采用归零神经网络和超扭转滑模控制的四桥式有源变换器的鲁棒控制

《IEEE Open Journal of Industry Applications》：Robust control of Quad Active Bridge Converter Employing Zeroing Neural Networks and Super Twisting Sliding Mode Control

　　

本文提出了一种基于超扭转滑模控制（STSMC）和归零神经网络（ZNN）的鲁棒高效控制框架，用于四端活性桥（QAB）转换器。外部循环的STSMC用于调节端口电压并生成具有有限时间收敛性和强鲁棒性的校正功率参考值，以应对负载干扰、参数不确定性和测量噪声。为了解决QAB拓扑结构固有的多端口耦合问题，开发了基于内部循环ZNN的动态求解器，用于实时计算逆功率-相位雅可比矩阵，从而实现精确且抗噪声的功率解耦，无需迭代优化或显式矩阵求逆。所提出的STSMC-ZNN架构具有快速瞬态响应、精确的多端口功率分配以及降低的环流和均方根（RMS）电流，从而提高了转换效率。在包括端口功率需求不等和参数变化在内的各种工作条件下的综合仿真和实验结果验证了该控制策略的有效性和鲁棒性，与传统的高斯-赛德尔（Gauss-Seidel）解耦方法相比，稳态功率误差降低了68.3%，峰值端口电流降低了16.9%，RMS功率纹波降低了6.47%，同时保持了大约30毫秒的相似稳定时间。