技術(shù)特征：

1.有源電力濾波器神經(jīng)網(wǎng)絡(luò)動態(tài)PID全局滑?？刂品椒?，其特征在于，包括如下步驟：

1)建立有源電力濾波器的數(shù)學模型；

2)建立神經(jīng)網(wǎng)絡(luò)動態(tài)PID全局滑模控制器，基于神經(jīng)網(wǎng)絡(luò)動態(tài)PID全局滑模控制設(shè)計控制律，將其作為有源電力濾波器的控制輸入；

3)基于Lyapunov函數(shù)理論，設(shè)計自適應(yīng)律，驗證所述神經(jīng)網(wǎng)絡(luò)動態(tài)PID全局滑?？刂破鞯姆€(wěn)定性。

2.根據(jù)權(quán)利要求1所述的有源電力濾波器神經(jīng)網(wǎng)絡(luò)動態(tài)PID全局滑?？刂品椒ǎ涮卣髟谟?，步驟1)的具體步驟如下：

將有源電力濾波器在abc坐標系下的數(shù)學模型改寫成：

$\left\{\begin{array}{c}\frac{{\mathrm{di}}_1}{dt}=-\frac{R_c}{L_c}{i}_1+\frac{v_1}{L_c}-\frac{v_{dc}}{L_c}{d}_{n1}\\ \frac{{\mathrm{di}}_2}{dt}=-\frac{R_c}{L_c}{i}_2+\frac{v_2}{L_c}-\frac{v_{dc}}{L_c}{d}_{n2}\\ \frac{{\mathrm{di}}_3}{dt}=-\frac{R_c}{L_{c1}}{i}_3+\frac{v_3}{L_c}-\frac{v_{dc}}{L_c}{d}_{n3}\\ \frac{{\mathrm{dv}}_{dc}}{dt}=\frac{1}{C}(2d_{n1}+d_{n2})i_1+\frac{1}{C}(d_{n1}+2d_{n2})i_2\end{array}\right.$

其中：v₁、v₂、v₃是公共連接點的電壓,i₁、i₂、i₃是有源電力濾波器的補償電流,C是直流側(cè)電容器,v_dc是電容器C的電壓,L_c是交流側(cè)電感，R_c是等效電阻，d_nk是開關(guān)狀態(tài)函數(shù)，k＝1,2,3；

因此，考慮未知外界干擾和參數(shù)攝動時有源電力濾波器的數(shù)學模型可表示為：

$\left\{\begin{array}{c}\frac{{\mathrm{di}}_1}{dt}=-\frac{R_{c1}+\mathrm{\Δ}R}{L_{c1}+\mathrm{\Δ}L}{i}_1+\frac{v_1}{L_{c1}+\mathrm{\Δ}L}-\frac{v_{dc}}{L_{c1}+\mathrm{\Δ}L}{d}_{n1}+g_1\\ \frac{{\mathrm{di}}_2}{dt}=-\frac{R_{c1}+\mathrm{\Δ}R}{L_{c1}+\mathrm{\Δ}L}{i}_2+\frac{v_2}{L_{c1}+\mathrm{\Δ}L}-\frac{v_{dc}}{L_{c1}+\mathrm{\Δ}L}{d}_{n2}+g_2\\ \frac{{\mathrm{di}}_3}{dt}=-\frac{R_{c1}+\mathrm{\Δ}R}{L_{c1}+\mathrm{\Δ}L}{i}_3+\frac{v_3}{L_{c1}+\mathrm{\Δ}L}-\frac{v_{dc}}{L_{c1}+\mathrm{\Δ}L}{d}_{n3}+g_3\\ \frac{{\mathrm{dv}}_{dc}}{dt}=\frac{1}{C_1+\mathrm{\Δ}C}(2d_{n1}+d_{n2})i_1+\frac{1}{C_1+\mathrm{\Δ}C}(d_{n1}+2d_{n2})i_2+g_4\end{array}\right.$

進一步可改寫成：

$\left\{\begin{array}{c}\frac{{\mathrm{di}}_1}{dt}=-\frac{R_{c1}}{L_{c1}}{i}_1+\frac{v_1}{L_{c1}}-\frac{v_{dc}}{L_{c1}}{d}_{n1}+q_1\\ \frac{{\mathrm{di}}_2}{dt}=-\frac{R_{c1}}{L_{c1}}{i}_2+\frac{v_2}{L_{c1}}-\frac{v_{dc}}{L_{c1}}{d}_{n2}+q_2\\ \frac{{\mathrm{di}}_3}{dt}=-\frac{R_{c1}}{L_{c1}}{i}_3+\frac{v_3}{L_{c1}}-\frac{v_{dc}}{L_{c1}}{d}_{n3}+q_3\\ \frac{{\mathrm{dv}}_{dc}}{dt}=\frac{1}{C_1}(2d_{n1}+d_{n2})i_1+\frac{1}{C_1}(d_{n1}+2d_{n2})i_2+q_4\end{array}\right.$

