[0047] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0048] 相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
[0049] 参见图1，为本发明实施例的基于极限学习机的滑模变结构的Buck电路控制方法的步骤流程图，图2、图3为本发明方法的控制系统结构图，其Buck电路控制系统包括Buck电路10、DSP控制电路40、电压传感器20、电流传感器30和PWM调制器50，其中，[0050] 电压传感器20与电流传感器30均与Buck电路10连接，电压传感器20对Buck电路10的输出负载两端电压进行衰减采样，再将采样后的电压信号送入DSP控制电路40中；
[0051] 电流传感器30对Buck电路10中的电感元件电流进行衰减采样，再将采样后的电流信号送入DSP控制电路40中；
[0052] DSP控制电路40接收输出电压采样信号和电感电流采样信号，处理得到占空比信号，再经过PWM调制器50得到该占空比的PWM方波信号，所得PWM方波信号输入驱动开关MOS管，控制Buck电路10的开关通断时间；
[0053] 基于上述控制系统，控制方法包括以下步骤：
[0054] S10，通过对Buck电路拓扑结构进行分析，采用状态空间平均法建立系统数学模型；
[0055] S20，定义控制器的滑模面，设计极限学习机自适应律，根据S10中的系统数学模型设计控制器；
[0056] S30，根据S20中的控制器，运用李亚普诺夫定理验证滑动模态的存在性和系统的稳定性。
[0057] S10，通过对Buck电路拓扑结构进行分析，采用状态空间平均法建立系统数学模型，包括分析Buck电路开关工作在两种状态，取电感电流iL和输出电压Vo为系统状态变量，根据电路基尔霍夫定律建立系统平均状态空间数学模型为：
[0058]
[0059] 其中，Vo为输出电压，iL为电感电流，R为负载电阻，L为滤波电感，C为滤波电容，Vin为输入电压，D为可控开关管的占空比。
[0060] S20，定义控制器的滑模面，设计极限学习机自适应律，根据S10中的系统数学模型设计控制器，包括以下步骤，
[0061] S21，Buck电路的输出电压参考值定义为Vref，Vref为一常数定值；取输出电压跟踪误差为控制器状态变量，即e＝Vo‑Vref，则输出电压跟踪误差一阶导
[0062] S22，根据系统数学模型的建立和状态变量的定义，得出系统含扰动项的二阶动态数学模型为 其中u为滑模控制器的输出，f为待拟合项，利用极限学习机逼近得到网络的拟合输出；
[0063] S23，定义系统滑模面函数为 其中λ为控制器参数，满足λ>0，设计极限学习机自适应律；
[0064] S24，设计基于极限学习机的滑模控制器的输出为：
[0065]
[0066] 其中， 表示极限学习机的估计值，H为极限学习机的隐层输出，是极限学习机的自适应输出权重，sign(s)为符号函数，ε、k为指数趋近率系数。
[0067] 根据S20中的控制器，运用李亚普诺夫定理验证滑动模态的存在性和系统的稳定性，包括根据所建立的系统数学模型，定义李亚普诺夫函数 其中，γ为自适应律系数，γ>0，为极限学习机的输出权重误差， 为 的转置；将所设计控制器代入 设置控制器参数保证V的一阶导数为负半定，验证系统的稳定性。
[0068] 参见图3，DSP控制电路40包括误差放大器41、滑模控制器42滑模控制器42、PI控制器43，其中，电压传感器20输出经误差放大器41输入滑模控制器42，再经系统数学模型和误差放大器41输入PI控制器43；滑模控制器42的输入连接电压传感器20的输出电压采样信号与参考输出电压信号，进行误差放大器41处理得到的误差信号，作为到滑模控制器42的控制量，定义滑模面，设计控制器，使其满足李亚普诺夫稳定性；将所设计控制器代入系统数学模型H(s)计算求得参考电感电流信号，与电流传感器30输出的电感电流采样信号进行误差放大器41处理，输入到PI控制器43，PI控制器43输出进入PWM调制器50，所得占空比信号和的固定频率锯齿波进行比较得到固定开关频率的PWM波信号。
