[go: up one dir, main page]

WO2011040591A1 - Ｄｃ／ｄｃコンバータの制御装置 - Google Patents

Ｄｃ／ｄｃコンバータの制御装置 Download PDF

Info

Publication number
WO2011040591A1
WO2011040591A1 PCT/JP2010/067190 JP2010067190W WO2011040591A1 WO 2011040591 A1 WO2011040591 A1 WO 2011040591A1 JP 2010067190 W JP2010067190 W JP 2010067190W WO 2011040591 A1 WO2011040591 A1 WO 2011040591A1
Authority
WO
WIPO (PCT)
Prior art keywords
value
amount
time
converter
control
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2010/067190
Other languages
English (en)
French (fr)
Inventor
不二雄 黒川
弘行 大須賀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Nagasaki University NUC
Original Assignee
Mitsubishi Electric Corp
Nagasaki University NUC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp, Nagasaki University NUC filed Critical Mitsubishi Electric Corp
Priority to US13/498,289 priority Critical patent/US8493046B2/en
Priority to JP2011534344A priority patent/JP5412658B2/ja
Priority to KR1020127007735A priority patent/KR101277899B1/ko
Priority to EP10820706.9A priority patent/EP2485380B8/en
Publication of WO2011040591A1 publication Critical patent/WO2011040591A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M3/00—Conversion of DC power input into DC power output
    • H02M3/22—Conversion of DC power input into DC power output with intermediate conversion into AC
    • H02M3/24—Conversion of DC power input into DC power output with intermediate conversion into AC by static converters
    • H02M3/28—Conversion of DC power input into DC power output with intermediate conversion into AC by static converters using discharge tubes with control electrode or semiconductor devices with control electrode to produce the intermediate AC
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M3/00—Conversion of DC power input into DC power output
    • H02M3/22—Conversion of DC power input into DC power output with intermediate conversion into AC
    • H02M3/24—Conversion of DC power input into DC power output with intermediate conversion into AC by static converters
    • H02M3/28—Conversion of DC power input into DC power output with intermediate conversion into AC by static converters using discharge tubes with control electrode or semiconductor devices with control electrode to produce the intermediate AC
    • H02M3/325—Conversion of DC power input into DC power output with intermediate conversion into AC by static converters using discharge tubes with control electrode or semiconductor devices with control electrode to produce the intermediate AC using devices of a triode or a transistor type requiring continuous application of a control signal
    • H02M3/335—Conversion of DC power input into DC power output with intermediate conversion into AC by static converters using discharge tubes with control electrode or semiconductor devices with control electrode to produce the intermediate AC using devices of a triode or a transistor type requiring continuous application of a control signal using semiconductor devices only
    • H02M3/33507—Conversion of DC power input into DC power output with intermediate conversion into AC by static converters using discharge tubes with control electrode or semiconductor devices with control electrode to produce the intermediate AC using devices of a triode or a transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of the output voltage or current, e.g. flyback converters
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M3/00—Conversion of DC power input into DC power output
    • H02M3/22—Conversion of DC power input into DC power output with intermediate conversion into AC
    • H02M3/24—Conversion of DC power input into DC power output with intermediate conversion into AC by static converters
    • H02M3/28—Conversion of DC power input into DC power output with intermediate conversion into AC by static converters using discharge tubes with control electrode or semiconductor devices with control electrode to produce the intermediate AC
    • H02M3/325—Conversion of DC power input into DC power output with intermediate conversion into AC by static converters using discharge tubes with control electrode or semiconductor devices with control electrode to produce the intermediate AC using devices of a triode or a transistor type requiring continuous application of a control signal
    • H02M3/335—Conversion of DC power input into DC power output with intermediate conversion into AC by static converters using discharge tubes with control electrode or semiconductor devices with control electrode to produce the intermediate AC using devices of a triode or a transistor type requiring continuous application of a control signal using semiconductor devices only
    • H02M3/33507—Conversion of DC power input into DC power output with intermediate conversion into AC by static converters using discharge tubes with control electrode or semiconductor devices with control electrode to produce the intermediate AC using devices of a triode or a transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of the output voltage or current, e.g. flyback converters
    • H02M3/33515—Conversion of DC power input into DC power output with intermediate conversion into AC by static converters using discharge tubes with control electrode or semiconductor devices with control electrode to produce the intermediate AC using devices of a triode or a transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of the output voltage or current, e.g. flyback converters with digital control
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/0003—Details of control, feedback or regulation circuits
    • H02M1/0012—Control circuits using digital or numerical techniques
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/0003—Details of control, feedback or regulation circuits
    • H02M1/0016—Control circuits providing compensation of output voltage deviations using feedforward of disturbance parameters

Definitions

  • the present invention provides a DC / DC converter capable of predicting the output voltage of a nonlinear dynamic system while ensuring stability by combining feedback control and feedforward control by machine learning (for example, neuro control).
  • the present invention relates to a control device.
  • the object of the present invention is to combine the feedback control and feedforward control (for example, machine learning control such as neuro control) to predict the output voltage of the nonlinear dynamic system while ensuring stability. And providing a control device for a DC / DC converter.
  • feedforward control for example, machine learning control such as neuro control
  • the gist of the control device of the DC / DC converter of the present invention is as follows.
  • DC / DC which outputs at least one of output voltage value of DC / DC converter and output current value, input voltage value, inductor current value, capacitor current value and sends switch on / off signal command value to drive circuit
  • a control device for a DC converter For the switch off timing as a feedback control amount from at least one of the output voltage value of the DC / DC converter, or the output current value, the input voltage value, the inductor current value, and the capacitor current value.
  • a feedback controller for generating a first amount of time; From the output voltage value of the DC / DC converter, or further from at least one of the output current value, the input voltage value, the inductor current value, and the capacitor current value, for the switch off timing as a control amount
  • a machine learning controller for calculating a second amount of time;
  • a difference time amount calculator for obtaining a difference between a first amount of time from the feedback controller and a second amount of time from the machine learning controller, and sending the difference signal to the drive circuit;
  • ⁇ factor for attenuating the second overshoot or undershoot (positive value other than zero)
  • n Weighting including an integer
  • the control amount can be expressed as ⁇ ⁇ (X * ⁇ X).
  • an offset B can be added to the control amount.
  • the first undershoot or overshoot is controlled by multiplying the control amount based on machine learning by a large gain A.
  • the overshoot or undershoot that occurs immediately thereafter is overcompensated by multiplying the control amount based on machine learning by the gain A as it is, so the influence of the gain is rapidly weakened by the attenuation function f (n, ⁇ ).
  • the machine learning controller includes a calculated value of the second amount of time, a calculation start condition for the second amount of time, a parameter that is a basis for calculating the second amount of time (the output voltage value of the DC / DC converter). (1) or (2), further comprising a storage device for storing the output current value, the input voltage value, the inductor current value, or the capacitor current value).
  • DC / DC converter control device includes a storage device for storing the output current value, the input voltage value, the inductor current value, or the capacitor current value.
  • the machine learning controller obtains a resistance value or impedance of a load before and after a transient change from an output voltage and output current of a DC / DC converter, and quotes a control prediction value corresponding to the load resistance or impedance from the storage device.
