基于DSP的软开关DC-DC变换器智能控制器研究

《基于DSP的软开关DC-DC变换器智能控制器研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要开关管工作在硬开关状态下，会受到较大的电磁干扰；同时在开关过程中开关管也会承受较大的电压和电流应力，严重时会导致开关管的损坏。为减小开关管在工作时产，}的电磁干扰和免受过压过流损坏，其方法就是减小开关损耗。减小开关损耗的方法除了选择高性能的器件外还有就是实现变换器开关管的软开关。本课题以ZVToBoost变换器作为研究对象，采用PWM控制方式，实现恒定频率控制；辅助电路只是在开关管开关时工作，其他时候不工作，从而减小了辅助电路的损耗；辅助电路不是串联在主功率回路中，而是与主功率回路相并联，这样也减小了主电路的损耗；辅助电路

2、的工作不会增加主开关的电压和电流应力，主开关管的电压和电流很小。目前，多数的软开关变换器采用的是开环控制，这样，虽然电路的主、辅开关可能都实现了软开关动作，但有时容易忽略了输出电压的稳定性问题，抗扰动特性等。所以，本文从这个角度，将闭环控制方式应用到ZVT-Boost变换器中，使变换器在实现软开关工作的同时保证了输出性能。本文先从常规控制PID控制方式入手，在主电路拓补的基础上构建双闭环控制，分析其工作原理并搭建仿真模型，通过仿真结果验证理论的可行性。为了能获取更好的控制效果本文还从智能控制——神经网络方面结合PID控制律做出理论

3、分析并对变换器进行仿真实验验证，仿真结果表明在神经网络PID控制下系统具有很好的输出精度及适应环境变化的能力。通过在本课题建立的实验板上的实验，再次验证了智能控制方式的优越性。为软开关的智能控制方式的研究拓展了思路。关键词：软开关；ZVT-Boost变换器；PID；神经网络；TMS320LF2407AbstractWhentheswitchworksatthestateofhardswitching．seriousEMlwilloccur；atthesametimetheswitchwillalsoendurethebigstre

4、ssfromvoltageandcurrent．whichmaydamagetheswitch．ThemethodtosolvetheproblemmentionedaboveiSreducingtheon—off’Slosses．Besideschoosingtheswitchwithhighperformance．anotherwaytoreducethelossesistosoft—switchingtheconverter’Sswitch．ThispapertakestheZVT-Boostconverterasthere

5、searchobjectandadoptsPWMcontroltoachievetheconstantfrequencycontr01．Theassistantcircuitonlyworkswhentheswitchfunctionswhichcanreducethelossesofassistantcircuit．TheassistantcircuitiSnotconnectedinserieswithmaincircuit．ItiSparalleledwithmaincircuitSOthatthelossesofmainc

6、ircuitcanbereducedtoo．Theassistantcircuitwillnotincreasethestressfrommainswitch’Svoltageandcurrentwhenworking．Open-loopcontrolisadoptedinmostsoftswitchingconvertersatthepresenttime．Althoughthecircuit’SmainandassistantswitchCanbesoftswitchinginthemethod．sometimesthesta

7、bilityandanti-jammingofoutputvoltagecanbeeasilyignored．Consideringtheseproblems，closed—loopcontrolwillbeappliedintheZVT-Boostconverterstoensuretheperformancewhensoftswitchingfunctions．Doubleclosed-loopcontroliSbuiltonthebasisofmaincircuitwithconventionalPIDcontrollera

8、nditsworkingprincipleiSanalyzedinthispaper．ThesimulationmodeliSsetuDandtheresultprovesthetheory．Inordertogetbettercontrollin