1 引言
DC/DC變換器是一種強非線性電路，電路的電氣參數存在不確定性,，負載性質也是多變的,，主電路的性能必須滿足負載大范圍的變化，同時它還具有離散和變結構的特點,，所有這些使DC/DC變換器控制器的設計較為復雜,。由于傳統(tǒng)的控制方法是基于線性系統(tǒng)理論，所以,，應用于DC/DC變換器中并不能獲得理想的動態(tài)性能,。
有兩種途徑可以不利用線性系統(tǒng)理論,。一種是建立一種精確的非線性模型，但是,，這種方法需要復雜的數學推導,，經常導致復雜的控制算法，而不適合實際應用,。另一種方法是把人工智能的啟發(fā)式推理規(guī)則用于學習控制系統(tǒng),，即智能控制，它不需要建立精確的數學模型,，并且對于電路參數變化具有良好的魯棒性,。
2 智能控制
智能控制是控制理論發(fā)展的高級階段，它的建立和發(fā)展是以眾多新興學科為基礎的,。智能控制的基本出發(fā)點是仿人的智能實現(xiàn)對復雜不確定性系統(tǒng)進行有效的控制,。目前智能控制設計的途徑有：
1）基于專家系統(tǒng)的專家智能控制；
2）基于模糊推理和計算的模糊控制,；
3）基于人工神經網絡的神經網絡控制,；
4）基于信息論，遺傳算法和以上三種算法的集成型智能控制,。
本文將重點討論模糊控制,，神經網絡控制以及模糊神經網絡控制在DC/DC變換器中的應用。
3 模糊控制在DC/DC變換器中的應用
模糊控制是應用模糊集合理論的控制方法,，提供一種實現(xiàn)基于知識（規(guī)則）的,，甚至語言描述的控制規(guī)律的新機理，例如：如果輸出電壓誤差是正的,，并且它的變化率是負的,，那么輕微減少占空比等等。所以,，模糊控制設計方法比較簡單,。雖然，相對于傳統(tǒng)控制器,，模糊控制通常不能提供更好的小信號響應,，但是，它是基于啟發(fā)式推理規(guī)則的,，在非線性的DC/DC變換器中應用是非常容易的,。
模糊控制的基本思想是基于專家經驗和領域知識，總結出若干條以IF（條件）THEN（作用）形式表示的模糊控制規(guī)則,，構成描述具有不確定性復雜對象的模糊關系,，通過被控系統(tǒng)輸出誤差及誤差變化和模糊關系的推理合成獲得控制量，從而對系統(tǒng)進行控制,。
模糊控制采用帶修正因子的模糊控制器,，其控制規(guī)則為
μ（k）=ε（k）＋（1－α）εc（k）
式中：μ（k）為輸出與測量值之差,；
εc（k）為給定值與測量值之差，εc（k）=ε（k）－ε（k－1）為誤差變化率,；α為加權修正因子,，在0～1之間取值。
通過調整加權系數,，就可對控制規(guī)則進行修正,。以α作為調整參數是很方便的，因為,，α取值大小直接影響著被控量誤差和誤差變化率的加權程度,，當被控對象數學模型的階次較高時，對誤差變化率的加權應大于誤差的加權值,，因而α可取較小值,，反之亦然。
模糊控制框圖如圖1所示,。模糊控制器被分為4個部分：
1）模糊化,，即將輸入值轉化為模糊量；
2）知識庫,，通常由數據庫和模糊控制規(guī)則庫組成,；
3）模糊推理，它是模糊控制器的核心,，具有模擬人的,，基于模糊概念的推理能力，該推理過程是基于模糊邏輯中的蘊涵關系及推理規(guī)則來進行的,；
4）非模糊化,，即將模糊推理得到的模糊量變換為實際用于控制的精確量。
圖1 模糊控制框圖
本文介紹了模糊控制在DC/DC變換器中的兩種不同的應用,。
1 引言
DC/DC變換器是一種強非線性電路,，電路的電氣參數存在不確定性，負載性質也是多變的,，主電路的性能必須滿足負載大范圍的變化,，同時它還具有離散和變結構的特點，所有這些使DC/DC變換器控制器的設計較為復雜,。由于傳統(tǒng)的控制方法是基于線性系統(tǒng)理論，所以,，應用于DC/DC變換器中并不能獲得理想的動態(tài)性能,。
有兩種途徑可以不利用線性系統(tǒng)理論。一種是建立一種精確的非線性模型,，但是,，這種方法需要復雜的數學推導,，經常導致復雜的控制算法，而不適合實際應用,。另一種方法是把人工智能的啟發(fā)式推理規(guī)則用于學習控制系統(tǒng),，即智能控制，它不需要建立精確的數學模型,，并且對于電路參數變化具有良好的魯棒性,。
