[發明專利]有源電力濾波器的長短時記憶模糊神經網絡滑模控制方法

有效

• 申請號: 202011103582.8
• 申請日: 2020-10-15
• 公開（公告）號: CN112271729B
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 劉倫豪杰;費峻濤
• 申請（專利權）人: 河海大學常州校區
• 主分類號: H02J3/00
• 分類號: H02J3/00;H02J3/01;H02J3/18;H02J5/00;G05B13/04;G06N3/04
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 丁濤

1.一種有源電力濾波器的長短時記憶模糊神經網絡滑模控制方法，其特征在于，包括以下步驟：

S1，定義開關函數，基于電路理論和基爾霍夫定理建立單相并聯型有源電力濾波器數學模型；

所述步驟S1的具體步驟如下：

S1-1：定義單相并聯型有源電力濾波器中晶體管的開關函數u如下：

S1-2：根據電路理論和基爾霍夫定理，考慮不確定性的外界擾動和系統內部參數攝動，建立單相有源電力濾波器一階數學模型如下：

其中，x為補償電流i_c，即x＝i_c，f(x)代表即B代表h代表一階數學模型下的集總不確定性，U_s為電網電壓，i_c為補償電流，U_dc為直流側電容電壓，L,R分別為有源濾波器主電路的電感和電阻；

S1-3：對單相有源電力濾波器一階數學模型進行求導化簡得到二階數學模型如式(3)所示：

其中，x為補償電流i_c，即x＝i_c，f(x)代表B代表h_k代表二階數學模型的集總不確定性

S2，利用有源電力濾波器的數學模型，設計滑模控制器；

所述步驟S2的具體步驟如下：

S2-1：定義理想軌跡為y_d，跟蹤誤差為e＝x-y_d，其中，x為補償電流，yd為參考電流，設計滑模面為其中C是常數，定義Lyapunov函數

S2-2：對滑模面求導，并令其導數等于0，得到等效控制力：

S2-3：增加切換項，得到魯棒控制力，即滑模控制器：

其中，K為切換項系數；

S3，設計長短時記憶模糊神經網絡，利用神經網絡逼近S2中滑模控制器中的未知非線性函數；

所述步驟S3中的長短時記憶模糊神經網絡結構如下：

第一層：輸入層

所述輸入層內輸入電流補償誤差，完成對輸入信號的傳遞；

第二層：模糊化層

所述模糊化層中，輸入層的每個輸出與模糊化層的三個神經元連接，通過高斯函數對輸入信號進行模糊化操作，其中高斯函數為

第三層：長短時記憶層

所述長短時記憶層有三個節點，每個節點都是一個具有內部反饋回路的完整LSTM結構，每個LSTM結構擁有輸入門、遺忘門和輸出門三個門，輸入門、遺忘門和輸出門構成一個門控單元，門控單元選擇性地對歷史數據進行遺忘和記憶；

第四層：去模糊化層，

所述去模糊化層采用加權平均法對長短時記憶層的輸出數據實現解模糊化操作；

第五層：輸出層

所述輸出層的輸出為去模糊化層的輸出的加權求和，其用于逼近有源電力濾波器系統的未知非線性函數f(x)；

S4，根據步驟S2的滑模控制器和步驟S3獲得的未知非線性函數設計長短時記憶模糊神經網絡滑模控制器，并基于Lyapunov穩定性理論證明系統穩定性；

所述步驟S4的具體步驟如下：

S4-1：設計控制力為：

其中，為所述的長短時記憶模糊神經網絡的輸出；

S4-2：設計Lyapunov函數為：

其中，W，r，w_f，u_f，b_f，w_a，u_a，b_a，w_u，u_u，b_u，w_o，u_o，b_o，c，b為神經網絡各層的參數向量，η₁，η₂，η₃，η₄，η₅，η₆，η₇，η₈，η₉，η₁₀，η₁₁，η₁₂，η₁₃，η₁₄，η₁₅，η₁₆分別為各參數的學習率；

S4-3：根據Lyapunov穩定性理論、梯度下降法和自適應設計方法，取如下自適應率：

S4-4：為證明系統的穩定性，對Lyapunov函數求導，并將所取自適應率代入可得：

其中，假設ε₀，O_ho分別存在上界ε_E,O_E,即|ε₀|≤ε_E，|O_ho|≤O_E，因此只要使得：即能保證：

根據Lyapunov穩定性理論可知，系統在Lyapunov意義下穩定。