  • the control device for a DC / DC converter according to (3).
  • the machine learning controller obtains a resistance value or impedance of a load before and after a transient change from an input voltage and an output current of a DC / DC converter, and quotes a control prediction value corresponding to the load resistance or impedance from the storage device.
  • the control device for a DC / DC converter according to (3).
  • the control device includes a clock selector that selects one clock from a plurality of external clock signals, and generates switching noise by synchronizing the timing of turning on the switch of the switch circuit with the selected external clock signal.
  • a machine learning controller such as a neuro controller composed of a multi-layer neural network functions as a feedforward controller and feedback. Controllers are also used for control. Therefore, in the present invention, it is possible to predict a non-linear dynamic system, and stability is ensured by the feedback controller.
  • the second time amount (machine learning control amount) is set to [A ⁇ exp ( ⁇ ⁇ n)] (A: Factor for suppressing the first (first) undershoot or overshoot (a constant other than zero), ⁇ : Factor for attenuating the second overshoot or undershoot (a positive constant other than zero), n : An integer indicating the number of sampling).
  • A Factor for suppressing the first (first) undershoot or overshoot (a constant other than zero)
  • ⁇ Factor for attenuating the second overshoot or undershoot (a positive constant other than zero)
  • n An integer indicating the number of sampling.
  • FIG. 3 is a flowchart showing a process in a case where prediction is performed based on an output voltage detection value in the control device of FIG.
  • FIG. 4 shows the DC / DC converter of FIG. 1 which restrict
  • FIG. 4 provided with the feedback controller and the machine learning controller.
  • 6 is a flowchart showing processing when the machine learning controller performs prediction based on an input voltage detection value, an output voltage detection value, and an output current detection value in the control device of FIG. 5.
  • (A) is a figure which shows the transient characteristic of the output voltage when not performing machine learning control
  • (B) is a figure which shows the transient characteristic of the output current when not performing machine learning control
  • (A) is a figure which shows the transient characteristic of the output voltage when machine learning control is performed
  • (B) is a figure which shows the transient characteristic of the output current when machine learning control is performed.
  • It is a schematic diagram which shows the other example of the DC / DC converter to which the control apparatus of this invention is applied. It is a functional block diagram which shows the control apparatus of FIG. 8 concretely.
  • FIG. 1 is a schematic diagram showing a DC / DC converter to which a control device of the present invention is applied.
  • the DC / DC converter 2 includes a switch circuit 22, a transformer 23, a rectifier 24, a smoothing inductor 25 (L o ), and an output capacitor 26 (C o ).
  • An inductor current detection resistor r L is connected in series to the smoothing inductor 25, a capacitor current detection resistor r C is connected in series to the output capacitor 26, and an output current detection resistor 27 is connected in series to a load 28 described later.
  • R s is connected.
  • a DC power source 21 is connected to the input side of the DC / DC converter 2, and a load 28 (R) is connected to the output side.
  • R load 28
  • the DC power supply 21 is shown as a battery for convenience, but may be a DC supply terminal, and the load 28 is shown as a DC resistance R, but may be an AC resistance (impedance).
  • r s, r L, r c Since omitted as it may, there is shown a symbol by a broken line.
  • Ci At least one of Ci ) is sent to the control device 1A, and the control device 1A sends a timing command value (time signal Ton, n ) for turning on the switch of the switch circuit 22 to the drive circuit 3.
  • FIG. 2 is a diagram schematically showing the control device 1A shown in FIG.
  • the control device 1A includes a preamplifier 11, an A / D converter 12, a first controller (a feedback controller such as a PID controller) 13, a second controller 14, a differential time amount calculator 15, and a counter 16. And.
  • the preamplifier 11 includes at least an output voltage value e o , an output current i o (detection value e s ), an input voltage e i , an inductor current i L (detection value e Li ), and a capacitor current i C (detection value e Ci ).
  • the A / D converter 12 converts these output values into digital signals E eo , E es , E ei , E eLi , and E eCi , respectively.
  • E eo digital signals
  • the first controller (feedback controller) 13 inputs at least one of the digital signal E eo and E es , E ei , E eLi , and E eCi and is used for the switch off timing as a feedback control amount.
  • a first amount of time N Ton_A, n is generated (n: a subscript meaning what number sampling).
  • the second controller 14 is a machine learning controller such as a neuro controller, and receives at least one of the digital signals E eo and E es , E ei , E eLi , and E eCi for switching off timing.
  • the second time amount N Ton_B is generated.
  • N Ton_B ⁇ n (N eo, n * ⁇ N eoEst, n ) (1)
  • N eo, n * is a target value for the n-th sampling
  • N eoEst, n can be a predicted value in the n-th sampling.
  • n is, for example, the number of samplings since a change has occurred.
  • ⁇ n is an attenuation function, and can be typically expressed by equation (2).
  • ⁇ n A ⁇ exp ( ⁇ ⁇ n) (2)
  • n is a subscript meaning the sampling number as described above.
  • ⁇ n A ⁇ exp ( ⁇ ⁇ n) (2)
  • the difference time amount calculator 15 calculates a difference between the first amount of time from the first controller 13 and the second amount of time from the second controller 14, and sends this difference to the counter 16.
  • the counter 16 counts up, the counter 16 sends a timing command value (time signal T ON ) for turning on the switch of the switch circuit 22 to the drive circuit 3.
  • T ON time signal
  • the process of the second controller 14 when performing prediction by the output voltage detection value e o will be described with reference to FIG.
  • the second controller 14 When the second controller 14 acquires the digital signals E eo , E es , and E ei (S100), the second controller 14 measures the change state of the load resistance R in relation to the digital value E ei (S110).
  • E ei the digital value
  • the input voltage e i is what the bolts, or the load resistance R is changed to what ohms What Ohms is measured.
  • the value of the load resistance R a digital signal E eo corresponding to the output voltage e o, from the digital signal E es corresponding to the output current e i, is calculated at a predetermined sampling period.
  • the second controller 12 determines a predicted value N eoEST by the machine learning function based on the change state of the load resistance R and the digital signal E eo at that time (S120).
  • the predicted value NeoEST can be determined by a neuro theory. For example, assume that a certain change occurs in the load resistance R. This time, the change state of the load resistance R and the change state of the digital signal E eo at that time are observed, and only the predicted value N eoEST that would have been optimal is calculated. That is, since the second controller 12 has learned the state of change from the occurrence of one change until convergence, the second controller 12 works in a feed-forward manner to suppress it next time.
  • the first controller 13 works to respond not only to the change in the load R but also to the feedforward change, so that the feedforward movement is rapidly attenuated exponentially. (See Equation (2) above). Then, the second controller 12 calculates the second time amount N Ton_B from the predetermined target value N eo * and the predicted value N eoEST obtained in S120 (S130), and calculates the second time amount N Ton_B as the difference time. It passes to quantity calculator 15 (S140).
  • FIG. 4 is a diagram showing the DC / DC converter 2 of FIG. 1 with limited control parameters
  • FIG. 5 shows a first controller (feedback controller) 13 and a second controller (machine learning controller) 14. It is a functional block diagram of 1 A of control apparatuses of FIG. 4 provided.
