首页> 中国专利> 一种Boost电路多参数在线辨识方法

一种Boost电路多参数在线辨识方法

页面导航

摘要
著录项
法律信息
说明书
相似文献

摘要

本发明公开了一种Boost电路多参数辨识方法，该Boost电路包括恒压源E、电感及电感等效串联电阻、滤波电容及滤波电容等效串联电阻、功率开关器件S

著录项

公开/公告号CN105891698A

专利类型发明专利
公开/公告日2016-08-24

原文格式PDF
申请/专利权人南京航空航天大学;
展开▼

申请/专利号CN201610196539.8
发明设计人任磊;沈茜;龚春英;邓翔;郭艳梅;
展开▼

申请日2016-03-31
分类号
代理机构江苏圣典律师事务所;
代理人贺翔
地址 210016 江苏省南京市白下区御道街29号
入库时间 2023-06-19 00:24:50

法律信息

法律状态公告日

法律状态信息

法律状态
2022-03-11

未缴年费专利权终止 IPC(主分类):G01R31/28 专利号:ZL2016101965398 申请日:20160331 授权公告日:20190802

专利权的终止
2019-08-02

授权

授权
2016-09-21

实质审查的生效 IPC(主分类):G01R31/28 申请日:20160331

实质审查的生效
2016-08-24

公开

公开

说明书

技术领域

本发明涉及一种电路故障特征参数的辨识方法，尤其是涉及一种Boost电路多参数在线辨识方法。

背景技术

系统故障预测与健康管理(Prognostics and Health Management,PHM)是一种全面故障检测、隔离和预测及健康管理技术。通过监测系统的故障特征参数，借助各种推理算法来估计系统自身的健康状况，在系统故障发生前对其故障能尽早监测且能有效预测，准确定位退化或故障部位，并结合各种信息资源给出维修计划，从而实现系统的视情维修和自主式保障，对降低维护费用、保障系统的可靠性与安全性、提高战备完好率和任务成功率具有十分重要的意义。PHM主要包括故障预测及健康管理两大部分，其中故障预测是实现系统健康管理的基础。

电力电子技术的应用可大大提高电能变换装置功率密度，减小体积和重量。随着多电和全电飞机的发展，飞机用电量不断增加，机载电力电子设备越来越多，因此对机载电力电子变换装置的可靠性、可维护性及可测试性提出了更高的要求，电力电子系统的PHM的重要性也随之提高。

根据故障性质不同，电力电子变换电路的故障主要可分为结构性故障和参数性故障。结构性故障指电路器件出现短路、断路而导致电路拓扑发生变化的故障。参数性故障指由于电力电子系统的器件参数退化而导致的软故障。参数性故障通常不会立即使系统瘫痪，但是会引起输出特性的改变，使系统的工作性能和可靠性降低；若能及时预测参数性故障，则可以避免演变为更为恶劣的系统结构性故障以及结构性故障导致的更严重的影响，大大提高系统可靠性。因此实现故障预测的关键是特征参数的准确提取。

离散事件动态系统的概念于20世纪80年代提出后，经过多年的研究，混杂系统理论成为近年来控制理论领域的研究热点。混杂系统指的是具有连续的动态行为和离散事件驱动行为以及这两种行为相互作用构成的系统。电力电子电路作为开关型功率变换器，是一个典型的混杂动态系统。Matthew Senesky基于混杂自动机的理论，提出电力电子电路基于混杂系统的建模方法，由于这种方法能够给出电力电子电路的统一模型，同时可以应用混杂系统的理论对电力电子电路进行分析，具有很好借鉴性。

浙江大学基于混杂建模的研究，利用开关信号、电感电流以及输出电压构建了电力电子电路的混杂系统模型，在此基础上，通过最小二乘算法获得了电力电子电路参数辨识的方法。但是其Boost电路模型在实际应用时会导致滤波电容及其等效电阻以及输出电阻难以辨识等问题。

