← 返回
基于神经估计器的非反相Buck-Boost变换器自适应卡尔曼约束预测控制
Adaptive Kalman-Based Constrained Predictive Control With Neural Estimator for a Noninverting Buck–Boost Converter
| 作者 | Omid Asvadi-Kermani · Arman Oshnoei · Frede Blaabjerg |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年2月 |
| 技术分类 | 控制与算法 |
| 技术标签 | DC-DC变换器 模型预测控制MPC |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 自适应模型预测控制 非反相 Buck-Boost 变换器 神经估计器 卡尔曼滤波 电压调节 约束控制 |
语言:
中文摘要
本文提出了一种用于非反相DC-DC Buck-Boost变换器的自适应约束模型预测控制（AMPC）方法，输出功率可达48W。该方法通过对控制信号及其变化率施加约束，有效抑制了输入电流和输出电压的振荡。AMPC控制器结合了线性模型与神经估计器，实现了参数的自适应调整，提升了变换器的动态响应性能与稳定性。
English Abstract
This article introduces an adaptive constrained model predictive control (AMPC) method for regulating the voltage of a noninverting dc buck–boost converter, capable of delivering up to 48 W output. The approach incorporates constraints on the control signal and its variations to minimize oscillations in both input current and output voltage. The AMPC controller employs a linear model, adaptively e...
S
SunView 深度解读
该技术在DC-DC变换控制领域具有显著的参考价值。阳光电源的户用光伏逆变器及储能系统（如PowerStack）中广泛应用了多级DC-DC变换拓扑，该AMPC控制策略通过引入神经估计器和卡尔曼滤波，能够有效提升变换器在负载突变或光照波动下的瞬态响应速度和稳态精度。建议研发团队关注该方法在降低电感电流纹波及优化控制信号约束方面的应用，以进一步提升小型化储能模块的功率密度和电能质量，并可探索其在iSolarCloud智能运维平台中实现参数自适应调节的潜力。