龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：厦门大学
摘要：本发明公开了一种基于自适应动态规划和数据驱动的DC‑DC变换器最优控制方法，应用在基于神经网络控制器的闭环电路中，通过采集输入输出数据，并将数据用于自适应动态规划AdaptiveApproximateDynamicProgramming，ADP算法，以此对神经网络控制器的权重和偏置进行更新，不断迭代直至得到最优控制器，将得到的最优控制器直接用于DC‑DC变换器控制。与传统的基于模型的控制方法相比，本方法不需要建立系统的状态空间方程，不依赖于受控过程的数学模型信息，而是直接从数据到控制器设计；除此之外，本方法所求最优控制器具有较快的控制速度和较好的抗干扰能力，在BUCK变换器上的仿真验证结果证明，本发明所提的方法能实现对DC‑DC变换器的最优控制。
主权项：1.一种基于自适应动态规划和数据驱动的DC-DC变换器最优控制方法，其特征在于，包括：S1，构建神经网络控制器，并随机生成神经网络控制器的初始参数；所述神经网络控制器的输入量包括输出电压和额定电压的误差量et、误差量的积分∫etdt和误差量的微分输出控制信号，控制信号与三角载波进行比较，得到占空比；神经网络控制器网络为单隐藏层，隐藏层包括三个神经元，隐藏层激活函数为双曲正切函数，输出层激活函数为sigmoid函数；S2，构建自适应动态规划的目标函数，所述目标函数基于输出电压和额定电压的误差量；S3，基于神经网络控制器搭建变换器闭环电路，并启动电路；以采样频率f采集输入占空比、输出电压、输出电流以及输出电压和额定电压的误差量et、误差量的积分∫etdt和误差量的微分数据，并计算目标函数值；S4，基于目标函数值，通过批量梯度下降方法对神经网络控制器的权重和偏置进行迭代；S5，根据迭代结果更新神经网络控制器，重复S3到S5，直至目标函数值达到目标值或迭代至给定迭代次数停止，得到最优控制器，输出最终的神经网络控制器权重和偏置；S6，基于最优控制器对DC-DC变换器进行控制。
全文数据：
权利要求：
百度查询： 厦门大学 基于自适应动态规划和数据驱动的DC-DC变换器最优控制方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号