点焊逆变电源软开关及模糊神经网络控制研究

论文摘要

逆变点焊电源是电阻点焊电源发展的重要方向之一。目前我国的逆变式点焊电源受到可靠性、稳定性及焊机控制性能等问题的困扰，产业化进展缓慢，与国外存在较大差距。软开关技术可减小开关损耗、电磁干扰及对电路寄生参数的敏感性，可以提高点焊逆变电源的稳定性、可靠性和效率。智能控制技术在解决点焊这类高度非线性和严重不确定性系统的控制方面显示出巨大的潜力，可进一步提高逆变点焊机的控制性能，已成为逆变点焊电源研究的前沿方向之一。本文针对逆变点焊电源存在的问题，对逆变点焊电源的新型软开关技术及模糊神经网络控制进行了深入研究。论文对全桥软开关逆变主电路的换流方式及零电压开通过程进行了深入的分析，对比研究了拓宽滞后桥臂零电压开关范围的拓扑结构，结合点焊逆变电源的特点，提出了一种利用变压器漏感和在滞后桥臂并联辅助网络的新型软开关点焊逆变电源拓扑结构，该结构具有软开关范围宽、占空比丢失少等优点。基于电路分析理论和开关电源的模态分析方法，给出了新型拓扑结构主电路各模态的电路工作状态和主要的电路参数关系；建立了实现零电压开关的能量和时间条件以及占空比丢失的理论计算表达式。利用Pspice和Simplorer电路仿真软件对新型软开关点焊逆变电源的软开关过程、功率变压器的工作波形等进行了详细的仿真分析，重点研究了变压器漏感、谐振电容、次级等效滤波电感及辅助网络参数对软开关及电源性能的影响规律。结果表明，一定的变压器漏感有助于软开关的实现，当漏感值小于0.01mH时，对电源的影响基本可以忽略；谐振电容的大小对开关管的零电压关断和开通均有影响；等效滤波电感的增加有益于扩大超前臂开关管的软开关范围，但却缩小了滞后臂开关管的软开关范围；辅助电感越大，滞后臂开关管的软开关范围越窄；辅助电容越大，滞后臂开关管的软开关范围越宽。辅助电感、电容的变化对负载电流和占空比丢失基本没有影响。结合理论分析和仿真结果，对中频点焊变压器、谐振电容和辅助网络参数进行了设计计算，以UC3875为核心，构建了辅助网络软开关点焊逆变器的试验系统。试验发现，在未加辅助网络，滞后臂开关管处于硬开通状态时，开关管输入等效电容、分布电感和导线电阻将使开关管驱动信号产生衰减振荡，对逆变过程的正常进行和开关管的寿命构成严重的威胁。逆变器软开关换流时，变压器漏感、变压器工作磁通突变和二次绕组漏感对称性的影响，导致变压器初级产生尖峰电压；变压器绕组电阻及接头电阻上的压降，引起变压器次级绕组电压出现正负不对称现象。加辅助网络后，试验测得副边占空比丢失约13μs，根据本文建立的占空比丢失定量计算式计算的值约为10.5μs，两者相差约19.2％。模糊逻辑和神经网络控制各有其优缺点，通过对逆变点焊质量的影响因素和目前常规控制方法的研究，提出了基于模糊神经网络的自适应逆变点焊恒流控制方法，建立了逆变点焊模糊神经网络控制模型。基于BP算法、应用MATLAB语言、采用函数调用方式设计了点焊逆变电源模糊神经网络控制程序，通过连接矩阵构建模糊神经网络，便于程序的调试。提出了通过建立电源输出峰值电流与逆变器占空比之间的数学模型来获取逆变点焊模糊神经网络控制训练样本的方法，大大减小了训练样本的获取成本。并采用先正弦函数输入后恒定输入的训练方法和自适应调整学习率，保证了控制逻辑的合理性和最终的训练精度。仿真研究发现，量化比例因子对逆变点焊模糊神经网络控制有显著的影响。通过匹配合适的量化比例因子，系统在电阻电感20％波动、网压-20％波动的强干扰时，平均控制相对误差为2.28％，系统的超调量为3.35％左右。表明设计的模糊神经网络逆变点焊恒流控制系统具备了对系统参数变化的学习泛化和自适应能力。逆变点焊电源模糊神经网络控制的探索性研究，为进一步提高逆变点焊机的控制性能奠定了基础。