[0069] 具体实施例中，电压传感器20包括LEMLV25‑P芯片；电流传感器30包括LEMHX15‑P芯片；DSP控制电路40包括TMS320F28335芯片。控制系统可基于PTS‑1000平台的实验装置实现，PTS‑1000平台的实验装置包括PEK‑120降压转换器模块，用于实现直流输入电压到直流输出电压的降压功能，该模块设有5个电路状态观测点，分别为输入电压Vin,输出电压Vo,电感电流IL,输出电流Io,开关控制信号PWM方波，供示波器观测实验结果；
[0070] 可编程直流电子负载模块PEL‑2040与PEL‑2004，用于提供Buck电路10的负载电阻，与PEK‑120转换器模块的输出端口相连接；
[0071] 可编程直流电源模块PSW 250‑4.5，用于提供Buck电路10的输入电压，与PEK‑120转换器模块的输入端口相连接；
[0072] 辅助电源模块，用于给PEK‑120转换器模块的芯片供电，与PEK‑120转换器模块的第三端口相连接。
[0073] 参见图4，为Buck电路10的基本电路拓扑结构图；参见图5，分别给出了Buck电路10在开关导通和截止时的等效电路图，可以看出，该电路能够实现直流降压功能是由电感元件的充放电造成的。根据电路工作在开关导通和截止两种状态，开关导通时电感充电，将电能转化为磁能，二极管反向截止，此时电感电流增加量为 开关截止时电感放电，电感元件由于储存了磁能而产生电动势，将磁能转化为电能，进而输出电阻进行供电，二极管正向导通，此时电感电流的减小量为 根据电路稳态情况下电感元件的充电量和放电量相等，由ΔiL+＝ΔiL‑可以得到电路输出电压和输入电压之间的关系式，即
[0074]
[0075] 其中，D为电路开关控制信号的占空比，ton为一个开关周期内的关导通时间，toff为一个开关周期内的开关截止时间；故对Buck电路10进行控制算法设计，实际上是对其开关控制信号输入的占空比进行控制。
[0076] 参见图6，展示了Buck电路10中电感元件在充放电过程中电流和电压的变化波形，可以看出电感电流在一个周期内的平均值即为输出电流。其中Vcon为PWM波的控制电压，VL为电感电压。
[0077] 参见图7，给出了极限学习机的网络结构图，是一种单隐层的神经网络计算模型。
[0078] 基于图4所示的Buck电路10拓扑结构，建立其平均状态空间数学模型具体过程如下：
[0079] 开关导通时(nT≤t≤nT+Ton),系统状态空间可表示为：
[0080]
[0081] 开关截止时(nT+Ton≤t≤(n+1)T)，系统状态空间可表示为：
[0082]
[0083] 结合式(2)和式(3),在一个开关周期内求系统理想状况下的平均状态空间模型为：
[0084]
[0085] 式中，Vo为输出电压，iL为电感电流，R为负载电阻，L为滤波电感，C为滤波电容，Vin为输入电压，D为可控开关管的占空比；
[0086] 引入开关控制函数u，其表达式为：
[0087]
[0088] 由式(5)得，系统状态空间表达式为：
[0089]
[0090] 由式(4)和式(6)可得，开关控制函数u和占空比D是对应关系，D为u在一个开关周期内的平均值，开关控制函数u也即所设计的滑模变结构控制律u。
[0091] 根据式(6)中的系统数学模型，选取输出电压误差信号作为滑模变结构控制器的状态变量，即e＝Vo‑Vref，Vref为输出电压参考值，为一定值常数；考虑实际Buck电路10系统中的负载变化外部扰动和系统内部参数电容L、电感C的不确定性，以及外界环境的未知噪声，系统动态数学模型加入干扰项，表达式如下：
[0092]