发明内容

本发明以Boost电路为对象，修正了现存的Boost混杂模型，实现了Boost电路多参数的在线辨识，从而为对电力电子电路进行故障预测提供研究基础。

本发明为解决上述技术问题采用以下技术方案：

一种Boost电路多参数在线辨识方法，其特征在于包括以下步骤：

第一步，确定Boost电路的状态变量，根据Boost电路结构建立所确定的状态变量在不同开关管状态下的状态方程，将所建立的状态方程组合成Boost电路空间状态方程组，从而得到Boost电路模型；

第二步，将第一步中所得到的Boost电路模型进行离散化处理，然后定义观测矩阵φ(t)以及参数矩阵θ_n，其中n＝1，2；

第三步，对所确定的状态变量以及开关管的开关信号进行采样，构成观测矩阵φ(t)；

第四步，通过递推算法得到参数矩阵的最小二乘估计值，用所述估计值得到的参数矩阵计算所需辨识的元件参数值。

进一步地，所述Boost电路可以等效为包括恒压源E、电感及电感等效串联电阻、滤波电容及滤波电容等效串联电阻、功率开关器件S₁、二极管S₂和负载电阻，其中，恒压源E负极接地，恒压源E正极连接电感一端，电感另一端连接电感等效串联电阻的一端，电感等效串联电阻的另一端同时连接功率开关器件S₁的漏极和二极管S₂的阳极，功率开关器件S₁的源极接地，二极管S₂的阴极同时连接滤波电容等效串联电阻以及负载电阻，滤波电容等效串联电阻另一端连接滤波电容，滤波电容的另一端接地，负载电阻另一端接地。

进一步地，第一步中，将负载电阻两端的输出电压u_o和流经电感的电感电流i_Lf确定为Boost电路的状态变量，根据Boost电路结构建立状态变量u_o和i_Lf在开关管S₁和二极管S₂在不同状态下的状态方程：

状态1：开关管S₁导通，二极管S₂关断，记作：s₁＝1，s₂＝0，该状态下电压电流的微分方程组为：

$> (\begin{matrix} L_{f} \cdot \frac{{di}_{L f}}{d t} = E - i_{L f} R_{L} \\ C_{f} \frac{{du}_{c f}}{d t} = C_{f} \frac{d (u_{o} - R_{C} \cdot (- u_{o} / R_{o}))}{d t} = - u_{o} / R_{o} \end{matrix})$ >

状态2：开关管S₁关断，二极管S₂开通，记作：s₁＝0，s₂＝1，该状态下电压电流的微分方程组为：

$> (\begin{matrix} L_{f} \cdot \frac{{di}_{L f}}{d t} = E - u_{o} - i_{L f} R_{L} \\ C_{f} \frac{{du}_{c f}}{d t} = C_{f} \frac{d (u_{o} - R_{C} \cdot (i_{L f} - u_{o} / R_{o}))}{d t} = i_{L f} - u_{o} / R_{o} \end{matrix})$ >

状态3：开关管S₁关断，二极管S₂关断，记作：s₁＝0，s₂＝0，该状态下电压电流的微分方程组为：

$> (\begin{matrix} L_{f} \cdot \frac{{di}_{L f}}{d t} = 0 \\ C_{f} \frac{{du}_{c f}}{d t} = C_{f} \frac{d (u_{o} - R_{C} \cdot (- u_{o} / R_{o}))}{d t} = - u_{o} / R_{o} \end{matrix})$ >

利用开关信号s₁、s₂将得到的不同开关管状态下的方程，写成统一的形式：

$> (\begin{matrix} L_{f} \cdot \frac{{di}_{L f}}{d t} = (s_{1} + s_{2}) (E - i_{L f} R_{L}) - s_{2} u_{o} \\ C_{f} \frac{{du}_{c f}}{d t} = C_{f} \frac{d (u_{o} - R_{C} \cdot (s_{2} i_{L f} - u_{o} / R_{o}))}{d t} = s_{2} i_{L f} - u_{o} / R_{o} \end{matrix})$ >