  • the output voltage e o , the output current i o , and the input voltage value e i are sent to the control device 1A, and the control device 1A turns on the timing command value (time signal T ON) based on these. ) Is calculated and sent to the drive circuit 3.
  • the control device 1A includes a preamplifier 11, an A / D converter 12, a first controller (feedback controller such as a PID controller) 13, and a second controller (machine learning control such as a neuro controller). ) 14, a difference time amount calculator 15, and a counter 16.
  • the preamplifier 11 receives the output voltage e o , output current e s , and input voltage e i of the DC / DC converter 2, amplifies them, and outputs them as e eo , e es , and e ei .
  • the A / D converter 12 converts these values into digital signals E eo , E es and E ei , respectively.
  • the first controller (feedback controller) 13 a digital signal E eo (corresponding to the output voltage e o) to obtain the first hour amount N Ton_A for off timing of the switch as fee-back control amount, n (N: a subscript indicating the number of sampling).
  • the second controller (machine learning controller) 14 indicates the change state of the load resistance R, A storage device is provided for storing the relationship of the digital value E ei of the input voltage e i .
  • the second controller (machine learning controller) 14 can perform feedforward control. 3 previous to the sampling data, using the E eo-1, E eo- 2, E eo-3, n -th N EoEst, the predicted that (which is n, n-th output voltage e o Means that the sampling value E eo-n is predicted).
  • the second controller (machine learning controller) 14 is a neuro controller
  • the number of units in the input layer is three.
  • the hidden unit is twice the input layer unit, ie, 6, and the S-shaped function (sigmoid function) is used as the activation function.
  • the weight parameter is initialized at random and learned by a back propagation algorithm using a standard sum of square error function.
  • the second time amount (machine learning control amount) is obtained by weighting the deviation between the control target value N eo * and the control predicted value N eoEst in sampling by ⁇ n .
  • N Ton_B ⁇ n (N eo * -N eoEst ) (4) It is represented by For example, N eo * can be a target value for the n-th sampling, and N eoEst can be a predicted value for the n-th sampling.
  • ⁇ n A ⁇ exp ( ⁇ ⁇ n) (5)
  • A is a factor (constant) for suppressing the first (first) undershoot or overshoot
  • ⁇ is a factor (positive constant) for attenuating the second and subsequent overshoots. is there.
  • the difference time amount calculator 15 obtains a difference between the first amount of time from the first controller (feedback controller) 13 and the second amount of time from the second controller (machine learning controller) 14, and this difference Is sent to the drive circuit 3. For example, if the number of data points is 1000 corresponding to the switching frequency, a prediction value of e on is obtained after repetition (in this case, 1000 times) with a back propagation algorithm using learning data. Later, a second amount of time NeoEst is obtained.
  • the second controller (machine learning controller) 14 of processing when performing more predictable and the output voltage e o and the output current i o and the input voltage e s will be described with reference to FIG.
  • the second controller (machine learning controller) 14 of FIG. 5 the output voltage e o, the output current i o, digital signal E eo corresponding to the input voltage e i and the output current E es, input Assume that the voltage E ei is acquired.
  • the second controller (machine learning controller) 14 acquires the digital signals E eo , E es , and E ei (S200), it measures the change state of the load resistance R in relation to the digital value E ei of the input voltage. (S210). That is, the input voltage e i is at what bolts, or the load resistance R is changed from what ohms many Ohms is measured.
  • a change state similar to the measurement result is searched in the storage device (S220). For example, when the input voltage e i is Ex volts (Ex: voltage value) and the load resistance R is changed from Rx1 ohm to Rx2 ohm (Rx1, Rx2: resistance value), the input voltage e i is Ex volt. Then, it is searched whether or not the state in which the load resistance R has changed from Rx1 ohm to Rx2 ohm (Rx1, Rx2: resistance value) is stored in the storage device.
  • the predicted value N eoEST is called from the storage device (S240), and the second time is calculated from the target value N eo * and the predicted value N eoEST.
  • the amount NTon_B is calculated (S250). Then, the calculated second time amount N Ton_B is passed to the difference time amount calculator 15 (S260).
  • similar but not identical change states can be set as “similar change states”.
  • the criterion of “similar change state” can be defined as appropriate. For example, when the resistance value R changes from Rx1 to Rx2 when the input voltage e i is Ex volts, this change state is determined when the input voltage e i is When the resistance value R is within the range of (1 ⁇ 0.2) ⁇ Ex volts and the resistance value R changes from the range of (1 ⁇ 0.2) ⁇ Rx1 to the range of (1 ⁇ 0.2) ⁇ Rx2. It can be assumed that it is a “similar change state” to the change state.
  • the “similar change state” is in the storage device (“YES” in S230)
  • the “similar change state” when it falls outside the appropriate similar range (for example, the value before the change voltage and / or the value after the change)
  • the value is in the range of, for example, 5 percent or more and less than 10 percent
  • the change state and the predicted value at this time can be stored in the storage device.
  • the predicted value N eoEST is determined in accordance with the change state of the load resistance R and the digital signal E eo at that time ( S270), the predicted value NeoEST is stored in the storage device (S280).
  • the predicted value NeoEST can be specifically determined by the neuro theory.
  • the voltage shown in the transient characteristic diagram of the output voltage in FIG. 7A and the transient characteristic diagram of the output current in FIG. 7B is roughly sampled (1000 times / sec. ). Then, by predicting the operation using the machine learning function (for example, using a neural network in the case of the neuro control), the transient characteristic diagram of the output voltage in FIG. 8A and FIG. As shown in the transient characteristic diagram of the output current, overshoot and undershoot are reduced.
  • the resistance value R of the load 28 is detected before and after the step change, the learning / prediction corresponding to the combination is stored in the memory, and correction is performed based on the learning / prediction.
  • the feedback amount is covered by the conventional feedback control, and the feed forward amount (N Ton_1 ) is covered by learning / prediction / correction.
  • Table 1 (B) compares the behavior of the inductor current when overshooting between feedback control (PID control) and control based on the present invention (PID control + machine learning (neuro) control). An example is shown.
  • FIG. 9 is a schematic diagram showing another embodiment showing a DC / DC converter to which the control device of the present invention is applied.
  • the DC / DC converter 2 includes a switch circuit 22, a transformer 23, a rectifier 24, a smoothing inductor 25 (L o ), and an output capacitor 26 (C o ).
  • the smoothing inductor 25 is connected in series with an inductor current detection resistor r L
  • the output capacitor 26 is connected in series with a capacitor current detection resistor r C
  • the load 28 is connected in series with an output current detection resistor 27 (r s ) is connected.
  • a DC power source 21 is connected to the input side of the DC / DC converter 2, and a load 28 (R) is connected to the output side.
  • the DC power supply 21 is shown as a battery for convenience, but may be a DC supply terminal
  • the load 28 is shown as a DC resistance R, but may be an AC resistance (impedance).
  • r s, r L, r c Since omitted as it may, there is shown a symbol by a broken line.
