一种基于径向基神经网络的PLL控制研究.pdf

第25卷第9期电力科学与工程Vo1．25，No．9

S印．，2009l9

2009年9月ElectricPowerScienceandEngineering

一种基于径向基神经网络的PLL控制研究

谢友慧，戴文进

(南昌大学信工学院，江西南昌330031)

摘要：电网并网时需要控制电流与电网电压同相位。介绍了一种基于人工神经网络的用于相位跟踪的PLL

控制方法，即把RBF网络的算法加入锁相环中。具体是将电网电压作为期望输出值，将输入电流作为训

练样本，通过神经网络的自我学习，逐步减小样本输出与期望输出之间的误差，实现对期望输出的同步和

跟踪。用MATLAB电力系统仿真工具箱进行了数字动态仿真，并从仿真结果可以看出，系统跟踪性能很

好，并且有较强的自适应能力。

关键词：人工神经网络；RBF网络；相位跟踪；锁相环

中图分类号：TM732：TM762文献标识码：A

产生同步于输入信号的整数倍频或分数倍频的输出

0引言信号。锁相环的基本结构是由鉴相器(PD)、环路

滤波器(LF)、压控振荡器(VCO)和倍频器(MF)

锁相环是一个用于生成与输入信号相位相同的等组成，如图1所示。

新的信号电路，是一个能够跟踪输入信号相位的闭

环自动控制系统。至今，普遍应用锁相技术的主要

有调制解调、频率合成、电视机彩色附载波提取、

FM立体声解码等。随着数字技术的发展，出现了

各种数字锁相环，它们在数字信号传输的载波同步、

位同步、相干解调等方面发挥了重要的作用“】。文

献[2-3】研究了三相电力锁相环(PLL)及其实现。

由于实际中有一些单相应用场合，如AC／DC／AC2径向基神经网络的基本原理

电力机车牵引系统，需要检测单相电压相位，因此，

单相PLL的研究与实现有其重要的现实意义。文2．1神经网络的结构

献[4]提出了一种基于最小二乘估计的单相相位检RBF网络由两层组成，其结构如图2所示。

测方法，但因其涉及矩阵除法运算，因此要实现这

种相位检测方法的代价较高。文献[5】提出了基于C

滤波器的单相PLL控制方法，问题是若使用一般

的低通滤波器，会影响系统的响应速度，而使用高

阶滤波器，则势必会增加实现PLL的代价。

1锁相环的基本结构和原理

锁相环是一个闭环的相位控制系统，能够自动输入层隐含层输出层

跟踪输入信号的频率和相位。利用锁相环技术可以图2RBF网络的结构

收稿日期：20o9一O3—11．

作者简介：谢友慧(1982一)，女，南昌大学信工学院硕士研究生

20电力科学与工程2009年

径向基网络隐含层节点的激活函数通常采用高望输出的变动进行自适应的跟随。

斯函数，如RBF网络隐含层第i个节点的输出可

由下式表示，4仿真

exPl一I(H2一，g)

建立一个RBF网络：训练样本为一线性比例

式中，Ui是第i个隐节点的输出，仉是第i个隐节点的函数；输出层的期望输出是电压波形，采用幅值为

标准化常数，g是隐含层节点数，．。，X2，…，