2 智能控制
智能控制是控制理論發(fā)展的高級階段，它的建立和發(fā)展是以眾多新興學科為基礎的,。智能控制的基本出發(fā)點是仿人的智能實現(xiàn)對復雜不確定性系統(tǒng)進行有效的控制,。目前智能控制設計的途徑有：
1）基于專家系統(tǒng)的專家智能控制；
2）基于模糊推理和計算的模糊控制,；
3）基于人工神經網絡的神經網絡控制,；
4）基于信息論，遺傳算法和以上三種算法的集成型智能控制,。
本文將重點討論模糊控制,，神經網絡控制以及模糊神經網絡控制在DC/DC變換器中的應用。
3 模糊控制在DC/DC變換器中的應用
模糊控制是應用模糊集合理論的控制方法,，提供一種實現(xiàn)基于知識（規(guī)則）的,，甚至語言描述的控制規(guī)律的新機理，例如：如果輸出電壓誤差是正的,，并且它的變化率是負的,，那么輕微減少占空比等等。所以,，模糊控制設計方法比較簡單,。雖然，相對于傳統(tǒng)控制器,，模糊控制通常不能提供更好的小信號響應,，但是，它是基于啟發(fā)式推理規(guī)則的,，在非線性的DC/DC變換器中應用是非常容易的,。
模糊控制的基本思想是基于專家經驗和領域知識，總結出若干條以IF（條件）THEN（作用）形式表示的模糊控制規(guī)則,，構成描述具有不確定性復雜對象的模糊關系,，通過被控系統(tǒng)輸出誤差及誤差變化和模糊關系的推理合成獲得控制量，從而對系統(tǒng)進行控制,。
模糊控制采用帶修正因子的模糊控制器,，其控制規(guī)則為
μ（k）=ε（k）＋（1－α）εc（k）
式中：μ（k）為輸出與測量值之差；
εc（k）為給定值與測量值之差，εc（k）=ε（k）－ε（k－1）為誤差變化率,；α為加權修正因子,，在0～1之間取值。
通過調整加權系數,，就可對控制規(guī)則進行修正,。以α作為調整參數是很方便的，因為,，α取值大小直接影響著被控量誤差和誤差變化率的加權程度,，當被控對象數學模型的階次較高時，對誤差變化率的加權應大于誤差的加權值,，因而α可取較小值,，反之亦然。
模糊控制框圖如圖1所示,。模糊控制器被分為4個部分：
1）模糊化,，即將輸入值轉化為模糊量；
2）知識庫,，通常由數據庫和模糊控制規(guī)則庫組成,；
3）模糊推理，它是模糊控制器的核心,，具有模擬人的,，基于模糊概念的推理能力，該推理過程是基于模糊邏輯中的蘊涵關系及推理規(guī)則來進行的,；
4）非模糊化,，即將模糊推理得到的模糊量變換為實際用于控制的精確量。
圖1 模糊控制框圖
本文介紹了模糊控制在DC/DC變換器中的兩種不同的應用,。
3.1 模糊控制在DC/DC變換器反饋控制中的應用
DC/DC變換器的模糊控制框圖如圖2所示,。
圖2 DC/DC變換器的模糊控制框圖
圖中DC/DC變換器用一個黑箱表示，其上有四個端子,，分別接輸入電壓us,，輸出電壓uo，電感電流iL和控制開關S,。其中只有輸出電壓和電感電流送入了模糊控制器,。
模糊控制規(guī)則基于以下幾條標準：
1）當變換器的輸出遠離設置點時，大幅度調整占空比,，以使輸出快速回到設置點,；
2）當變換器的輸出接近設置點時，可以稍微調整一下占空比,；
3）當變換器的輸出在設置點附近并且快速接近它時,，應當保持占空比不變，以防止有超調量；
4）當變換器的輸出到達了設置點并且仍在變化時,，稍微變化占空比以防止輸出遠離設置點；
5）當輸出到達了設置點并保持穩(wěn)定時,，占空比保持不變,；
6）當輸出超過了設置點，應減小占空比,，反之亦然,。
通常同樣的模糊控制規(guī)則可以應用在幾種不同類型的DC/DC變換器中，只是一些比例因子要根據變換器的不同拓撲和參數做相應的調整,。
把模糊控制應用于Cuk變換器的電壓反饋中,，但只利用了輸出電壓和它的變化率，沒有考慮電感電流,，雖然與PID控制相比其輸出電壓波動小于PID控制,，并且具有較快的瞬態(tài)響應，但是,，動態(tài)性能還是不夠理想,。