  • the control device 1B sends to the drive circuit 3 a timing command value (time signal T ON, n ) for turning on the switch of the switch circuit 22.
  • the timing command value has a mechanism to synchronize the clock signal from the outside (external clock CK O).
  • the frequency of the signal state change of the load equal to the frequency of the external clock signal CK O or by the frequency of constant times, a state change load the timing of turning on the switch of the switch circuit 22 It is possible to synchronize. With this action, the switching noise timing of the DC / DC converter can be managed in synchronization with the load state change, so that external control of the electromagnetic compatibility of the DC / DC converter 2 can be realized.
  • FIG. 10 is a diagram schematically showing the control device 1B shown in FIG.
  • the control device 1B includes a preamplifier 11, an A / D converter 12, a first controller (feedback controller such as a PID controller) 13, a second controller 14, a difference time amount calculator 15, and a counter 16. And an external clock selector 29.
  • the preamplifier 11 includes at least an output voltage value e o , an output current i o (detection value e s ), an input voltage e i , an inductor current i L (detection value e Li ), and a capacitor current i C (detection value e Ci ).
  • the A / D converter 12 converts these output values into digital signals E eo , E es , E ei , E eLi , and E eCi , respectively.
  • E eo digital signals
  • the first controller (feedback controller) 13 inputs at least one of the digital signal E eo and E es , E ei , E eLi , and E eCi and is used for the switch off timing as a feedback control amount.
  • a first amount of time N Ton_A, n is generated (n: a subscript meaning what number sampling).
  • the second controller 14 is a machine learning controller such as a neuro controller, and receives at least one of the digital signals E eo and E es , E ei , E eLi , and E eCi for switching off timing. As the control amount, the second time amount N Ton_B is generated.
  • N Ton_B ⁇ n (N eo * -N eoEst )
  • N eo * is a target value for the n-th sampling
  • N eoEst can be a predicted value in the n-th sampling.
  • ⁇ n is the formula (5)
  • ⁇ n A ⁇ exp ( ⁇ ⁇ n)
  • the difference time amount calculator 15 calculates a difference between the first amount of time from the first controller 13 and the second amount of time from the second controller 14, and sends this difference to the counter 16.
  • the counter 16 When the counter 16 counts up, the counter 16 sends a timing command value (time signal T ON ) for turning on the switch of the switch circuit 22 to the drive circuit 3. Since the clock signal of the counter 16 uses a signal synchronized with the timing of the external synchronization signal (Cko), the rise time of the timing command value (time signal T ON ) is always the same as or constant multiple of the timing of the external synchronization signal. It becomes frequency. Processing of the second controller 14 when performing prediction by the output voltage detection value e o is the same as described in FIG. 3.

