基于输入凸神经网络的IPT系统电压预测控制

感应式电能传输(IPT)系统的输出电压容易受到负载、互感等系统参数变化的影响。为了提高该系统输出电压的实时调节能力，提出了一种基于双深度输入凸神经网络的模型预测(DDICNN-MPC)控制器。以LCL-LCL结构的IPT系统为例，基于深度输入凸神经网络分别训练了系统状态预测网络、系统误差预测网络，结合二者使用交互递推的方式建立了IPT系统多步误差预测模型，将控制器中的优化问题转化为凸优化问题，然后使用梯度下降算法求解该问题。仿真结果表明，控制器的稳态误差可控制在1%以内，且相比于PID控制器与传统MPC控制器，DDICNN-MPC控制器对互感和负载扰动具有良好的鲁棒性，在谐振参数发生变化时仍有一定的调节能力，为实现感应式电能传输系统输出电压的实时调节提供了一种行之有效的方法。