基于神经网络的DC-DC变换器PWM/PFM自检测切换方法及控制电路

本发明涉及电力电子，具体涉及一种基于神经网络的dc-dc变换器pwm/pfm自检测切换方法及控制电路。

背景技术：

1、结合直流电网并网是不需要考虑无功功率、电压相位等特点，对于直流电网的研究受到很多学者关注。

2、由于可再生能源其电压等级通常较低，需要提高其电压再并网运行，dc-dc变换器得到了广泛的关注和研究。pwm和pfm是直流变换器常用的控制方式。在重载情况下pwm控制有电压精度高，稳定性好的特点，在轻载情况下pfm控制，其电压波动不会太大，且通过能够改变频率优化轻负载时的效率。因此，亟需提出一种dc-dc变换器的pwm/pfm自动切换方法，实现重载和轻载的自检测切换，且提高整体的效率。

技术实现思路

1、针对上述技术问题，本发明公开一种基于神经网络的dc-dc变换器pwm/pfm自检测切换方法及控制电路，通过采集dc-dc变换器在pwm和pfm控制下的工作状态量，利用神经网络训练拟合多种工况生成神经网络控制器，在实际控制时实时监测变换器的工作状态，从而实现pwm占空比和pfm频率的自动切换调节。

2、为实现上述目的，本发明第一方面，提供了一种基于神经网络的dc-dc变换器pwm/pfm自检测切换控制电路，包括：采样单元、驱动单元和神经网络控制器；

3、优选的，所述采样单元包括：前端采样、后端采样；

4、优选的，所述前端采样单元包括：第一霍尔电压传感器、第一霍尔电流传感器及电阻r1；

5、优选的，所述后端采样单元包括：第二霍尔电压传感器、第二霍尔电流传感器及电阻r2；

6、优选的，所述驱动单元的控制量包括：占空比d和频率f；

7、优选的，所述神经网络控制器包括：输入层、隐藏层以及输出层，其中输入层输入为[vin、iin、vout、iout]，隐藏层可以由一层或多层构成，这里的隐藏层为5层，输出层为[d、f]。

8、优选的，所述输入端vin+与第一霍尔电流传感器第一端连接，第一霍尔电流传感器第二端与dc-dc变换器输入端的正极连接，第一霍尔电压传感器的电压采样端连接在第一霍尔电流传感器的第二端与dc-dc变换器输入端的正极之间；

9、优选的，所述输入端vin-与dc-dc变换器输入端的负极连接；

10、优选的，所述dc-dc变换器的输出端的正极与第二霍尔电流传感器第一端连接，第二霍尔电流传感器第二端与所述输出端vout+连接，第二霍尔电压传感器连接在第二霍尔电流传感器的第二端与输出端vout+之间；