将所得到的状态方程组合成状态方程组，得到Boost电路模型为：

$> (\begin{matrix} (\begin{matrix} {\overset{\cdot}{i}}_{L f} \\ {\overset{\cdot}{u}}_{o} \end{matrix}) = (\begin{matrix} - \frac{R_{L}}{L_{f}} & 0 \\ 0 & - \frac{1}{(R_{C} + R_{o}) C_{f}} \end{matrix}) (\begin{matrix} i_{L f} \\ u_{o} \end{matrix}) + s_{2} (\begin{matrix} 0 & - \frac{1}{L_{f}} \\ \frac{R_{o} (L_{f} - C_{f} R_{C} R_{L})}{(R_{C} + R_{o}) L_{f} C_{f}} & - \frac{R_{C} R_{o}}{(R_{C} + R_{o}) L_{f}} \end{matrix}) (\begin{matrix} i_{L f} \\ u_{o} \end{matrix}) + s_{1} (\begin{matrix} \frac{E}{L_{f}} \\ 0 \end{matrix}) \\ + s_{2} (\begin{matrix} \frac{E}{L_{f}} \\ \frac{R_{C} R_{o} E}{(R_{C} + R_{o}) L_{f}} \end{matrix}) + {Δs}_{2} (\begin{matrix} 0 \\ \frac{R_{C} R_{o}}{(R_{C} + R_{o})} \end{matrix}) i_{L f} \end{matrix})$ >

其中，u_o、i_Lf分别为输出电压、电感电流；分别为输出电压和电感电流的微分量；s₁、s₂分别开关管S₁、二极管S₂的开关信号量，开关管S₁导通时s₁＝1，开关管S₁关断时s₁＝0，二极管S₂导通时s₂＝1，二极管S₂关断时s₂＝0；L_f、C_f、R_L、R_C、R_o分别为Boost电路中电感值、滤波电容值、电感等效串联电阻值、滤波电容等效串联电阻值、负载电阻值；

第二步中，设定采样周期T，将第二步得到的Boost电路模型进行离散化处理，得到：

$> (\begin{matrix} (\begin{matrix} i_{L f} (t) \\ u_{o} (t) \end{matrix}) = (\begin{matrix} 1 - \frac{R_{L}}{L_{f}} & 0 \\ 0 & 1 - \frac{T}{(R_{C} + R_{o}) C_{f}} \end{matrix}) (\begin{matrix} i_{L f} (t - 1) \\ u_{o} (t - 1) \end{matrix}) + s_{2} (t - 1) (\begin{matrix} 0 & - \frac{T}{L_{f}} \\ \frac{R_{o} T (L_{f} - C_{f} R_{C} R_{L})}{(R_{C} + R_{o}) L_{f} C_{f}} + \frac{R_{C} R_{o}}{(R_{C} + R_{o})} & - \frac{R_{C} R_{o} T}{(R_{C} + R_{o}) L_{f}} \end{matrix}) (\begin{matrix} i (t - 1) \\ u_{o} (t - 1) \end{matrix}) + s_{1} (t - 1) (\begin{matrix} \frac{E T}{L_{f}} \\ 0 \end{matrix}) \\ + s_{2} (t - 1) (\begin{matrix} \frac{E T}{L_{f}} \\ \frac{R_{C} R_{o} E T}{(R_{C} + R_{o}) L_{f}} \end{matrix}) - s_{2} (t - 2) (\begin{matrix} 0 \\ \frac{R_{C} R_{o}}{(R_{C} + R_{o})} \end{matrix}) i (t - 1) \end{matrix})$ >

定义观测矩阵为：

定义参数矩阵为：

$> θ_{1} = {[1 - \frac{R_{L}}{L_{f}}, 0, 0, - \frac{T}{L_{f}}, \frac{E T}{L_{f}}, \frac{E T}{L_{f}}, 0]}^{T}$ >