论文目录

• 摘要
• ABSTRACT
• 论文的创新与贡献
• 目录
• 第1章 绪论
• 1.1 选题背景及意义
• 1.2 逆变点焊电源国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 逆变点焊电源主要支撑技术研究现状
• 1.3.1 主电路拓扑结构及软开关技术
• 1.3.2 控制技术现状
• 1.3.3 计算机仿真技术
• 1.4 主要研究内容
• 第2章 逆变电源软开关及模糊神经网络理论基础
• 2.1 前言
• 2.2 软开关理论基础
• 2.2.1 基本的全桥PWM变换器工作原理
• 2.2.2 零电压开关全桥逆变器的换流方式
• 2.2.3 逆变电源软开关技术的研究方法
• 2.3 模糊神经网络控制方法的理论基础
• 2.3.1 模糊控制器的基本结构和主要设计因素
• 2.3.2 神经网络理论
• 2.3.3 神经网络与模糊控制的结合
• 2.4 本章小结
• 第3章 软开关点焊逆变电源的拓扑结构研究
• 3.1 前言
• 3.2 零电压软开关拓扑存在的主要问题
• 3.2.1 滞后臂零电压开通困难
• 3.2.2 副边占空比丢失
• 3.3 点焊逆变电源软开关拓扑结构研究
• 3.3.1 点焊逆变电源的工作特点
• 3.3.2 零电压软开关拓扑的改进
• 3.3.3 点焊逆变电源软开关拓扑方案
• 3.4 本章小结
• 第4章 辅助网络软开关点焊逆变电源工作机理及其特性研究
• 4.1 前言
• 4.2 辅助网络软开关点焊逆变电源工作机理
• 4.2.1 主电路拓扑构成
• 4.2.2 主电路工作过程分析
• 4.3 辅助网络软开关点焊逆变电源的特性研究
• 4.3.1 零电压开关的实现条件
• 4.3.2 副边占空比丢失
• 4.4 本章小结
• 第5章 辅助网络软开关点焊逆变电源仿真研究
• 5.1 前言
• 5.2 仿真模型器件的基本特性
• 5.3 软开关逆变器电路工作机理的仿真
• 5.3.1 移相控制驱动信号波形
• 5.3.2 功率开关管的零电压开关及换流过程
• 5.3.3 功率变压器的波形分析
• 5.3.4 次级整流二极管的换流过程
• 5.3.5 辅助网络的工作波形
• 5.4 主要参数对软开关和电源性能的影响
• 5.4.1 变压器漏感的影响
• 5.4.2 谐振电容的影响
• 5.4.3 次级等效滤波电感的影响
• 5.4.4 辅助网络参数的影响
• 5.5 本章小结
• 第6章 辅助网络软开关点焊逆变器的试验与分析
• 6.1 前言
• 6.2 辅助网络软开关点焊逆变器试验系统的构建
• 6.2.1 试验系统原理
• 6.2.2 主要器件参数设计
• 6.2.3 PWM移相控制电路设计
• 6.2.4 IGBT的驱动和保护
• 6.3 试验结果与分析
• 6.3.1 移相控制驱动电路试验波形
• 6.3.2 软开关电路的试验研究
• 6.3.3 试验与仿真结果的对比分析
• 6.4 本章小结
• 第7章 逆变点焊电源的模糊神经网络控制研究
• 7.1 前言
• 7.2 影响逆变点焊质量的因素
• 7.3 常规控制方法及其特点
• 7.4 基于模糊神经网络的自适应逆变点焊恒流控制
• 7.4.1 控制系统结构
• 7.4.2 模糊神经网络（FNNC）模型
• 7.4.3 模糊神经网络的学习算法
• 7.4.4 训练样本的获取
• 7.4.5 模糊神经网络的软件设计
• 7.5 本章小结
• 第8章 逆变点焊电源的模糊神经网络训练及控制仿真
• 8.1 前言
• 8.2 网络训练方法
• 8.2.1 恒定输入训练
• 8.2.2 正弦输入训练
• 8.2.3 正弦恒定输入训练
• 8.3 仿真控制条件
• 8.4 量化比例因子对控制的影响规律
• 8.4.1 量化因子ke对控制的影响
• 8.4.2 量化因子kec对控制的影响
• 8.4.3 比例因子kdu对控制的影响
• 8.5 自适应控制试验
• 8.5.1 单干扰因素的控制效果
• 8.5.2 多干扰因素的控制效果
• 8.5.3 关于响应时间
• 8.6 本章小结
• 结论
• 参考文献
• 附录
• 攻读学位期间发表的学术论文及科研业绩
• 致谢