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Dc-Dc Converters (AREA)

Abstract

　フィードバック制御量としてのスイッチのオフタイミングのための第１時間量を生成するＦＢ制御器と、ＦＦ的な制御量としてのスイッチのオフタイミングのための第２時間量を算出する機械学習制御器と、第１時間量と第２時間量との差分を求め当該差分を駆動回路に当該差分信号を送出する差分時間量算出器とを備える。機械学習制御器は、あるサンプリングにおける制御目標値と学習履歴から算出した制御予測値との偏差に、α＝Ａ・ｅｘｐ（－λ×ｎ）（Ａ：最初（一番目）のオーバシュート抑制因子（ゼロ以外の定数）、λ：二番目のアンダーシュート減衰因子、ｎ：何番目のサンプリングかを示す整数）の項を含む重み付けをして、第２時間量を算出する。

Description

ＤＣ／ＤＣコンバータの制御装置
　本発明は、フィードバック制御と機械学習によるフィードフォワード制御（たとえば、ニューロ制御）とを組み合わせることで、安定性を担保しつつ、非線形の動的システムの出力電圧の予測が可能なＤＣ／ＤＣコンバータの制御装置に関する。
　従来、フィードバック制御およびフィードフォワード制御が可能な制御回路を備えたＤＣ／ＤＣコンバータが知られている（特許文献１、特許文献２等参照）。
特開２００５－２１８１５７ 特開２００４－１２０９４０ 特開２００６－０４２５６５
　フィードフォワード制御では、オーバーシュート（または、アンダーシュート）を抑制しようとすると、条件によっては、制御装置が、次にくるアンダーシュート（または、オーバーシュート）を助長するように振舞う場合もある（オーバシュート低減技術については、特許文献３等参照）。
　本発明の目的は、フィードバック制御とフィードフォワード的な制御（たとえば、ニューロ制御等の機械学習制御）とを組み合わせることで、安定性を担保しつつ、非線形の動的システムの出力電圧の予測が可能なＤＣ／ＤＣコンバータの制御装置を提供することである。
　本発明のＤＣ／ＤＣコンバータの制御装置は、以下を要旨とする。
（１）
　ＤＣ／ＤＣコンバータの出力電圧値、および、出力電流値，入力電圧値，インダクタ電流値，キャパシタ電流値の少なくとも１つを取得して駆動回路にスイッチのオン・オフ信号指令値を送出するＤＣ／ＤＣコンバータの制御装置であって、
　前記ＤＣ／ＤＣコンバータの前記出力電圧値、またはさらに、前記出力電流値，前記入力電圧値，前記インダクタ電流値，前記キャパシタ電流値の少なくとも１つから、フィードバック制御量としてのスイッチのオフタイミングのための第１時間量を生成するフィードバック制御器と、
　前記ＤＣ／ＤＣコンバータの前記出力電圧値、またはさらに、前記出力電流値，前記入力電圧値，前記インダクタ電流値，前記キャパシタ電流値の少なくとも１つから、制御量としてのスイッチのオフタイミングのための第２時間量を算出する機械学習制御器と、
　前記フィードバック制御器からの第１時間量と前記機械学習制御器からの第２時間量との差分を求め、当該差分を前記駆動回路に当該差分信号を送出する差分時間量算出器と、
を備え、
　前記機械学習制御器は、
　あるサンプリングにおける制御目標値と学習履歴から算出した制御予測値との偏差に、
　α＝Ａ・ｆ（ｎ，λ）
　　Ａ：最初（一番目）のアンダーシュートまたはオーバーシュートを抑制するための因子（ゼロ以外の値）
　　ｆ（ｎ，λ）：減衰関数
　　λ：二番目のオーバーシュートまたはアンダーシュートを減衰させるための因子（ゼロ以外の正の値）
　　ｎ：何番目のサンプリングかを示す整数
の項を含む重み付けをし、またはさらに、この重み付けした値にバイアス分を付与して、前記第２時間量を算出する、
ことを特徴とするＤＣ／ＤＣコンバータの制御装置。
　すなわち、制御目標値をＸ*、制御予測値をＸとすると、制御量は、α×（Ｘ*－Ｘ）と表すことができる。このとき、上記制御量にはオフセットＢを付加することもできる。
　機械学習に基づく制御量に大きなゲインＡを掛けることによって最初アンダーシュートまたはオーバーシュートを制御する。そのすぐ後に生ずるオーバシュートあるいはアンダーシュートについて、機械学習に基づく制御量に上記のゲインＡをそのまま掛ける過補償になるため、減衰関数ｆ（ｎ，λ）でゲインの影響を急速に弱めている。
　（２）
　前記・ｆ（ｎ，λ）が、
　ｅｘｐ（－λ×ｎ）
であることを特徴とする（１）に記載のＤＣ／ＤＣコンバータの制御装置。
（３）
　前記機械学習制御器は、前記第２時間量の算出値、前記第２時間量の算出開始条件、前記第２時間量の算出の基礎となったパラメータ（前記ＤＣ／ＤＣコンバータの前記出力電圧値、またはさらに、前記出力電流値，前記入力電圧値，前記インダクタ電流値，前記キャパシタ電流値の少なくとも１つ）を記憶する記憶装置を備えたことを特徴とする（１）または（２）に記載のＤＣ／ＤＣコンバータの制御装置。
（４）
　前記機械学習制御器は、ＤＣ／ＤＣコンバータの出力電圧および出力電流から過渡変化前後の負荷の抵抗値またはインピーダンスを求め、当該負荷抵抗またはインピーダンスに対応する制御予測値を前記記憶装置から引用することを特徴とする（３）に記載のＤＣ／ＤＣコンバータの制御装置。
（５）
　前記機械学習制御器は、ＤＣ／ＤＣコンバータの入力電圧および出力電流から過渡変化前後の負荷の抵抗値またはインピーダンスを求め、当該負荷抵抗またはインピーダンスに対応する制御予測値を前記記憶装置から引用することを特徴とする（３）に記載のＤＣ／ＤＣコンバータの制御装置。
（６）
　前記の制御装置は、複数の外部クロック信号のうちから１クロックを選択するクロック選択器を備え、スイッチ回路のスイッチをオンするタイミングを、前記選択した外部クロック信号に同期させて、スイッチングノイズの発生タイミングを負荷の状態変化に同期させることを特徴とする（１）に記載のＤＣ／ＤＣコンバータの制御装置。
　本発明では、差分時間量算出器の出力（ＮTon）を制御するために、多層のニューラル・ネットワークからなるニューロ制御器等の機械学習制御器をフィードフォワード的な制御器として機能させるとともに、フィードバック制御器も制御に使用される。したがって、本発明では、非線形の動的システムの予測が可能となるし、フィードバック制御器により安定性も担保される。
　また、本発明では、第２時間量（機械学習制御量）を、サンプリングにおける機械学習制御目標値と機械学習制御予測値との偏差に、〔Ａ・ｅｘｐ（－λ×ｎ）〕（Ａ：最初（一番目）のアンダーシュートまたはオーバーシュートを抑制するための因子（ゼロ以外の定数），λ：二番目のオーバーシュートまたはアンダーシュートを減衰させるための因子（ゼロ以外の正の定数），ｎ：何番目のサンプリングかを示す整数）で重み付けをした。これにより、最初（一番目）のアンダーシュートまたはオーバーシュートが抑制されるとともに、二番目以降のオーバーシュートまたはアンダーシュートを減衰させることができる。