分別把模糊控制應用于Buck-Boost和Sepic變換器中，模糊控制器利用了三個輸入變量：輸出電壓誤差εu,；電感電流誤差εi,；電感電流iL。相對于只利用輸出電壓變量的模糊控制器來說,，動態(tài)性能更令人滿意,。同時，通過仿真證明了模糊控制與傳統(tǒng)控制方法具有同樣快和穩(wěn)定的小信號響應,，并且改進了大信號響應性能,。
3.2 模糊控制在主從均流控制的并聯(lián)DC/DC變換器中的應用
利用主從控制方法并聯(lián)工作的變換器具有大量的控制環(huán)，所以,，很難得到系統(tǒng)的實際模型,。傳統(tǒng)的控制方法是基于簡單平均化的線性模型，在負載大范圍變化和存在干擾的情況下,，則得不到很好的動態(tài)響應,。模糊控制方法克服了建立復雜模型的困難，因此,，可以應用于實際工程中,，并且用數字和模擬方法都可以實現(xiàn)。
把模糊控制引入到均流環(huán)中,，可以得到快速且魯棒性強的瞬態(tài)響應,。把經過PD控制的均流誤差送入模糊控制器，利用PID控制的結果得出模糊推理規(guī)則，仿真結果表明負載分別為額定負載的50％和90％時,，瞬態(tài)響應良好,。
4 神經網絡控制在DC/DC變換器中的應用
神經網絡系統(tǒng)具有輸入、輸出,，它由許多個神經元組成,。每個神經元有一個單一的輸出，它可以連接到許多其它的神經元,，其輸入有多個連接通路,，每個連接通路對應一個連接權系數。變換權系數將改變整個網絡的工作性能,，我們的目的就是調整權系數,，以獲得理想的輸入、輸出關系,。
神經網絡控制方法是基于人腦控制行為的生理學研究而發(fā)展起來的,，是一個具有廣闊應用前景的智能控制方法。由于神經網絡具有非線性映射能力,、自學習適應能力,、聯(lián)想記憶能力，并行信息處理方式及其優(yōu)良的容錯性能,，所以,，它在非線性和復雜控制系統(tǒng)中，起著如傳遞函數在線性系統(tǒng)中所起的作用,。
在神經網絡控制系統(tǒng)中,，信息處理過程通常分為自適應學習期和控制期兩個階段。在學習期,，網絡按一定的學習規(guī)則調整其內部連接權系數,，使給定的性能指標達到最優(yōu)；在控制期,，網絡連接模式和權系數已知且不變,，各神經元根據輸入信息和狀態(tài)信息產生輸出。兩個階段可以獨立完成,，也可以交替進行,。
通常神經網絡在控制中的作用可分為如下幾種：
1）充當系統(tǒng)的模型，構成各種控制結構,，如在內?？刂疲Ｐ蛥⒖?，自適應控制,，預測控制中,，充當對象的模型等；
2）在反饋控制系統(tǒng)中直接用作控制器,；
3）在控制系統(tǒng)中起優(yōu)化計算的作用,；
4）在與其它智能控制方法和優(yōu)化算法相融合中，為其提供非參數化對象模型,，優(yōu)化參數,，推理模型及故障診斷等。
目前,，國內外學者提出了許多面向對象的神經網絡控制結構和方法，較具代表性的有神經網絡監(jiān)督控制,，神經網絡直接逆動態(tài)控制,，神經網絡參數估計自適應控制，神經網絡模型參考自適應控制,，神經網絡內?？刂疲窠浘W絡預測控制,。
雖然,，神經網絡應用于非線性系統(tǒng)已經有很多年了，但是,，主要把它用于機器人技術和自動控制系統(tǒng),。在電力電子領域，神經網絡的應用還處于初級階段,，最近,，不斷有文章報道用神經網絡來控制DC/DC變換器，這預示著神經網絡在DC/DC變換器中的應用將會不斷增多,。
把神經網絡間接應用于PWMBoost變換器中,，如圖3所示。
圖3 Boost變換器的神經網絡控制
其中,，用神經網絡控制器產生變換器的控制信號,，進行反饋控制，用神經網絡仿真器識別變換器的參數變化,。并且神經網絡控制系統(tǒng)自動學習變換器工作時的動態(tài)特性,。由于PWM變換器通常是二階系統(tǒng)，所以,，對于變換器的輸入和輸出,，兩個延遲單元是足夠的。
由神經網絡間接控制的Boost變換器不需要知道雅可比行列式,，也不用考慮參數變化,，在遇到大信號擾動時,，也不需要利用傳遞函數方法來處理。
計算機仿真結果表明,，即使在高頻脈沖電源電壓和高頻脈沖參考信號的條件下,，神經網絡控制系統(tǒng)都能提供良好的動態(tài)響應。
