← 返回
控制与算法 PFC整流 并网逆变器 机器学习 ★ 4.0

基于自组织Hermite模糊神经网络的有源电力滤波器实用终端滑模控制

Practical Terminal Sliding Mode Control of Active Power Filters by Self-Organizing Hermite Fuzzy Neural Network

作者 Shixi Hou · Jienan Han · Yundi Chu · Cheng Zhou · Juntao Fei
期刊 IEEE Transactions on Power Electronics
出版日期 2026年1月
技术分类 控制与算法
技术标签 PFC整流 并网逆变器 机器学习
相关度评分 ★★★★ 4.0 / 5.0
关键词 有源电力滤波器 终端滑模控制 Hermite 模糊神经网络 谐波抑制 非线性控制 自组织 电力电子
语言:

中文摘要

针对有源电力滤波器(APF)模型非线性问题,本文提出了一种结合自组织Hermite模糊神经网络(SOHFNN)的超螺旋实用终端滑模控制器(STPTSMC)。该方法利用终端滑模的连续性和非奇异特性,结合神经网络的自适应学习能力,有效抑制谐波污染,提升了系统的鲁棒性和控制精度。

English Abstract

To mitigate harmonic contamination, this article introduces a supertwisting practical terminal sliding mode controller (STPTSMC) using a self-organizing Hermite fuzzy neural network (SOHFNN) for an active power filter (APF) with unknown model nonlinearities. First, a practical terminal sliding mode because of its benefits in offering a continuous and nonsingular characteristic is adopted, and a su...
S

SunView 深度解读

该研究提出的高性能非线性控制算法对阳光电源的并网逆变器及电能质量治理产品具有重要参考价值。在弱电网或复杂负载环境下,APF及组串式逆变器的谐波抑制能力是提升电网适应性的关键。SOHFNN算法的自组织特性有助于提升逆变器在模型参数不确定性下的动态响应速度。建议研发团队关注该算法在iSolarCloud智能运维平台下的边缘计算部署,或将其应用于高精度电能质量补偿模块,以增强公司在复杂工业场景下的电能质量治理竞争力。