本発明の制御装置が適用されるＤＣ／ＤＣコンバータを示す模式図である。 図１の制御装置を具体的に示す機能ブロック図である。 図２の制御装置において、出力電圧検出値により予測を行う場合の処理を示すフローチャートである。 制御パラメータを限定して示す図１のＤＣ／ＤＣコンバータを示す図である。 フィードバック制御器と機械学習制御器とを備えた図４の制御装置の機能ブロック図である。 図５の制御装置において、機械学習制御器が入力電圧検出値と出力電圧検出値と出力電流検出値とにより予測を行う場合の処理を示すフローチャートである。 （Ａ）は機械学習制御を行わないときの出力電圧の過渡特性を示す図、（Ｂ）は機械学習制御を行わないときの出力電流の過渡特性を示す図である。 （Ａ）は機械学習制御を行ったときの出力電圧の過渡特性を示す図、（Ｂ）は機械学習制御を行ったときの出力電流の過渡特性を示す図である。 本発明の制御装置が適用されるＤＣ／ＤＣコンバータの他の例を示す模式図である。 図８の制御装置を具体的に示す機能ブロック図である。
　図１は、本発明の制御装置が適用されるＤＣ／ＤＣコンバータを示す模式図である。
　図１において、ＤＣ／ＤＣコンバータ２は、スイッチ回路２２と、トランス２３と、整流器２４と、平滑用インダクタ２５（Ｌo）と、出力キャパシタ２６（Ｃo）からなる。平滑用インダクタ２５には直列にインダクタ電流検出用抵抗ｒLが接続され、出力キャパシタ２６にはキャパシタ電流検出用抵抗ｒCが直列接続され、後述する負荷２８には直列に出力電流検出用抵抗２７（ｒs）が接続されている。また、ＤＣ／ＤＣコンバータ２の入力側には、直流電源２１が接続され、出力側には負荷２８（Ｒ）が接続されている。図１では直流電源２１は便宜上バッテリーで示してあるが直流供給端子であってもよく、負荷２８は直流抵抗Ｒで示してあるが交流抵抗（インピーダンス）であってもよい。なお、図１では、ｒs，ｒL，ｒcは、省かれることがあるので、シンボルを破線で示してある。
　図１では、出力電圧ｅo、および出力電流ｉo（検出値ｅs），入力電圧（直流電源電圧）ｅi，インダクタ電流ｉL（検出値ｅLi），キャパシタ電流ｉC（検出値ｅCi）の少なくとも１つが制御装置１Ａに送出され、制御装置１Ａは駆動回路３に、スイッチ回路２２のスイッチをオンするタイミング指令値（時間信号Ｔon,n）を送出する。
　図２は、図１に示した制御装置１Ａの概略を示す図である。
　制御装置１Ａは、プリアンプ１１と、Ａ／Ｄコンバータ１２と、第１制御器（ＰＩＤ制御器等のフィードバック制御器）１３と、第２制御器１４と、差分時間量算出器１５と、カウンタ１６とを備えている。
　プリアンプ１１は、出力電圧値ｅo、および出力電流ｉo（検出値ｅs），入力電圧ｅi，インダクタ電流ｉL（検出値ｅLi），キャパシタ電流ｉC（検出値ｅCi）の少なくとも１つを入力し、これらを増幅して、ｅeo、およびｅes，ｅei，ｅeLi，ｅeCiとして出力する。Ａ／Ｄコンバータ１２はこれらの出力値をそれぞれディジタル信号Ｅeo，Ｅes，Ｅei，ＥeLi，ＥeCiに変換する。なお、図２では、ｒs，ｒL，ｒcは省かれることがあるので、シンボルを破線で示し、ディジタル信号Ｅes，Ｅei，ＥeLi，ＥeCiは省かれることがあるので、データの流れを意味する矢印を破線で示してある。
　第１制御器（フィードバック制御器）１３は、ディジタル信号Ｅeoおよび、Ｅes，Ｅei，ＥeLi，ＥeCiの少なくとも１つを入力し、フィーバック制御量としてのスイッチのオフタイミングのための第１時間量ＮTon_A,nを生成する（ｎ：何番目のサンプリングかを意味する添え字）。
　第２制御器１４は、ニューロ制御器等の機械学習制御器であり、ディジタル信号Ｅeoおよび、Ｅes，Ｅei，ＥeLi，ＥeCiの少なくとも１つを入力し、スイッチオフのタイミングのための制御量として、第２時間量ＮTon_Bを生成する。
　なお、第２時間量ＮTon_Bは、
　　ＮTon_B＝αn（Ｎeo,n *－ＮeoEst,n）　　　（１）
で表され、たとえば、Ｎeo,n *は、ｎ回目のサンプリングに対する目標値であり、ＮeoEst,nは、ｎ回目のサンプリングにおける予測値とできる。ｎは、たとえば、変化が生じてからのサンプリング回数である。
　αnは、減衰関数であり、典型的には（２）式で表すことができる。
　　　αn＝Ａ・ｅｘｐ（－λ×ｎ）　　　（２）
　ｎは、上述したように何番目のサンプリングかを意味する添え字である。また、Ａおよびλは、Ａ＝９０，λ＝５０，０００のような値であり、たとえば、シミュレーションにより決定することができるし、周知の制御理論（適応制御理論・最適制御理論等）により決定することもできる（この場合、Ｎeo,n *，ＮeoEst,n，ｄ（Ｎeo,n *）／ｄｎ，ｄ（Ｎeo,n）／ｄｎ等の値を参照にすることができる。）
　αnは、
　　　αn＝Ａ・ｅｘｐ（－λ×ｎ）　　　（２）
で表すことができる。具体的には、Ａ＝９０，λ＝５０，０００とすることができる。
　差分時間量算出器１５は、第１制御器１３からの第１時間量と第２制御器１４からの第２時間量との差分を求め、この差分をカウンタ１６に送出する。
　カウンタ１６は、カウントアップしたときに、スイッチ回路２２のスイッチをオンするタイミング指令値（時間信号ＴON）を駆動回路３に送出する。
　出力電圧検出値ｅoにより予測を行う場合の第２制御器１４の処理を図３により説明する。なお、この例では、図２の第２制御器（ニューロ制御器等の機械学習制御器）１４は、出力電圧ｅo，出力電流ｉo，入力電圧ｅiに対応するディジタル信号Ｅeo、Ｅes，Ｅeiを取得するものとする。
　第２制御器１４は、ディジタル信号Ｅeo，Ｅes，Ｅeiを取得すると（Ｓ１００）、負荷抵抗Ｒの変化状態をディジタル値Ｅeiの関係において測定する（Ｓ１１０）。ここで、入力電圧ｅiが何ボルトのときに、負荷抵抗Ｒが何オームから何オームに変化したかが測定される。負荷抵抗Ｒの値は、出力電圧ｅoに対応するディジタル信号Ｅeo，出力電流ｅiに対応するディジタル信号Ｅesから、所定のサンプリング周期で計算される。
　また、第２制御器１２は、負荷抵抗Ｒの変化状態およびそのときのディジタル信号Ｅeoに基づき、機械学習機能による予測値ＮeoESTを決定する（Ｓ１２０）。予測値ＮeoESTは、具体的には、ニューロ理論により決定できる。
　たとえば、負荷抵抗Ｒにある変化が生じたとする。今回は、負荷抵抗Ｒの変化状態およびそのときのディジタル信号Ｅeoの変化状態を観察して、最適だったであろう予測値ＮeoESTを計算するだけである。
　すなわち、第２制御器１２は、一回の変化が起きてから収束するまでの変化の状況を学習したので、次回はそれを抑えるようにフィードフォワード的に働いている。ただ、その場合も第１制御器１３が、負荷Ｒの変化だけでなくフィードフォワード的な変化にも併せて対応するように働くので、指数関数的に急速にフィードフォワードの動きを減衰させている（前述の式（２）参照）。
　そして、第２制御器１２は、所定の目標値Ｎeo *と、Ｓ１２０で求めた予測値ＮeoESTとから第２時間量ＮTon_Bを計算し（Ｓ１３０）、第２時間量ＮTon_Bを差分時間量算出器１５に渡す（Ｓ１４０）。
　図４は、制御パラメータを限定した図１のＤＣ／ＤＣコンバータ２を示す図であり、図５は第１制御器（フィードバック制御器）１３と第２制御器（機械学習制御器）１４とを備えた図４の制御装置１Ａの機能ブロック図である。
　図４では、出力電圧ｅo，出力電流ｉo，入力電圧値ｅiが制御装置１Ａに送出され、制御装置１Ａはこれらに基づきスイッチ回路２２のスイッチをオンするタイミング指令値（時間信号ＴON）を算出し、これを駆動回路３に送出している。