$> θ_{2} = {[0, 1 - \frac{T}{(R_{C} + R_{o}) C_{f}}, \frac{R_{o} T (L_{f} - C_{f} R_{C} R_{L})}{(R_{C} + R_{o}) L_{f} C_{f}} + \frac{R_{C} R_{o}}{(R_{C} + R_{o})}, - \frac{R_{C} R_{o} T}{(R_{C} + R_{o}) L_{f}}, 0, \frac{R_{C} R_{o} E T}{(R_{C} + R_{o}) L_{f}}, \frac{R_{C} R_{o}}{(R_{C} + R_{o})}]}^{T}$ >

其中，u_o、i_Lf分别为输出电压值、电感电流值；L_f、C_f、R_L、R_C、R_o分别为Boost电路中电感值、滤波电容值、电感等效串联电阻值、滤波电容等效串联电阻值、负载电阻值；

第三步中，根据设置的采样频率获取t-1时刻的电感电流i_Lf(t-1)、输出电压u_o(t-1)、开关管开关信号s₁(t-1)、二极管开关信号s₂(t-1)，获取t-2时刻二极管的开关信号s₂(t-2)，形成观测矩阵φ(t)；获取t时刻的电感电流i_Lf(t)、输出电压u_o(t)；

第四步中，通过递推算法，得到参数矩阵θ_n的最小二乘估计值：

其中，n＝1、2，x₁＝i_Lf(t)，x₂＝u_o(t)，θ_n的估计值为：

$> {\hat{θ}}_{1} = {[a_{11}, a_{12}, a_{13}, a_{14}, a_{15}, a_{16}, a_{17}]}^{T}$ >

$> {\hat{θ}}_{2} = {[a_{21}, a_{22}, a_{23}, a_{24}, a_{25}, a_{26}, a_{27}]}^{T}$ >

其中，分别为θ₁、θ₂的估计值；a₁₁、a₁₂、a₁₃、a₁₄、a₁₅、a₁₆、a₁₇为的矩阵系数，即θ₁的各矩阵系数估计值，a₂₁、a₂₂、a₂₃、a₂₄、a₂₅、a₂₆、a₂₇为的矩阵系数，即θ₂的各矩阵系数估计值；

根据所述估计得到的参数矩阵与系统参数之间的关系计算所需辨识的元件参数值：

$> (\begin{matrix} L_{f} = \frac{E T}{a_{15}} \\ R_{L} = \frac{L_{f} (1 - a_{11})}{T} \\ R_{o} = \frac{a_{23} + a_{27} + a_{26} R_{L} / E}{1 - a_{22}} \\ C_{f} = \frac{{TR}_{o} - a_{26} L_{f} / E}{(a_{23} + a_{27} + a_{26} R_{L} / E) R_{o}} \\ R_{C} = \frac{a_{26} L_{f}}{(a_{23} + a_{27} + a_{26} R_{L} / E) {EC}_{f}} \end{matrix})$ >

其中，L_f、R_L、R_o、C_f、R_C分别为Boost电路中电感值、电感等效串联电阻值、负载电阻值、滤波电容值、滤波电容等效串联电阻值。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

本发明所提供的在线辨识方法电路简单，在不增加电子元器件的基础上，提高了识别精度；

采用上述方案后，通过对现有的检测点获取电感电流以及输出电压，开关管与二极管的开关信号，以新建立的Boost电路模型为基础，利用递推算法可以在线实现电路中滤波电容值C_f及其等效串联电阻R_C、滤波电感值L_f及其等效串联电阻R_L，以及负载阻值R_o的最小二乘估计；

本发明提供的Boost电路多参数在线辨识方法的优势在于考虑了二极管的开关切换对电路中滤波电容值C_f及其等效串联电阻R_C、负载阻值R_o辨识的影响，建立的模型同时适用于CCM和DCM的模式。