11、优选的，所述dc-dc变换器的输出端负极与输出端vout-连接；

12、优选的，所述输入电压vin、输入电流iin、输出电压vout及输出电流iout采样完作为神经网络控制器的输入层；

13、优选的，所述神经网络控制器的输出层与驱动单元的输入端连接，输出占空比d和频率f；

14、优选的，所述驱动单元的输出端与dc-dc变换器的开关管的驱动信号极连接。

15、优选的，所述神基于神经网络的dc-dc变换器pwm/pfm自检测切换电路，采样单元为对称结构，采样前端和后端电压和电流。

16、优选的，所述神经网络的控制参数的约束条件包括：

17、0≤d(g)≤1

18、0≤f(g)≤fmax

19、0≤iin(g)≤iinmax

20、0≤vin(g)≤vinmax

21、0≤iout(g)≤ioutmax

22、0≤vout(g)≤voutmax

23、其中，d(g)、f(g)、iin(g)、vin(g)、iout(g)和vout(g)分别为占空比、频率、输入电流、输入电压、输出电流、输出电压。

24、优选的，所述dc-dc变换器，其特征在于，dc-dc变换器为单开关管拓扑或同步双开关管拓扑的串/并联结构，其驱动信号输入端连接驱动单元的输出端。

25、第二方面，本发明提供一种基于神经网络的dc-dc变换器pwm/pfm自检测切换方法，所述自检测切换方法，包括：

26、s1、通过采集变换器从启动到稳定状态的pwm和pfm闭环控制数据[vin、iin、vout、iout]，构建训练集，作为神经网络的输入样本，同时将相应周期的pwm占空比和pfm开关频率[d,f]作为标签输入神经网络进行拟合训练，例如将n个周期的[vin、iin、vout、iout]输入神经网络；

27、s2、数据预处理，将n个周期的[vin、iin、vout、iout]送入神经网络之前，先将数据进行归一化，表示为：

28、

29、其中，xmax为输入数据中的最大值，xmin为输入数据中的最小值；

30、s3、设定神经网络控制结构以及激活函数，输入层由4个神经元组成，输入dc-dc变换器的实时状态量，隐藏层可由多个神经元组成，并通过swish激活函数增强神经网络的非线性拟合能力，输出层由两个神经元组成，隐藏层和输出层的激活函数均选用swish函数，其具有更平滑的梯度流动，训练效果更好；swish激活函数表达式为：

31、

32、其中，x为隐藏层或输出层的加权求和后的结果；

33、s4、在每次训练迭代时，输入数据通过前向传播神经网络各层计算得到其预测值，可定义误差函数为：

34、

35、其中，d(g+1/g)为输出最优占空比，f(g+1/g)为输出最优频率，f(g+1/g)和d(g+1/g)为神经网络输出值，通过误差计算进行反向传播不断调整网络的权重和偏置；

36、通过梯度下降法和链式法则对网络权重和偏置进行修正，当误差函数值小于预设的阈值或误差变化趋于平稳，则完成训练；

37、梯度下降法可表示为：

38、

39、其中，λ为学习速率其影响着权重更新的步长，w(i+1)、w(i)为i+1时刻和i时刻权重，λ与误差函数对权重的偏导数相乘；

40、链式法则可表示为：

41、

42、s5、将训练好的模型移植到fpga实时控制器，结合它们的实时计算和并行处理能力，能够显著提升系统的响应速度，实现在不同的负载情况下自动切换控制模式，从而提高变换器的整体转换效率和系统稳定性。

43、本发明技术效果：本发明公开一种基于神经网络的dc-dc变换器pwm/pfm自检测切换方法及控制电路，通过在不同工况下训练后生成对应模型，并移植到实时控制器中，实现对于dc-dc变换器的pwm和pfm的自检测切换，且稳态时间段，超调量小。

技术特征：

1.一种基于神经网络的dc-dc变换器pwm/pfm自检测切换控制电路，其特征在于，包括：采样单元、驱动单元和神经网络控制器；

2.如权利要求1所述的控制电路，其特征在于，采样单元为对称结构，采样前端和后端电压和电流。

3.如权利要求1所述的控制电路，其特征在于，神经网络的控制参数的约束条件包括：

4.如权利要求1所述的控制电路，其特征在于，dc-dc变换器为单开关管拓扑或同步双开关管拓扑的串/并联结构，其驱动信号输入端连接驱动单元的输出端。

5.基于神经网络的dc-dc变换器pwm/pfm自检测切换方法，其特征在于，包括：

技术总结
本发明公开一种基于神经网络的DC‑DC变换器PWM/PFM自检测切换方法及控制电路，通过采集DC‑DC变换器在PWM和PFM控制下的工作状态量，利用神经网络训练拟合多种工况生成神经网络控制器，在实际控制时实时监测变换器的工作状态，从而实现PWM占空比和PFM频率的自动切换调节。

技术研发人员：陈劲翰,张桂东
受保护的技术使用者：广东工业大学
技术研发日：
技术公布日：2025/2/10