　図５において、制御装置１Ａは、プリアンプ１１と、Ａ／Ｄコンバータ１２と、第１制御器（ＰＩＤ制御器等のフィードバック制御器）１３と、第２制御器（ニューロ制御器等の機械学習制御器）１４と、差分時間量算出器１５と、カウンタ１６とを備えている。
　プリアンプ１１は、ＤＣ／ＤＣコンバータ２の出力電圧ｅo，出力電流ｅs，入力電圧ｅiを入力し、これらを増幅して、ｅeo，ｅes，ｅeiとして出力する。Ａ／Ｄコンバータ１２はこれらの値をそれぞれディジタル信号Ｅeo，Ｅes，Ｅeiに変換する。
　第１制御器（フィードバック制御器）１３は、ディジタル信号Ｅeo（出力電圧ｅoに対応）を取得して、フィーバック制御量としてのスイッチのオフタイミングのための第１時間量ＮTon_A,nを生成する（ｎ：何番目のサンプリングかを意味する添え字）。
　第１時間量（フィードバック制御量）は、通常のフィードバック制御に準じたとえば、
　ＮTon_A,n＝Ｋp（Ｎeo,n-1－ＮR）＋ＫIΣＮI,n-1＋ＫD（Ｎeo,n-1－ＮR-1）　　　　（３）
で表される。
　第２制御器（機械学習制御器）１４は、負荷抵抗Ｒの変化状態を、
入力電圧ｅiのディジタル値Ｅeiの関係において記憶する記憶装置を有している。また、第２制御器（機械学習制御器）１４は、ディジタル信号Ｅeo（出力電圧ｅoに対応）、ディジタル信号Ｅes（出力電流の電圧変換値ｅsに対応）およびディジタル信号Ｅei（入力電圧ｅiに対応）を入力し、機械学習制御量としてのスイッチのオフタイミングのための第２時間量ＮTon_B,nを生成する。
　第２制御器（機械学習制御器）１４は、フィードフォワード制御を行うことができる。３つ前までのサンプリングデータ、Ｅeo-1，Ｅeo-2，Ｅeo-3を使用し、ｎ番目のＮeoEst,nを予測している（これは、出力電圧ｅoのｎ番目のサンプリング値Ｅeo-nを予測することを意味する）。
　したがって、第２制御器（機械学習制御器）１４がニューロ制御器である場合には、入力層のユニット数は３になる。隠れユニットは、入力層のユニットの２倍、すなわち６であり、Ｓ字関数（シグモイド関数）は活性化関数として使用される。また、重みパラメータは、ランダムに初期化されて、標準の平方和誤差関数による逆伝播アルゴリズムで学習される。
　第２時間量（機械学習制御量）は、サンプリングにおける制御目標値Ｎeo *と制御予測値ＮeoEstとの偏差に、αnで重み付けをした、
　　　ＮTon_B＝αn（Ｎeo *－ＮeoEst）　　　（４）
で表される。たとえば、Ｎeo *は、ｎ回目のサンプリングに対する目標値であり、ＮeoEstは、ｎ回目のサンプリングにおける予測値とできる。
　αnは、
　　　αn＝Ａ・ｅｘｐ（－λ×ｎ）　　　（５）
で表すことができる。具体的には、Ａ＝９０，λ＝５０，０００とすることができる。
　Ａは、最初（一番目）のアンダーシュートまたはオーバーシュートを抑制するための因子（定数）であり、λは、二番目以降のオーバーシュートまたはアンダーシュートを減衰させるための因子（正の定数）である。
　差分時間量算出器１５は、第１制御器（フィードバック制御器）１３からの第１時間量と第２制御器（機械学習制御器）１４からの第２時間量との差分を求め、この差分を駆動回路３に送出する。
　データポイントの個数はたとえばスイッチング周波数に対応して１０００とした場合、学習データを使用している逆伝播アルゴリズムを伴う繰り返し（この場合、１０００回）の後、ｅo-nの予測値が得られ、この後に、第２時間量ＮeoEstが得られる。
　出力電圧ｅoと出力電流ｉoと入力電圧ｅsとより予測を行う場合の第２制御器（機械学習制御器）１４の処理を図６により説明する。なお、この例では、図５の第２制御器（機械学習制御器）１４は、出力電圧ｅo，出力電流ｉo，入力電圧ｅiに対応するディジタル信号Ｅeo，出力電流Ｅes，入力電圧Ｅeiを取得するものとする。
　第２制御器（機械学習制御器）１４は、ディジタル信号Ｅeo，Ｅes，Ｅeiを取得すると（Ｓ２００）、負荷抵抗Ｒの変化状態を、入力電圧のディジタル値Ｅeiの関係において測定する（Ｓ２１０）。すなわち、入力電圧ｅiが何ボルトのときに、負荷抵抗Ｒが何オームから何オームに変化したかが測定される。
　この測定結果と同様の変化状態を、記憶装置内でサーチする（Ｓ２２０）。たとえば、入力電圧ｅiがＥｘボルト（Ｅｘ：電圧値）のときに、負荷抵抗ＲがＲｘ１オームからＲｘ２オーム（Ｒｘ１，Ｒｘ２：抵抗値）に変化した場合、入力電圧ｅiがＥｘボルトのときに、負荷抵抗ＲがＲｘ１オームからＲｘ２オーム（Ｒｘ１，Ｒｘ２：抵抗値）に変化した状態が記憶装置に記憶されているか否かをサーチする。
　そして、該当する変化状態が記憶装置内にあるとき（Ｓ２３０の「ＹＥＳ」）は、記憶装置から予測値ＮeoESTを呼び出し（Ｓ２４０）、目標値Ｎeo*と予測値ＮeoESTとから第２時間量ＮＴｏｎ＿Ｂを計算する（Ｓ２５０）。そして、計算した第２時間量ＮTon_Bを差分時間量演算器１５に渡す（Ｓ２６０）。
　なお、Ｓ２３０において、同一ではないが似ている変化状態を「同様の変化状態」とすることができる。「同様の変化状態」とする基準は、適宜定義でき、たとえば、入力電圧ｅiがＥｘボルトのときに、抵抗値ＲがＲｘ１からＲｘ２に変化した場合、この変化状態は、入力電圧ｅiが（１±０．２）×Ｅｘボルトの範囲内にあり、抵抗値Ｒが（１±０．２）×Ｒｘ１の範囲内から（１±０．２）×Ｒｘ２の範囲内に変化した場合の変化状態と「同様の変化状態」であるとすることができる。
　また、「同様の変化状態」が記憶装置内にあるとき（Ｓ２３０の「ＹＥＳ」）であっても、適宜の類似範囲から外れるとき（たとえば、変化電圧の変化前の値および／または変化後の値が、たとえば５パーセント以上１０パーセント未満の範囲にあるとき）は、このときの変化状態と予測値を記憶装置に格納することができる。
　Ｓ２３０において、該当する変化状態が記憶装置内にないとき（Ｓ２３０の「ＮＯ」）は、負荷抵抗Ｒの変化状態およびそのときのディジタル信号Ｅeoに対応して、予測値ＮeoESTを決定し（Ｓ２７０）、この予測値ＮeoESTを記憶装置に保存する（Ｓ２８０）。
　本実施形態でも、予測値ＮeoESTは、具体的には、ニューロ理論により決定できる。たとえば、負荷抵抗Ｒにある変化が生じたとする。今回は、負荷抵抗Ｒの変化状態およびそのときのディジタル信号Ｅeoの変化状態を観察して、最適だったであろう予測値ＮeoESTを計算するだけである。
　すなわち、第２制御器１２は、一回の変化が起きてから収束するまでの変化の状況を学習したので、次回はそれを抑えるようにフィードフォワード的に働いている。ただ、その場合も第１制御器１３が、負荷Ｒの変化だけでなくフィードフォワード的な変化にも併せて対応するように働くので、指数関数的に急速にフィードフォワードの動きを減衰させている（前述の式（５）参照）。
　図４の制御装置１Ａを用いることで、図７（Ａ）の出力電圧の過渡特性図、図７（Ｂ）の出力電流の過渡特性図に示すような電圧を大まかなサンプリング（１０００回／ｓｅｃ）で取り込むことができる。
　そして、機械学習機能を使って（たとえば、ニューロ制御の場合にはニューラル・ネットワークを使って）動作を予測することで、図８（Ａ）の出力電圧の過渡特性図、図８（Ｂ）の出力電流の過渡特性図に示すようにオーバーシュートやアンダーシュートが低減される。
