神经网络控制在太阳能逆变电源中的应用
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-8页 |
| 1 绪论 | 第8-17页 |
| ·课题研究的背景和意义 | 第8-9页 |
| ·太阳能光伏发电简介 | 第9-11页 |
| ·太阳能光伏发电的特点 | 第9页 |
| ·太阳能光伏发电系统的分类 | 第9-11页 |
| ·太阳能逆变电源的现状与发展 | 第11-15页 |
| ·电力电子技术的现状与发展 | 第11-12页 |
| ·逆变技术的现状与发展 | 第12-14页 |
| ·逆变的关键技术 | 第14-15页 |
| ·本文所做的主要工作 | 第15-17页 |
| 2 逆变电源系统的总体设计 | 第17-27页 |
| ·太阳能逆变电源的设计要求 | 第17页 |
| ·逆变电源系统的总体构成 | 第17-18页 |
| ·逆变电源主电路的结构与模型建立分析 | 第18-20页 |
| ·逆变电源主电路的拓扑结构 | 第18页 |
| ·逆变电源主电路的数学模型 | 第18-20页 |
| ·SPWM 技术简介 | 第20-26页 |
| ·SPWM 控制的基本原理 | 第20-21页 |
| ·SPWM 的控制方式 | 第21-22页 |
| ·SPWM 采样方法分析 | 第22-26页 |
| ·本章小结 | 第26-27页 |
| 3 逆变电源数字化控制方法的研究 | 第27-51页 |
| ·逆变电源数字化控制方法概述 | 第27-30页 |
| ·重复控制原理 | 第27-28页 |
| ·无差拍控制原理 | 第28页 |
| ·滑模变结构控制 | 第28-29页 |
| ·PID 控制原理 | 第29-30页 |
| ·神经网络控制 | 第30-33页 |
| ·神经网络发展概况 | 第30-31页 |
| ·神经网络控制应用概况 | 第31-32页 |
| ·神经网络控制基本原理 | 第32-33页 |
| ·多层前馈网络与BP 算法 | 第33-36页 |
| ·网络模型 | 第33-34页 |
| ·BP 学习算法 | 第34-35页 |
| ·标准BP 算法的改进 | 第35-36页 |
| ·BP 网络的设计方法 | 第36-40页 |
| ·训练样本的选择 | 第36页 |
| ·样本集的准备 | 第36-38页 |
| ·初始权值与学习率的选取 | 第38-39页 |
| ·多层前馈网络结构设计 | 第39页 |
| ·网络训练与测试 | 第39-40页 |
| ·基于BP 神经网络的控制 | 第40-45页 |
| ·基于BP 神经网络控制的逆变电源系统 | 第40页 |
| ·神经网络控制器的设计 | 第40-41页 |
| ·利用MATLAB 编程训练 | 第41-45页 |
| ·基于神经网络PID 的控制 | 第45-50页 |
| ·基于BP-PID 控制的逆变电源系统 | 第45页 |
| ·BP-PID 控制器的设计 | 第45-49页 |
| ·利用MATLAB 编程仿真 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 4 逆变电源系统的硬件设计 | 第51-62页 |
| ·主控芯片介绍 | 第51-55页 |
| ·TMS320F2812 简介 | 第51-52页 |
| ·事件管理器 | 第52-54页 |
| ·A/D 转换器 | 第54-55页 |
| ·硬件系统设计 | 第55-61页 |
| ·驱动电路 | 第55-56页 |
| ·缓冲电路 | 第56-58页 |
| ·采样和调理电路 | 第58-59页 |
| ·保护电路 | 第59-60页 |
| ·LC 滤波电路 | 第60-61页 |
| ·系统抗干扰设计 | 第61页 |
| ·本章小结 | 第61-62页 |
| 5 逆变电源系统的软件设计 | 第62-72页 |
| ·DSP 系统软件开发环境概述 | 第62-63页 |
| ·系统软件总体设计 | 第63-64页 |
| ·系统各功能模块设计 | 第64-70页 |
| ·初始化模块 | 第64-65页 |
| ·SPWM 模块 | 第65-67页 |
| ·控制算法模块 | 第67-69页 |
| ·数据采样A/D 模块 | 第69-70页 |
| ·软件抗干扰设计 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 6 结论 | 第72-76页 |
| ·实验输出波形与实验数据 | 第72-74页 |
| ·逆变电源实验板的性能指标 | 第74页 |
| ·总结 | 第74页 |
| ·展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 附录 | 第80页 |
