《Fundamentals of Power Electronics》——状态空间平均法

news2024/11/17 13:42:33

文献中出现了许多交流变换器建模技术,包括电流注入法、电路平均法和状态空间平均法。尽管给定方法的支持者可能更喜欢用特定形式表示最终结果,但几乎所有方法的最终结果都是等效的。所有人都会赞同,平均和小信号线性化是PWM变换器建模的关键步骤。

动态系统的状态空间描述是现代控制理论的支柱;状态空间平均法利用这一描述导出了PWM开关变换器的小信号平均方程。状态空间平均过程的一个好处是其结果的通用性:只要能写出原变换器的状态方程,总能得到一个小信号平均模型。

1.网络的状态方程

状态空间描述是描述系统的微分方程的正则形式。对于线性网络,状态变量的导数表示为系统独立输入和状态变量本身的线性组合。系统的物理状态变量通常与能量存储有关,对于典型的变换器电路,物理状态变量是独立的电感电流和电容电压。其他典型的状态变量包括电机轴的位置和速度。在给定的时间点上,状态变量的值取决于系统以前的历史,而不是取决于系统输入的当前值。要解系统的微分方程,必须指定状态变量的初值。如果知道系统的状态,也就是所有状态变量在给定时间t0的值,如果还知道系统的输入,那么原则上就可以解出系统的状态方程来找到未来任何时间的系统波形。

系统的状态方程可以写成紧矩阵形式:

其中,状态矢量x(t)是包含所有状态变量,即电感电流、电容电压等的矢量。输入矢量u(t)包含系统所有的独立输入,如输入电压源vg(t)。状态矢量的导数是一个矢量,它的元素等于状态矢量对应元素的导数。

在状态方程紧矩阵形式的标准形式中,K是包含电容、电感和互感(如果有)值的矩阵,使得Kdx(t)/dt是包含电感绕组电压和电容电流的矢量。在其他物理系统中,K可能包含其他量,如转动惯量或质量。状态方程紧矩阵形式表达式说明系统的电感电压和电容电流可以表示成状态变量和独立输入量的线性组合。矩阵A和B包含比例常数。

也可能需要计算与状态向量x(t)或输入向量u(t)的元素不一致的其他电路波形。一般来说,这些其他信号是相关的波形,可以表示为状态向量和输入向量元素的线性组合。向量y(t)通常叫做输出向量。我们可以自由地在这个向量中放置任何相关的信号,而不管这个信号实际上是否是一个物理输出。转换器输入电流ig(t)通常被选为y(t)的一个元素。在状态方程中,向量y(t)的元素被表示成向量x(t)和u(t)的线性组合。矩阵CE包含比例常数。

举个例子,写出下图所示电路的状态方程。

该电路包含两个电容和一个电感,因此物理状态变量是独立电容电压v1(t)和v2(t),以及电感电流i(t)。因此可以定义状态矢量为:

因为此处没有耦合电感,矩阵K是对角阵,只包含电容值和电感值:

电路有一个独立输入,即电流源iin(t)。因此,我们需要定义输入矢量:

我们可以自由地将任何相关信号放入向量y(t)中。假设我们还想计算电压vout(t)和电流iR1(t)。因此可以定义y(t)为:

为了写出正则形式的状态方程,我们需要用状态矢量x(t)和输入矢量u(t)的线性组合来表示电感电压和电容电流,即用v1(t)、v2(t)、i(t)和iin(t)的线性组合来表示。

电容电流iC1(t)由节点方程得到:

这个方程将成为紧矩阵形式状态空间方程的第一行。电容电流iC2(t)由节点方程得到:

注意,我们已经仔细的将这个电流表示为仅由x(t)和u(t)元素组成的线性组合。

由回路方程可得电感电压为:

将上述两个电容电流和电感电压汇总成矩阵形式,可得:

现在矩阵A和B已知。

也有必要将y(t)的元素表示为x(t)和u(t)元素的线性组合。通过求解如下图所示的电路。

可以将输出电压vout(t)用v2(t)这一项表示出来:

同样,iR1(t)可以用v1(t)表示为:

vout(t)和iR1(t)的表达式代入紧矩阵形式状态空间方程可得:

