Prediktivní ovládání spínacích výkonových měničů - Predictive control of switching power converters
 | tento článek potřebuje víc odkazy na další články pomoci integrovat to do encyklopedie. (Února 2015) (Zjistěte, jak a kdy odstranit tuto zprávu šablony) |
Prediktivní ovládání spínacích výkonových měničů. Prediktivní řadiče se spoléhají na teorii optimálních řídicích systémů a snaží se vyřešit problém minimalizace nákladových funkcí.[1][2] Prediktivní řadiče jsou relativně snadno numericky implementovatelné, ale elektronické výkonové měniče jsou nelineární dynamické systémy s proměnlivým časem, takže je třeba zvolit jiný přístup k prediktivním.
Principy nelineárního prediktivního optimálního řízení
Prvním krokem k návrhu prediktivního regulátoru je odvození podrobného přímého dynamického modelu (včetně nelinearit) převodníku spínacího výkonu. Tento model musí obsahovat dostatek podrobností dynamiky převaděče, aby umožnil od počátečních podmínek předpověď v reálném čase a se zanedbatelnou chybou budoucího chování převaděče.
Řízení posuvného režimu spínacích výkonových měničů volí vektor pro dosažení posuvného režimu co nejrychleji (vysoká spínací frekvence).
Bylo by lepší zvolit vektor pro zajištění nulové chyby na konci vzorkovací periody Δt.
K nalezení takového vektoru lze provést předchozí výpočet (predikce);
Převaděč má konečný počet vektorů (stavů) a je obvykle nelineární: jedním ze způsobů je zkusit všechny vektory najít ten, který minimalizuje chyby řízení, před aplikací tohoto vektoru na převaděč.
Prediktivní řízení založené na modelu přímé dynamiky (DDMBPC)
Ustupující horizont Optimální prediktivní ovládání
Algoritmus
- Získejte dynamický model převaděče. Příklad:
- Definujte kvadratickou nákladovou funkci Jj (Δt, Usαβj) a její váhy ρiα, ρiβ, ρuPWM
- Proměnné řízení vzorku a vybrané poruchy v době vzorkování ts
- Použijte predikční rovnici z přímé dynamiky k předpovědi hodnoty řídících proměnných v příštím vzorkovacím čase (ts + Δt) pro všechny převodní vektory Usαβj
- Pro každý vektor vypočítejte nákladovou funkci Jj (Δt, Usαβj) a určete její minimum:
- Aplikujte nový vektor, přejděte na další čas vzorkování (návrat ke kroku 3).
Optimální prediktivní řízení inverzní dynamiky (IDOPC)
Rychlý optimální prediktivní algoritmus
- Získejte dynamický model převaděče
- Proměnné regulace vzorku a vybrané poruchy v intervalu vzorkování Δt
- Cíle kontroly by mělo být dosaženo v době vzorkování t + Δt, pak it + Δt = iref. Pomocí metody Euler-backward získáte:
- Použijte predikční rovnici z INVERSE DYNAMICS k předpovědi hodnoty OPTIMÁLNÍHO VEKTORU ŘÍZENÍ Usαβ t + Δt v příštím čase vzorkování (t + Δt)
- Vypočítejte a minimalizujte nákladovou funkci, která vyhodnotí „vzdálenost“ mezi OPTIMÁLNÍM VEKTOREM Usαβ t + Δt a všemi dostupnými vektory převaděče Usαβj
- Aplikujte nový vektor, přejděte na další čas vzorkování (návrat ke kroku 3).