附图说明

图1为本发明方法中的Boost电路结构示意图；

图2为本发明方法的流程图；

图3为本发明仿真电路图。

具体实施方式

本发明提供一种Boost电路多参数在线辨识方法，为使本发明的目的，技术方案及效果更加清楚，明确，以及参照附图并举实例对本发明进一步详细说明。应当理解，此处所描述的具体实施仅用以解释本发明，并不用于限定本发明。

一种Boost电路多参数在线辨识方法，该方法包括以下步骤：

第一步，确定输出电压u_o和电感电流i_Lf为状态变量，根据Boost电路结构分别建立其在不同开关管状态下的状态方程：

状态1：开关管S₁导通，二极管S₂关断，记作：s₁＝1，s₂＝0，列出该状态下电压电流的微分方程组：

状态2：开关管S₁关断，二极管S₂开通，记作：s₁＝0，s₂＝1，列出该状态下电压电流的微分方程组：

状态3：开关管S₁关断，二极管S₂关断，记作：s₁＝0，s₂＝0，列出该状态下电压电流的微分方程组：

$> (\begin{matrix} L_{f} \cdot \frac{{di}_{L f}}{d t} = 0 \\ C_{f} \frac{{du}_{c f}}{d t} = C_{f} \frac{d (u_{o} - R_{C} \cdot (- u_{o} / R_{o}))}{d t} = - u_{o} / R_{o} \end{matrix})$ >

第二步，利用开关信号s₁、s₂，将第一步得到的不同状态下的方程，写成统一的形式：

并进一步整理成矩阵形式，得到Boost电路的模型：

第三步具体指，设定采样周期为T，将第二步得到的Boost电路模型进行离散化处理：

定义观测矩阵：

定义参数矩阵：

$> θ_{1} = {[1 - \frac{R_{L}}{L_{f}}, 0, 0, - \frac{T}{L_{f}}, \frac{E T}{L_{f}}, \frac{E T}{L_{f}}, 0]}^{T}$ >

第四步，根据设置的采样频率获取t-1时刻的电感电流i_Lf(t-1)、输出电压u_o(t-1)、开关管开关信号s₁(t-1)、二极管开关信号s₂(t-1)，获取t-2时刻二极管的开关信号s₂(t-2)，形成观测矩阵φ(t)；获取t时刻的电感电流i_Lf(t)、输出电压u_o(t)。

第五步，通过递推算法，得到参数矩阵θ_n的最小二乘估计值：

其中，n＝1、2；x₁＝i_Lf(t)，x₂＝u_o(t)；θ_n的估计值为：

$> {\hat{θ}}_{1} = {[a_{11}, a_{12}, a_{13}, a_{14}, a_{15}, a_{16}, a_{17}]}^{T}$ > $> {\hat{θ}}_{2} = {[a_{21}, a_{22}, a_{23}, a_{24}, a_{25}, a_{26}, a_{27}]}^{T}$ >

根据所述估计得到的参数矩阵与系统参数之间的关系计算所需辨识的元件参数值：

其中，本文中所提到的Boost电路，其结构示意图如图1所示，包括恒压源E、电感L_f及其等效串联电阻R_L、滤波电容C_f及其等效串联电阻R_C、二极管S₂、功率开关器件S₁和负载电阻R_o；其中，恒压源E负极接地，恒压源E正极连接电感L_f一端；电感L_f另一端连接电感等效串联电阻R_L的一端；电感等效串联电阻R_L的另一端同时连接功率开关器件S₁的漏极和二极管S₂的阳极；功率开关器件S₁的源极接地；二极管S₂的阴极同时连接滤波电容的等效串联电阻R_C以及负载电阻R_o；滤波电容的等效串联电阻R_C另一端连接滤波电容C_f；滤波电容C_f的另一端接地；负载电阻R_o另一端接地；其中，所述的功率开关器件S₁可以是MOSFET或IGBT。