其中，$Q=\left[\begin{array}{c}{q}_1\\ q_2\\ q_3\\ q_4\end{array}\right]=\left[\begin{array}{c}\frac{(R_{c1}\mathrm{\Δ}L-L_{c1}\mathrm{\Δ}R)i_1-v_1\mathrm{\Δ}L+v_{dc}{\mathrm{\ΔLd}}_{n1}}{L_{c1}(L_{c1}+\mathrm{\Δ}L)}+g_1\\ \frac{(R_{c1}\mathrm{\Δ}L-L_{c1}\mathrm{\Δ}R)i_2-v_2\mathrm{\Δ}L+v_{dc}{\mathrm{\ΔLd}}_{n2}}{L_{c1}(L_{c1}+\mathrm{\Δ}L)}+g_2\\ \frac{(R_{c1}\mathrm{\Δ}L-L_{c1}\mathrm{\Δ}R)i_3-v_3\mathrm{\Δ}L+v_{dc}{\mathrm{\ΔLd}}_{n3}}{L_{c1}(L_{c1}+\mathrm{\Δ}L)}+g_3\\ \frac{-\mathrm{\Δ}L(2d_{n1}+d_{n2})i_1-\mathrm{\Δ}C(d_{n1}+2d_{n2})i_2}{C_1(C_1+\mathrm{\Δ}C)}+g_4\end{array}\right];$

其中：G＝[g₁ g₂ g₃ g₄]^T為外界未知擾動向量，L_c1、R_c1和C₁分別為系統(tǒng)參數(shù)的標稱值，ΔL、ΔR和ΔC分別為參數(shù)的變化量；

為設(shè)計電流跟蹤控制器，考慮上式的前3個方程：

$\left\{\begin{array}{c}\frac{{\mathrm{di}}_1}{dt}=-\frac{R_{c1}}{L_{c1}}{i}_1+\frac{v_1}{L_{c1}}-\frac{v_{dc}}{L_{c1}}{d}_{n1}+q_1\\ \frac{{\mathrm{di}}_2}{dt}=-\frac{R_{c1}}{L_{c1}}{i}_2+\frac{v_2}{L_{c1}}-\frac{v_{dc}}{L_{c1}}{d}_{n2}+q_2\\ \frac{{\mathrm{di}}_3}{dt}=-\frac{R_{c1}}{L_{c1}}{i}_3+\frac{v_3}{L_{c1}}-\frac{v_{dc}}{L_{c1}}{d}_{n3}+q_3\end{array}\right.$

進一步地，將上式求導，得：

$\left\{\begin{array}{c}{\stackrel{\·\·}{i}}_1=\frac{R_{c1}^2}{L_{c1}^2}{i}_1+\frac{{\stackrel{\·}{v}}_1}{L_{c1}}-\frac{R_{c1}{v}_1}{L_{c1}^2}+\frac{R_{c1}{v}_{dc}}{L_{c1}^2}{d}_{n1}-\frac{v_{dc}}{L_{c1}}{\stackrel{\·}{d}}_{n1}+{\stackrel{\·}{q}}_1-\frac{R_{c1}}{L_{c1}}{q}_1\\ {\stackrel{\·\·}{i}}_2=\frac{R_{c1}^2}{L_{c1}^2}{i}_2+\frac{{\stackrel{\·}{v}}_2}{L_{c1}}-\frac{R_{c1}{v}_2}{L_{c1}^2}+\frac{R_{c1}{v}_{dc}}{L_{c1}^2}{d}_{n2}-\frac{v_{dc}}{L_{c1}}{\stackrel{\·}{d}}_{n2}+{\stackrel{\·}{q}}_2-\frac{R_{c1}}{L_{c1}}{q}_2\\ {\stackrel{\·\·}{i}}_3=\frac{R_{c1}^2}{L_{c1}^2}{i}_3+\frac{{\stackrel{\·}{v}}_3}{L_{c1}}-\frac{R_{c1}{v}_3}{L_{c1}^2}+\frac{R_{c1}{v}_{dc}}{L_{c1}^2}{d}_{n3}-\frac{v_{dc}}{L_{c1}}{\stackrel{\·}{d}}_{n1}+{\stackrel{\·}{q}}_3-\frac{R_{c1}}{L_{c1}}{q}_3\end{array}\right.$

在參數(shù)對稱的情況下，將多變量控制化為三個單變量控制簡化為一個單變量控制問題，表示為如下形式：

$\stackrel{\·\·}{x}=f\left(x\right)+bu+h_k$

其中，x為有源電力濾波器的補償電流，即i₁、i₂或i₃，f(x)對應(yīng)為或b對應(yīng)為或h_k對應(yīng)為或u表示控制律；

參數(shù)不確定性的上界被給出，即k＝1,2,3；其中δ^GSMC，δ^DGSMC分別是給定的被用作PID全局滑模和動態(tài)PID全局滑模系統(tǒng)的正常數(shù)。

