← 返回
单级升压逆变器自适应模糊神经网络控制设计
Design of Adaptive Fuzzy-Neural-Network Control for a Single-Stage Boost Inverter
| 作者 | Rong-Jong Wai · Yeou-Fu Lin · Yao-Kai Liu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2015年12月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 光伏逆变器 PWM控制 拓扑与电路 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 自适应模糊神经网络控制 单级升压逆变器 总滑模控制 鲁棒控制 电力电子 动态建模 |
语言:
中文摘要
本文研究了单级升压逆变器的自适应模糊神经网络控制(AFNNC)系统。首先建立了单级升压逆变器的动力学模型,随后开发了一种无需传统滑模控制到达阶段的全滑模控制(TSMC)框架,旨在显著增强系统的鲁棒性与控制性能。
English Abstract
This study mainly focuses on the development of an adaptive fuzzy-neural-network control (AFNNC) system for a single-stage boost inverter. First, the dynamic model of a single-stage boost inverter is analyzed and is built for the later control manipulation. Then, a total sliding-mode control (TSMC) framework without the reaching phase in conventional SMC is developed for enhancing the system robus...
S
SunView 深度解读
该研究提出的自适应模糊神经网络控制(AFNNC)与全滑模控制(TSMC)技术,对阳光电源的组串式逆变器及户用光伏逆变器产品线具有重要参考价值。单级升压逆变器拓扑在提升功率密度和转换效率方面具有优势,但控制难度较大。引入该类智能控制算法,可有效提升逆变器在复杂电网环境下的鲁棒性,减少对精确模型参数的依赖,从而优化动态响应速度。建议研发团队评估该算法在iSolarCloud智能运维平台下的部署潜力,通过算法升级提升现有逆变器在弱电网条件下的并网稳定性。