[0093] 其中，d(t)表示系统外部噪声扰动，满足|d(t)|≤DMAX，DMAX为干扰上界。
[0094] 式(7)中 是不确定项，采用极限学习机拟合该项。取Buck电路10系统的输出电压跟踪误差和跟踪误差的变化率作为极限学习机的两个网络输入，网络输入输出算法设计如下：
[0095]
[0096] 其中，Hj表示网络隐含层第j个单元的非线性映射输出，隐含层采用的是经典的sigmoid非线性函数。wj表示连接到第j个隐层单元的网络输入权值，bj表示第j个隐层单元*的偏置单元，θ表示理想的输出权值，δ表示ELM极限学习机的估计误差，其在量值上相对于拟合量f是一个比较小的正数。
[0097] 定义Lyapunov(李亚普诺夫)函数 则V的一阶导数表达式如下：
[0098]
[0099] 设计控制器表达式为：
[0100]
[0101] 式(10)所设计的控制器代入式(9)，根据系统动态数学模型和滑模面函数可得的展开表达式为：
[0102]
[0103] 由于ELM极限学习机逼近误差δ是很小的正实数，当选取参数ε>δ+DMAX时，则有：
[0104]
[0105]
[0106]
[0107] 故由上述证明知，参数ε主要用来抵消ELM极限学习机的估计误差带来的干扰和系统外界未知噪声扰动两项，ε的参数设计此外，所设计的基于极限学习机的滑模控制器42满足李亚普诺夫稳定性条件。
[0108] 当系统参数不确定性和外部干扰较大时，控制器需要的切换项增益较大时，这时会造成较大的抖振，为了削弱抖振，控制器设计中采用饱和函数sat(s)代替符号函数sign(s),饱和函数的具体表达式如下：
[0109]
[0110] 其中，ρ为饱和函数边界层参数，ρ>0。
[0111] 由上述所设计控制器代入系统数学模型中，计算求得电感电流参考值的表达式为：
[0112]
[0113] 由式(14)所得参考电流信号与电流采样信号作误差处理得到电感电流误差信号，即eI＝ILref‑iL，进入电流内环PI控制器43设计。
[0114] PI控制器43将误差信号的比例和积分形式线性组合，得电流环控制器表达式为：
[0115] uI＝KpeI+Ki∫eIdt (16)
[0116] 其中，Kp、Ki为PI控制器43的比例项参数和积分项参数。
[0117] Buck电路10的双闭环控制系统在软件仿真和硬件实验中采取的电路参数如下：
[0118]
[0119]
[0120] 参见图8，展示了所述控制系统和传统PID控制系统的仿真对比结果图。是通过在PSIM环境中搭建Buck电路控制系统的电路仿真模型得到的。通过仿真可证明，所述控制方法能够在短时间内到达参考输出电压值并稳定，相比PID控制方法超调量减小了3.86％；
[0121] 参见图9，展示了所述控制系统的负载切换仿真对比结果图。为进一步证明本发明所述的控制方法的控制效果，在0.3s时，仿真电路通过并联一个电阻设置模拟负载电阻扰动，证明在负载突变时系统能够表现出良好的瞬态响应。
[0122] 参见图10，展示了所述控制系统输出电压的启动响应对比实验曲线。由实验结果可知，所述的基于极限学习机的滑模控制方法相较于PID控制方法具有更快的响应速度，且启动时超调量少了2.69％。
[0123] 参见图11，展示了通过调节直流电子负载仪器设置负载电阻值切换，将负载分别由20Ω切换为10Ω，在示波器上分别观察得到的两种控制方法响应曲线，当施加负载切换扰动时，输出电压有一个短暂的减小波动过程，相比PID控制器，所设计的控制器在恢复到稳态平衡点的时间上少了约一半，且扰动量也降低了2.21％，证明所述控制方法在实际系统中对负载扰动具有良好的鲁棒性。
[0124] 本实施例通过仿真和实验验证了本发明所述的控制方法具有系统响应速度快、对负载扰动和电路参数不确定性具有鲁棒性、系统动态性能高的优点。
[0125] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
