模型预测控制（MPC）由于其简单的概念，快速动态响应和良好的参考跟踪，已在功率电子设备中广泛使用。但是，它遭受了参数不确定性的困扰，因为它直接依赖于系统的数学模型来预测在下一个采样时间将使用的最佳切换状态。结果，不确定的参数导致了未设计的MPC。因此，本文根据人工神经网络（ANN）提供了无模型的控制策略，以减轻参数不匹配的影响，同时对逆变器的性能产生一些负面影响。该方法包括两个相关阶段。首先，MPC用作专家来控制研究的转换器以提供数据集，而在第二阶段，将获得的数据集用于训练拟议的ANN。此处的案例研究基于一个四级三电池飞行电容器逆变器。在这项研究中，使用各种操作条件，使用MATLAB/SIMULINK来模拟所提出方法的性能。之后，与常规MPC方案相比，报告了仿真结果，这证明了拟议控制策略的出色性能在鲁棒性上针对参数不匹配和低谐波失真（THD），尤其是在系统参数中发生变化时，比较了传统的MPC。此外，根据使用C2000TM-Microcontroller-launchpadxl TMS320F28379D套件提供了基于硬件（HIL）仿真的实验验证，以证明基于ANN的控制策略的适用性，以在A上实施，以在A上实现。 DSP控制器。
translated by 谷歌翻译