没有合适的资源?快使用搜索试试~ 我知道了~
非最小相位是指具有右半平面零、极点或滞后的线性对象,在DCDC变换器中,Boost变换器以电容电压作为输出量进行反馈控制时,是一个非最小相位系统。由于目前大多数Boost电路的控制方法选用的是传统PID控制,这种方法具有结构简单、可靠性高等特点,但是系统的动态特性、抗干扰性能却有待进一步提高。由于预测PI控制算法具有抗滞后和抗非最小相位特性的能力,将其应用到Boost电路中进行理论研究并进行实时仿真。仿真结果表明,预测PI控制算法具有良好的动态特性且抗干扰性强,能够体现良好的控制效果。
资源推荐
资源详情
资源评论
基于基于Boost电路的预测电路的预测PI控制控制
非最小相位是指具有右半平面零、极点或滞后的线性对象,在DCDC变换器中,Boost变换器以电容电压作为输
出量进行反馈控制时,是一个非最小相位系统。由于目前大多数Boost电路的控制方法选用的是传统PID控制,
这种方法具有结构简单、可靠性高等特点,但是系统的动态特性、抗干扰性能却有待进一步提高。由于预测PI
控制算法具有抗滞后和抗非最小相位特性的能力,将其应用到Boost电路中进行理论研究并进行实时仿真。仿真
结果表明,预测PI控制算法具有良好的动态特性且抗干扰性强,能够体现良好的控制效果。
程功,任正云
(东华大学 信息科学与技术学院,上海 201620)
摘要摘要:非最小相位是指具有右半平面零、极点或滞后的线性对象,在DCDC变换器中,Boost变换器以电容电压作为输出量
进行反馈控制时,是一个非最小相位系统。由于目前大多数Boost电路的控制方法选用的是传统PID控制,这种方法具有结构
简单、可靠性高等特点,但是系统的动态特性、抗干扰性能却有待进一步提高。由于预测PI控制算法具有抗滞后和抗非最小相
位特性的能力,将其应用到Boost电路中进行理论研究并进行实时仿真。仿真结果表明,预测PI控制算法具有良好的动态特性
且抗干扰性强,能够体现良好的控制效果。
关键词关键词:非最小相位;预测PI控制算法;Boost电路
中图分类号中图分类号:TM919;TP271文献标识码:ADOI: 10.19358/j.issn.1674-7720.2017.01.002
引用格式 引用格式:程功,任正云. 基于Boost电路的预测PI控制[J].微型机与应用,2017,36(1):4-7.
0引言引言
由于电力电子技术发展迅速,带动了新能源技术的发展,同时使功率电源得到广泛运用。现在电力电子技术常用的是开关
电源技术,其核心是DCDC变换器。由于DCDC变换器具有非线性特点,使其难以建立准确的模型。对于DCDC变换器,传统
的建模方法是建立小信号模型。而实际中的过程对象大都具有非线性、时变特征,若采用传统PID控制DCDC变换器,则会存
在输出电压不稳、精度低、可调范围小、纹波电流过大等问题[1]。
本文主要研究了Boost升压电路在预测PI控制算法和传统PID控制下的动态响应特性。由于Boost升压电路是典型的DCDC
功率变换器,因而是一个非最小相位系统,表现为小信号数学模型中存在右半平面的一个零点,这个零点的一个显著特征就是
在占空比突变的情况下,除发生超调外,输出电压的开始阶段会出现先下降后上升的变化,即出现负调现象。这种负调现象会
恶化控制系统的动态品质,导致系统的过渡时间延长,因此对Boost电路而言抑制负调非常重要[2]。
针对上述Boost升压电路的非线性特征,本文采用预测PI控制算法对Boost升压电路进行控制,使其具有良好的控制效
果。实际仿真表明,预测PI控制算法具有很好的动态控制特性和抗干扰性。
1Boost变换器变换器
图1Boost变换器电路结构Boost升压电路采用闭环回路控制,采用传统PID进行控制,就必需对系统建立一个比较准确的
数学模型。而在电力电子技术中,常用的方法是建立小信号模型,然后根据系统的幅频特性对其进行补偿,最后计算得到PID
控制器参数。对Boost电路建立小信号模型时,通过忽略开关频率谐波等因素来简化模型,所以在研究某一稳定工作点附近的
动态特性时,需要将其近似为线性系统[3]。Boost电路原理图如图1所示。
由小信号模型可以用下式得占空比D:
资源评论
weixin_38637805
- 粉丝: 4
- 资源: 952
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于python招聘岗位信息数据可视化系统.zip
- 反光衣服检测数据集、头盔检测yolov5、工作服检测数据集、安全帽检测、施工人员穿戴检测.zip
- 美锐-MR628 TTS语音合成模块资料
- 卷积神经网络 Yolo v3 & v2 的轻量级版本,用于以最少的依赖关系进行对象检测(INT8 推理、BIT1-XNOR 推理).zip
- 数据恢复软件R-studio
- 分别使用OpenCV、ONNXRuntime配置yolov5-v6.1目标检测,包含C++和Python两个版本的程序 支持yolov5s,yolov5m,yolov5l,yolov5n,yo.zip
- YOLOv2:精度提升的多维策略与代码实践
- 精解答疑无偿赠与车库或车位是否视同销售核定营业税?
- 分别使用OpenCV、ONNXRuntime部署YOLOV7目标检测,总共包含14个onnx模型,依然是包含C++和Python两个版本的程序.zip
- 稽查案例如何界定“计税价格明显偏低且无正当理由”?
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功