3.根據(jù)權(quán)利要求2所述的有源電力濾波器神經(jīng)網(wǎng)絡(luò)動態(tài)PID全局滑?？刂品椒?，其特征在于，步驟2)的具體步驟如下：

2-1)設(shè)計PID全局滑模面S(t)為：

其中：e為跟蹤誤差，e＝x-y_d，x為有源電力濾波器的補償電流，y_d為有源電力濾波器的指令電流，f(t)是為了達到全局滑模面而設(shè)計的函數(shù)，λ₁，λ₂為滑模系數(shù)；τ表示積分時間；

2-2)設(shè)計動態(tài)PID全局滑模面ζ(t)為：

其中，λ₃，λ₄為滑模系數(shù)；

2-3)設(shè)計神經(jīng)網(wǎng)絡(luò)動態(tài)PID全局滑?？刂坡?img id="icf0017" file="FDA0001117957580000041.GIF" wi="211" he="87" img-content="drawing" img-format="GIF" orientation="portrait" inline="no" />使有源電力濾波器實際軌跡跟蹤上理想軌跡，控制律設(shè)計為：

$u_{qs}^{RBFDGSMC}={\∫}_0^t{\stackrel{\·}{u}}_{qs}^{RBFDGSMC}\left(\mathrm{\τ}\right)d\mathrm{\τ}$

$\begin{array}{c}{\stackrel{\·}{u}}_{qs}^{RBFDGSMC}=\frac{1}{b}\[\stackrel{\·\·}{f}\left(t\right)+{\mathrm{\λ}}_3\stackrel{\·}{f}\left(t\right)+{\mathrm{\λ}}_{4}f\left(t\right)+{\stackrel{\·\·\·}{y}}_d+({\mathrm{\λ}}_1+{\mathrm{\λ}}_3){\stackrel{\·\·}{y}}_d-\stackrel{\·}{f}\left(x\right)-({\mathrm{\λ}}_1+{\mathrm{\λ}}_3)f\left(x\right)\\ -({\mathrm{\λ}}_1+{\mathrm{\λ}}_3)bu-({\mathrm{\λ}}_2+{\mathrm{\λ}}_1{\mathrm{\λ}}_3+{\mathrm{\λ}}_4)\stackrel{\·}{e}-({\mathrm{\λ}}_2{\mathrm{\λ}}_3+{\mathrm{\λ}}_1{\mathrm{\λ}}_4)e-{\mathrm{\λ}}_2{\mathrm{\λ}}_4{\∫}_0^{t}e\left(\mathrm{\τ}\right)d\mathrm{\τ}-{\widehat{\mathrm{\Γ}}}_{h_k}-K_v\mathrm{\ζ}\]\end{array}$

其中：為徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的實時權(quán)值，在線不斷更新；φ(x)＝[φ₁(x),φ₂(x)…φ_n(x)]^T是高斯基函數(shù)；K_v為正常數(shù)。

4.根據(jù)權(quán)利要求3所述的有源電力濾波器神經(jīng)網(wǎng)絡(luò)動態(tài)PID全局滑?？刂品椒?，其特征在于，所述步驟2-1)中，f(t)函數(shù)滿足以下3個條件：

a、

b、t→∞時，f(t)→0；

c、f(t)具有一階導數(shù)；

其中，e₀是跟蹤誤差的初始值，c為常數(shù)，所以將f(t)設(shè)計為：f(t)＝f(0)e^-αt，α為常數(shù)。

5.根據(jù)權(quán)利要求4所述的有源電力濾波器神經(jīng)網(wǎng)絡(luò)動態(tài)PID全局滑?？刂品椒?，其特征在于，步驟2-3)中，采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)來估計動態(tài)PID全局滑模控制系統(tǒng)中的不確定項徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的輸出Y為：

$Y={\hat{W}}^T\mathrm{\φ}\left(x\right),$

其中，為徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的實時權(quán)值，在線不斷更新，φ(x)＝[φ₁(x),φ₂(x)…φ_n(x)]^T是高斯基函數(shù)，n為神經(jīng)網(wǎng)絡(luò)輸出節(jié)點的個數(shù)。

6.根據(jù)權(quán)利要求5所述的有源電力濾波器神經(jīng)網(wǎng)絡(luò)動態(tài)PID全局滑?？刂品椒?，其特征在于，步驟3)中Lyapunov函數(shù)V(ζ(t))設(shè)計為：

$V\left(\mathrm{\ζ}\right(t\left)\right)=\frac{1}{2}(\mathrm{\ζ}{\left(t\right)}^2+\frac{1}{r}{\tilde{W}}^T\tilde{W})$

所述自適應(yīng)律設(shè)計為：

其中，r是學習速率，是神經(jīng)網(wǎng)絡(luò)中的實時權(quán)值向量，W為理想的網(wǎng)絡(luò)權(quán)值向量，是被估計的權(quán)值向量的誤差，