把神經網絡控制器應用于Buck變換器中,。首先,，把Buck變換器在一個工作點線性化，進行PI控制,，由此得到神經網絡離線訓練的數據集合,，這種訓練時間長，并且依賴于數據集合的大小和特性,，但是,，依然能得到良好的控制結果。而在線訓練的神經網絡控制器設計的時間少,，在變化的負載條件下能夠提供最精確和統(tǒng)一的結果,。
提出用神經網絡辨識和控制一個反激準諧振變換器。神經網絡控制器用來調節(jié)輸出電壓,，它由3層組成,，輸入層有8個神經元，隱層有24個神經元,，輸出層有一個神經元,。4個輸入分別為輸入電壓變化量，電感電流變化量,，負載電流變化量,，輸出電壓相對于參考值的變化量?？刂破鞯妮敵瞿軌蛘{節(jié)輸出電壓的開關頻率,。控制方法采用監(jiān)督學習的神經網絡控制,，用BP算法,，并由Levenberg-Marquedet規(guī)則改進。仿真結果表明系統(tǒng)的精度和魯棒性都得到了改善,。這種神經網絡控制器的優(yōu)點可總結如下：
1）降低了輸出電壓的偏差,，提高了控制系統(tǒng)的精度；
2）對于輸入電壓和負載的變化,，具有快速的響應,；
3）由于神經網絡控制器的輸出是開關頻率，這可以直接而且很容易完成文中的控制算法,。
5 神經模糊控制在DC/DC變換器中的應用
神經網絡和模糊控制在對信息的加工處理過程中,，均表示出很強的容錯能力,，它們在處理和解決問題時，不需要對象的精確的數學模型,；從數據處理的形式上看,，它們均采用并行處理的結構，當輸入信號進入模糊控制系統(tǒng)時,，所有的模糊規(guī)則將依據條件的適用度決定是否被激發(fā),，并且由被激發(fā)的規(guī)則決定系統(tǒng)的輸出。對神經網絡而言,，它本身就是由并行結構的神經元構成,。
但是，模糊系統(tǒng)和神經網絡有著明顯的不同之處,。神經網絡雖然對環(huán)境的變化具有較強的自適應學習能力,，但從系統(tǒng)建模的角度而言，它采用的是典型的黑箱型的學習模式,。因此，當學習完成之后,，神經網絡所獲得的輸入和輸出關系,，無法用容易被人接受的方式表示出來。相反,，模糊系統(tǒng)是建立在被人容易接受的“IFTHEN”表示方法之上,。但如何自動生成和調整隸屬函數的模糊規(guī)則，則是一個很棘手的問題,。
基于以上分析可知,，上述兩類系統(tǒng)的相似點構成了融合的基礎，而它們的不同點又為融合方式研究提供了可能,。
神經網絡和模糊邏輯有以下幾種的相結合方式：
1）神經模糊系統(tǒng)在模糊模型中用神經網絡作為工具,；
2）模糊神經網絡把常規(guī)的神經網絡模型模糊化；
3）模糊－神經混合系統(tǒng)把模糊技術和神經網絡結合起來形成混合系統(tǒng),。
提出用神經模糊控制器控制Cuk變換器,，如圖4所示。由于模糊變量的隸屬函數通常是基于專家知識得到的,，這要依賴于過去的經驗,，并不能給出優(yōu)化的性能。文獻［7］利用神經網絡設計隸屬函數,，把神經網絡作為隸屬函數生成器組合在模糊控制系統(tǒng)中,。控制器的輸入為電壓誤差和電壓誤差變化率,，輸出為變換器PWM的占空比,。神經網絡由BP學習算法調節(jié),，作用函數為S（x）=
。神經模糊控制器經過離線訓練后,，用來調節(jié)Cuk變換器,。通過仿真證明，當負載變化時,，神經模糊控制器比PI控制器的動態(tài)響應更好,。
圖4 Cuk變換器的神經模糊控制系統(tǒng)
6 結語
目前，智能控制在DC/DC變換器中的應用非常少,，還只是停留在仿真階段,，尤其是國內鮮有文章報道?？紤]到經濟和體積方面的原因,，以及智能控制整個理論體系還不成熟，所以,，智能控制的DC/DC變換器還需要一定的時間才能應用于實際,。但是，隨著智能控制應用工程的日益成熟,，各種軟硬件技術的開發(fā),，尤其是最近高速廉價的數字信號處理器（DSP）的應用，大大方便了智能控制應用系統(tǒng)的實現(xiàn),，這使得具有優(yōu)良性能的智能控制的DC/DC變換器更加受到人們的重視,，從而可得到長足的發(fā)展。