典型文献
基于输入凸神经网络的IPT系统电压预测控制
文献摘要：
感应式电能传输(IPT)系统的输出电压容易受到负载、互感等系统参数变化的影响.为了提高该系统输出电压的实时调节能力,提出了一种基于双深度输入凸神经网络的模型预测(DDICNN-MPC)控制器.以LCL-LCL结构的IPT系统为例,基于深度输入凸神经网络分别训练了系统状态预测网络、系统误差预测网络,结合二者使用交互递推的方式建立了IPT系统多步误差预测模型,将控制器中的优化问题转化为凸优化问题,然后使用梯度下降算法求解该问题.仿真结果表明,控制器的稳态误差可控制在1％以内,且相比于PID控制器与传统MPC控制器,DDICNN-MPC控制器对互感和负载扰动具有良好的鲁棒性,在谐振参数发生变化时仍有一定的调节能力,为实现感应式电能传输系统输出电压的实时调节提供了一种行之有效的方法.
文献关键词：
输入凸神经网络;模型预测控制;感应式电能传输;电压调节;梯度下降算法
中图分类号：
作者姓名：
陈伟华;姜兆迪
作者机构：
辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛125000
文献出处：
引用格式：
[1]陈伟华;姜兆迪-.基于输入凸神经网络的IPT系统电压预测控制)[J].控制工程,2022(11):2010-2017
A类：
输入凸神经网络,DDICNN
B类：
IPT,电压预测,感应式电能传输,输出电压,互感,系统参数,参数变化,实时调节,调节能力,MPC,LCL,状态预测,预测网络,系统误差,误差预测,互递,递推,多步,问题转化,凸优化问题,梯度下降算法,稳态误差,误差可控,PID,负载扰动,谐振参数,数发,传输系统,模型预测控制,电压调节
AB值：
0.294365
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