如上式所示,现在就得到了矩阵C和E。

2.基础状态方程平均模型

假设现在给定一个工作在CCM下的PWM转换器。转换器电路包含形成状态向量x(t)的独立状态,并且变换器由形成输入向量u(t)的独立源驱动。在第一个子区间内,当开关在位置1时,转换器简化成可以用下式描述的线性电路:

6.总结

(1)CCM变换器分析技术可以扩展到预测变换器的交流行为。关键步骤是在一个开关周期内平均转换器波形。这消除了开关谐波,从而直接暴露了波形所需的直流和低频交流分量。特别是,通常会找到平均电感电压、电容电流和变换器输入电流的表达式。

(2)由于开关变换器是非线性系统,因此需要建立小信号线性化模型。该过程通过对静止工作点的平均模型进行扰动和线性化来实现。

(3)可以构造直流等效电路的相同方法构造交流等效电路。如果需要,可以对交流等效电路进行改进,以考虑转换器损耗和其他非理想性的影响。

(4)传统脉宽调制器电路具有线性增益,依赖于锯齿波的斜率,或等价于零。

由于开关变换器是非线性系统,因此需要建立小信号线性化模型。这是通过对静止工作点的平均模型进行扰动和线性化来实现的。

(5)正则电路描述了所有工作在连续导通模式下的直流-直流PWM变换器共有的基本特性。该模型的核心是理想的1:M(D)变压器,以表示基本的dc-dc传递函数,并在这里推广到包括交流变化。变换器无功元件在网络中引入了一个有效的低通滤波器。该模型还包括代表占空比变化影响的独立源。为方便参考,将几种基本转换器正则模型中的参数值制成表格。

(6)状态空间平均方法本质上与第7.2节的基本方法相同,只是使用了状态空间网络描述的形式。一般结果列在第7.5.2节中。状态空间平均是一种形式的方法,它展示了如何总是可以推导出小信号平均模型,只要可以为每个子区间写出状态方程。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1656068.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

厚德提问大佬答4:AI绘画生成的心得

遇到难题不要怕!厚德提问大佬答! 厚德提问大佬答 你是否对AI绘画感兴趣却无从下手?是否有很多疑问却苦于没有大佬解答带你飞?从此刻开始这些问题都将迎刃而解!你感兴趣的话题,厚德云替你问,你解…

Element-plus修改input的placeholder文字颜色

需求 代码 .el-input__inner::placeholder {color: #666f8d !important; }

图像处理--空域滤波增强(原理)

一、均值滤波 线性滤波算法,采用的主要是邻域平均法。基本思想是使用几个像素灰度的某种平均值来代替一个原来像素的灰度值。可以新建一个MN的窗口以为中心,这个窗口S就是的邻域。假设新的新的像素灰度值为,则计算公式为 1.1 简单平均法 就是…

堆的应用2——TOPK问题

TOPK问题 TOP-K问题:即求数据结合中前K个最大的元素或者最小的元素,一般情况下数据量都比较大。 比如:专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。 情况1——数据量小 对于Top-K问题,能想到的最简单直接的方式就…

品鉴中的文化碰撞:如何理解和欣赏不同文化背景下的红酒

红酒作为世界各地广泛生产的产品,具有丰富的文化内涵。不同国家、地区和民族的红酒文化各具特色,反映了当地的历史、传统、习俗和生活方式。在品鉴云仓酒庄雷盛红酒时,理解和欣赏不同文化背景下的红酒是提升品鉴体验的重要一环。 首先&#x…

【Java orm 框架比较】九 新增wood框架对比

【Java orm 框架比较】九 新增wood框架对比 本次新增wood 框架测试 测试数据存储、分页查询,文档及框架比较稳定半天时间加入测试使用 迁移到(https://gitee.com/wujiawei1207537021/spring-orm-integration-compare) orm框架使用性能比较…

【STM32 |GPIO】GPIO结构、GPIO输出

目录 GPIO简介 GPIO的基本结构 GPIO位结构(每一位的具体电路结构) 输入 上拉和下拉电阻 斯密特触发器 ​编辑 输出 GPIO模式 ​编辑 浮空输入、上拉输入、下拉输入 模拟输入 开漏输出和推挽输出 复用开漏输出和复用推挽输出 LED和蜂鸣器…

