一种基于径向基神经网络的PLL控制研究 Research on PLL Control Based on RBF Neural Network.pdfVIP

第25卷第9期 电力科学与工程 V01．25．No．9 19 ElectricPowerScienceand 2009年9月 Engineering S印．，2009 一种基于径向基神经网络的PLL控制研究 谢友慧，戴文进 (南昌大学信工学院，江西南昌330031) 摘要：电网并网时需要控制电流与电网电压同相位。介绍了一种基于人工神经网络的用于相位跟踪的PLL 控制方法，即把RBF网络的算法加入锁相环中。具体是将电网电压作为期望输出值，将输入电流作为训 练样本，通过神经网络的自我学习，逐步溅小样本输出与期望输出之间的误差，实现对期望输出的同步和 跟踪．用MATLAB电力系统仿真工具箱进行了数字动态仿真，并从仿真结果可以看出，系统跟踪性能很 好，并且有较强的自适应能力． 关键词：人工神经网络；RBF网络；相位跟踪；锁相环 中图分类号：TM732：TIVl762文献标识码：A 产生同步于输入信号的整数倍频或分数倍频的输出 0 引 言 信号。锁相环的基本结构是由鉴相器(PD)、环路 锁相环是一个用于生成与输入信号相位相同的 等组成，如图1所示。 新的信号电路，是一个能够跟踪输入信号相位的闭 环自动控制系统。至今，普遍应用锁相技术的主要 有调制解调、频率合成、电视机彩色附载波提取、 FM立体声解码等。随着数字技术的发展，出现了 各种数字锁相环，它们在数字信号传输的载波同步、 位同步、相干解调等方面发挥了重要的作用…。文 献[2-3】研究了三相电力锁相环(PLL)及其实现。 由于实际中有一些单相应用场合，如AC／DC／AC 2 径向基神经网络的基本原理 电力机车牵引系统，需要检测单相电压相位，因此， 单相PLL的研究与实现有其重要的现实意义。文2．1神经网络的结构 献【4】提出了一种基于最小二乘估计的单相相位检 RBF网络由两层组成，其结构如图2所示。 测方法，但因其涉及矩阵除法运算，因此要实现这 种相位检测方法的代价较高。文献[5】提出了基于 C 滤波器的单相PLL控制方法，问题是若使用一般 的低通滤波器，会影响系统的响应速度，而使用高 阶滤波器，则势必会增加实现PLL的代价。 1 锁相环的基本结构和原理 锁相环是一个闭环的相位控制系统，能够自动 输入层 隐含层 输出层 跟踪输入信号的频率和相位。利用锁相环技术可以 图2RBF网络的结构 收稿日期：2009—03-11． 作者简介：谢友慧(1982一)，女，南昌大学信工学院硕士研究生． 万方数据 20 电力科学与工程 2009年 径向基网络隐含层节点的激活函数通常采用高 望输出的变动进行自适应的跟随。 斯函数，如RBF网络隐含层第1个节点的输出可 由下式表示，4仿真 驴exp[(x-d(x-c3](f=l，2，…，g)建立一个RBF网络：训练样本为一线性比例 式中，甜，是第f个隐节点的输出，仉是第f个隐节点的 函数：输出层的期望输出是电压波形，采用幅值为 1的正弦波形；径向基函数的分布参数设定为1； 标准化常数，g是隐含层节点数，萨G。，兄，…，xD7 是输夕1擎本：c。是第i个隐节点高斯函数的中心向量， 实际输出与期望的最人误差平方和设置为0．005。 此向重是一个与输入样