本发明提供的Boost电路多参数在线辨识方法的仿真电路图如图3所示，仿真条件即变换器参数如表1所示，其中恒压源E＝24V，电感量L_f＝0.24mH，电感等效串联电阻R_L＝0.4Ω，电容量C_f＝120μF，滤波电容等效串联电阻值R_C＝0.1Ω，负载电阻R_o＝15Ω，开关频率f_s＝50kHz，采样频率f_c＝5MHz，占空比D＝0.5。首先进行电路运行仿真，运行停止后电感电流、输出电压以及二极管电压信号被导入MATLAB的workspace中，通过递推算法进行最小二乘估计，结果如表2所示，电感L_f估计值为0.24019mH，电感等效串联电阻R_L的估计值为0.3954Ω，电容量C_f估计值为120.05μF，滤波电容等效串联电阻R_C估计值为0.1009Ω，负载电阻R_o估计值为14.9964Ω，五者误差分别为0.079％、1.15％、0.42％、0.9％、0.024％，由此可见本发明提供的Boost电路多参数在线辨识方法具有很高的精确度。

表1

E/VL_f/mHC_f/μFR_o/ΩR_L/ΩR_C/Ωfs/kHzfc/MHzD240.24120150.40.15050.5

表2

L_f/mHR_L/ΩC_f/μFR_C/ΩR_o/Ω实际值0.240.41200.115估计值0.240190.3954120.050.100914.9964误差/％0.0791.150.0420.90.024

本发明提供的Boost电路多参数在线辨识方法的优势在于考虑了二极管的开关切换对电路中滤波电容值C_f及其等效串联电阻R_C、负载阻值R_o辨识的影响，建立的模型同时适用于CCM和DCM的模式。此方法中建立的模型较于浙江大学提出的模型更为准确，辨识精度更高。

可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及其发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。

去获取专利，查看全文>

相似文献

专利
中文文献
外文文献

1. 一种Boost电路多参数在线辨识方法 [P] . 中国专利： CN105891698B . 2019.08.02
2. 一种永磁同步电机多参数在线辨识方法 [P] . 中国专利： CN110198150B . 2021.05.18
3. ONLINE PARAMETER IDENTIFICATION METHOD AND APPARATUS FOR THREE-PHASE ASYNCHRONOUS ELECTRIC MOTOR [P] . 世界知识产权组织专利： WO2018028067A1 . 2018-02-15

机译：三相异步电动机的在线参数辨识方法及装置
4. ONLINE IDENTIFICATION METHOD AND APPARATUS FOR MOTOR STATOR RESISTANCE, AND MOTOR CONTROL SYSTEM [P] . 世界知识产权组织专利： WO2018090782A1 . 2018-05-24

机译：电机定子电阻在线辨识方法，装置及电机控制系统
5. Application Program Interface (API) or Widget Developed amp; Coded For Insurance Quotation amp; Insurance Provision Purposes Through An Outside Or Third Party Insurance Underwriter That Takes The Consumer Both Business amp; Private To A Third Party Site Or References A Third Party Site Or Processes The Insurance Quotation Or Provision Through Any Kind Of Online Platform Australia Wide To Provide Consumer Asset Owners Listing Their Assets on an Online Platform Of Any Kind Australia Wide Or Consumer Asset Hirers Hiring Items From An Online Platform Of Any Kind Australia Wide. [P] . AU2019101714A4 . 2020-02-06

机译：通过外部或第三方保险承保人开发和编码的用于保险报价和保险供应目的的应用程序接口（API）或小部件，将消费者与企业和私人都带到第三方站点，或者引用第三方站点或处理保险报价或通过澳大利亚范围内的任何一种在线平台进行配置，以向消费资产所有者提供其资产在澳大利亚范围内的任何一种在线平台上的上市或消费者资产租用者从澳大利亚范围内的任何一种在线平台上租借物品的条件。