代码随想录算法训练营第36期DAY22

DAY22 654最大二叉树 自己做的时候忽略了:nums.length>1的题给条件。所以每次递归都要判断是否size()>1,不要空的。 /** * Definition for a binary tree node. * struct TreeNode { * int val; * TreeNode *left; * TreeNode *rig…

JSpdf,前端下载大量表格数据pdf文件,不创建dom

数据量太大使用dom》canvas》image》pdf.addimage方法弊端是canvas超出 浏览器承受像素会图片损害,只能将其切割转成小块的canvas,每一次调用html2canvas等待时间都很长累积时间更长,虽然最终可以做到抽取最小dom节点转canvas拼接数据,但是死…

[附源码+视频教程]暗黑纪元H5手游_架设搭建_畅玩三网全通西方3D世界_带GM

本教程仅限学习使用,禁止商用,一切后果与本人无关,此声明具有法律效应!!!! 教程是本人亲自搭建成功的,绝对是完整可运行的,踩过的坑都给你们填上了 一. 演示视频 暗黑纪…

Android 查看CUP占用率

查看每个进程CUP占用率的几种方式,由于自己充电界面老是导致整机温度过高,后面发现自己的线程一直在跑,相当于死循环,后面加上sleep才得以改善;先看看几种查询方式吧。 1、adb shell top 2、adb shell busybox top 3、adb shell …

C++类和对象中篇

🐇 🔥博客主页: 云曦 📋系列专栏:[C] 💨路漫漫其修远兮 吾将而求索 💛 感谢大家👍点赞 😋关注📝评论 文章目录 📔前言📔1、类的六个…

微服务学习笔记

微服务学习笔记 文章目录 微服务学习笔记认识微服务微服务技术栈微服务学习要点微服务远程调用1)注册RestTemplate2) 服务远程调用RestTemplate Eureka注册中心简介操作过程搭建EurekaServer注册user-service在order-service完成服务拉取 Ribbon负载均衡IRule负载均衡策略饥饿加…

在线扭蛋机小程序:商家稳占市场的新突破口

近几年,扭蛋机进入了爆发期,动漫、游戏的发展更是推动了市场的发展,我国扭蛋机正在蓬勃发展中。 不过,在市场规模扩大下,扭蛋机行业的竞争力也在同时加大,企业商家需要在市场竞争中寻求发展新思路&#xf…

SEQUENTIAL CONSISTENCY----SC

SC模型是最直观的memory consistency model; 什么是single core sequential? 真正的执行顺序,和PO的顺序,是相同的; 什么是multi core sequential consistent? the operations of each individual processor (core) appear in this seq…

【知识碎片】2024_05_08

记录了两个代码和一个C语言switch的题。代码【错误的集合】使用到了hash,【密码检查】是对多个字符串输入的检查,有一些条件细节。两个代码都是关于数组内容操作的题目。 每日代码 1.错误的集合 错误的集合-力扣(LeetCode 也是数组的操作&…

EOS智慧营销系统:突破传统,引领智慧营销新潮流

在数字化时代,智慧营销被誉为企业提升竞争力的关键。而EOS智慧营销系统作为一款领先于时代潮流的创新软件,正以其卓越的功能和不可替代的优势,引领着营销智能化的新时代。 EOS智慧营销系统的独特之处在于其全面而细致的市场分析能力。通过大数…

印染工厂5G智能制造数字孪生可视化平台,推进行业数字化转型

印染工厂5G智能制造数字孪生可视化平台,推进行业数字化转型。印染工厂正迈入一个全新的时代,这个时代以5G智能制造数字孪生可视化平台为核心,推动整个行业的数字化转型。不仅是一场技术革命,更是一次产业变革,为印染工…

IP SSL证书申请教程:实现HTTPS加密访问

随着网络安全意识的提高,HTTPS加密访问已经成为网站安全性的重要标准。通过安装SSL证书,网站可以实现数据的加密传输,有效保护用户隐私和数据安全。本文将详细介绍如何为IP地址申请SSL证书,并实现HTTPS加密访问。 一、准备工作 …

常用目标检测算法介绍

目录 1. 常用目标检测算法 2. R-CNN 模型 3. Fast R-CNN 模型 4. Faster R-CNN 模型 5. SSD 模型 1. 常用目标检测算法 在深度学习框架下,目标检测方法通常涉及图像定位和分类两个关键方面。有两种主要的解决方法:一种是一阶(one-stage&…