摘要
本发明涉及一种基于神经网络及模糊控制的双有源全桥变换器DAB复合优化控制方法,基于双有源全桥变换器DAB的理论分析建立理论数学模型并生成理论模型数据库,采集双有源全桥变换器DAB实物的实测数据建立实测数据库;结合迁移学习的思想建立基于迁移学习的双有源全桥变换器DAB神经网络模型;根据优化目标设计二重遍历算法寻优以得到离散优化移相比组合;最后,基于所得的离散优化移相比组合,应用模糊推理系统以实现双有源全桥变换器DAB的连续化控制。本发明有效优化了双有源全桥变换器DAB调制效果,自动化程度高,并且减小了双有源全桥变换器的回流功率和电流应力,提高了传输效率。
技术关键词
双有源全桥变换器
神经网络模型
模糊推理系统
优化控制方法
功率
模糊规则
隶属度函数
理论
数学模型
前馈神经网络
应力
电流
数据
训练神经网络
脉宽调制器
遍历算法
训练集
系统为您推荐了相关专利信息
图片生成方法
卷积神经网络模型
文本
计算机可读指令
变量
预测网络模型
GRU神经网络
量预测方法
光伏发电数据
门控循环单元
电网储能系统
机会约束模型
历史负荷数据
线损
充放电功率
金融数据显示方法
生成对抗网络
布局
数据显示系统
神经网络模型