抗扰动 |
语言:
中文摘要
针对有源电力滤波器（APF）系统建模困难及易受参数扰动和外部干扰影响的问题，本文提出了一种基于区间二型模糊神经网络（IT2FNN）结构的非线性扩张状态观测器（NESO）自适应滑模控制策略。IT2FNN被设计用于估计未知的控制系数，以增强系统的鲁棒性和动态响应性能。
English Abstract
Aiming at the difficulties in modeling the active power filter (APF) system and the susceptibility to parameter perturbation and external disturbance, this article proposes a new adaptive sliding mode controller with using a nonlinear extended state observer (NESO) based on an interval type-2 fuzzy neural network (IT2FNN) structure. The IT2FNN is designed to estimate the unknown control coefficien...
S
SunView 深度解读
该研究提出的NESO与IT2FNN结合的自适应滑模控制策略，在处理非线性系统扰动和参数不确定性方面具有显著优势。对于阳光电源的组串式逆变器和PowerTitan系列储能变流器（PCS）而言，该算法可有效提升在弱电网环境下的并网稳定性与谐波抑制能力。建议研发团队关注该控制策略在复杂电网工况下的动态响应优化，将其作为提升iSolarCloud智能运维平台下并网设备电能质量控制算法的储备技术，以增强产品在恶劣电网环境下的抗干扰能力。