　この予測値を記憶しておき、式（２）のように、出力電圧との差を取り、それを式（３）で修正することですぐれた過渡特性が実現できる。
　従って、１度目は学習するだけであるが、２度目にその現象が起きた場合は学習結果に基づき予測し、さらに式（３）で補正して優れた過渡特性を実現している。
　ここでは、負荷２８の抵抗値Ｒをステップ変化前と変化後に検出して，その組み合わせに対応した学習・予測をメモリに蓄え，それに基づいて補正を行う。そして、（１）式に示すように、フィードバック分は従来のフィードバック制御で賄い、フィードフォワード分（ＮTon_1）相当を学習・予測・補正で賄っている。
　表１（Ａ）に、出力電圧ｅoのアンダーシュート・オーバーシュート時の振る舞い、および収束時間ｔstの大きさを、ＰＩＤ制御と本発明に基づく制御（ＰＩＤ制御＋機械学習（ニューロ）制御）とで比較した例を示し、表１（Ｂ）にインダクタ電流のオーバーシュート時の振る舞いをフィードバック制御（ＰＩＤ制御）と本発明に基づく制御（ＰＩＤ制御＋機械学習（ニューロ）制御）とで比較した例を示す。
Figure JPOXMLDOC01-appb-T000001
Figure JPOXMLDOC01-appb-I000002
　図９は、本発明の制御装置が適用されるＤＣ／ＤＣコンバータを示す他の実施形態を示す模式図である。
　図９において、ＤＣ／ＤＣコンバータ２は、スイッチ回路２２と、トランス２３と、整流器２４と、平滑用インダクタ２５（Ｌo）と、出力キャパシタ２６（Ｃo）からなる。平滑用インダクタ２５には直列にインダクタ電流検出用抵抗ｒLが接続され、出力キャパシタ２６にはキャパシタ電流検出用抵抗ｒCが直列接続され、負荷２８には直列に出力電流検出用抵抗２７（ｒs）が接続されている。
　また、ＤＣ／ＤＣコンバータ２の入力側には、直流電源２１が接続され、出力側には負荷２８（Ｒ）が接続されている。図９では直流電源２１は便宜上バッテリーで示してあるが直流供給端子であってもよく、負荷２８は直流抵抗Ｒで示してあるが交流抵抗（インピーダンス）であってもよい。なお、図９では、ｒs，ｒL，ｒcは、省かれることがあるので、シンボルを破線で示してある。
　図９では、出力電圧ｅo、および出力電流ｉo（検出値ｅs），入力電圧ｅi，インダクタ電流ｉL（検出値ｅLi），キャパシタ電流ｉC（検出値ｅCi）の少なくとも１つが外部同期選択式の制御装置１Ｂに送出され、制御装置１Ｂは駆動回路３に、スイッチ回路２２のスイッチをオンするタイミング指令値（時間信号ＴON,n）を送出する。
このタイミング指令値は、外部からのクロック信号（外部クロックＣＫO）に同期する機構を持つ。
　このため、たとえば、負荷の状態変化の信号の周波数を、外部クロック信号ＣＫOの周波数と同一または、定数倍の周波数とすることにより、スイッチ回路２２のスイッチをオンするタイミングを負荷の状態変化と同期することが可能である。
　この作用により、ＤＣ／ＤＣコンバータのスイッチングノイズのタイミングは、負荷の状態変化に同期した管理ができるため、ＤＣ／ＤＣコンバータ２の電磁適合性の外部制御を実現することができる。
　図１０は、図９に示した制御装置１Ｂの概略を示す図である。
　制御装置１Ｂは、プリアンプ１１と、Ａ／Ｄコンバータ１２と、第１制御器（ＰＩＤ制御器等のフィードバック制御器）１３と、第２制御器１４と、差分時間量算出器１５と、カウンタ１６と外部クロック選択器２９を備えている。
　プリアンプ１１は、出力電圧値ｅo、および出力電流ｉo（検出値ｅs），入力電圧ｅi，インダクタ電流ｉL（検出値ｅLi），キャパシタ電流ｉC（検出値ｅCi）の少なくとも１つを入力し、これらを増幅して、ｅeo、およびｅes，ｅei，ｅeLi，ｅeCiとして出力する。Ａ／Ｄコンバータ１２はこれらの出力値をそれぞれディジタル信号Ｅeo，Ｅes，Ｅei，ＥeLi，ＥeCiに変換する。なお、図９では、ｒs，ｒL，ｒcは省かれることがあるので、シンボルを破線で示し、ディジタル信号Ｅes，Ｅei，ＥeLi，ＥeCiは省かれることがあるので、データの流れを意味する矢印を破線で示してある。
　第１制御器（フィードバック制御器）１３は、ディジタル信号Ｅeoおよび、Ｅes，Ｅei，ＥeLi，ＥeCiの少なくとも１つを入力し、フィーバック制御量としてのスイッチのオフタイミングのための第１時間量ＮTon_A,nを生成する（ｎ：何番目のサンプリングかを意味する添え字）。
　第２制御器１４は、ニューロ制御器等の機械学習制御器であり、ディジタル信号Ｅeoおよび、Ｅes，Ｅei，ＥeLi，ＥeCiの少なくとも１つを入力し、スイッチオフのタイミングのための制御量として、第２時間量ＮTon_Bを生成する。
　なお、第２時間量ＮTon_Bは、前記図１の動作説明と同様に、（４）式、
　　ＮTon_B＝αn（Ｎeo *－ＮeoEst）
で表され、たとえば、Ｎeo *は、ｎ回目のサンプリングに対する目標値であり、ＮeoEstは、ｎ回目のサンプリングにおける予測値とできる。
　αnは、（５）式、
　　　αn＝Ａ・ｅｘｐ（－λ×ｎ）
で表すことができる。
　差分時間量算出器１５は、第１制御器１３からの第１時間量と第２制御器１４からの第２時間量との差分を求め、この差分をカウンタ１６に送出する。
　カウンタ１６は、カウントアップしたときに、スイッチ回路２２のスイッチをオンするタイミング指令値（時間信号ＴON）を駆動回路３に送出する。
　このカウンタ１６のクロック信号は、外部同期信号（Ｃｋｏ）のタイミングに同期した信号を活用するため、タイミング指令値（時間信号ＴON）の立ち上がり時間は常に、外部同期信号のタイミングと同一もしくは定倍周波数となる。
　出力電圧検出値ｅoにより予測を行う場合の第２制御器１４の処理は、前記図３に説明したと同じである。
　１　制御装置
　２　ＤＣ／ＤＣコンバータ
　３　駆動回路
　１１　プリアンプ
　１２　Ａ／Ｄコンバータ
　１３　第１制御器（フィードバック制御器）
　１４　第２制御器（機械学習制御器）
　１５　差分時間量算出器
　１６　カウンタ
　２２　スイッチ回路
　２３　トランス
　２４　整流器
　２５　平滑用インダクタ
　２６　出力キャパシタ
　２７　電流検出用抵抗
　２８　負荷
　２９　クロック選択器
　３０　外部同期選択制御装置

Claims (6)

  1. 　ＤＣ／ＤＣコンバータの出力電圧値、および、出力電流値，入力電圧値，インダクタ電流値，キャパシタ電流値の少なくとも１つを取得して駆動回路にスイッチのオン・オフ信号指令値を送出するＤＣ／ＤＣコンバータの制御装置であって、
    　前記ＤＣ／ＤＣコンバータの前記出力電圧値、またはさらに、前記出力電流値，前記入力電圧値，前記インダクタ電流値，前記キャパシタ電流値の少なくとも１つから、フィードバック制御量としてのスイッチのオフタイミングのための第１時間量を生成するフィードバック制御器と、
    　前記ＤＣ／ＤＣコンバータの前記出力電圧値、またはさらに、前記出力電流値，前記入力電圧値，前記インダクタ電流値，前記キャパシタ電流値の少なくとも１つから、制御量としてのスイッチのオフタイミングのための第２時間量を算出する機械学習制御器と、
    　前記フィードバック制御器からの第１時間量と前記機械学習制御器からの第２時間量との差分を求め、当該差分を前記駆動回路に当該差分信号を送出する差分時間量算出器と、
    を備え、
    　前記機械学習制御器は、
    　あるサンプリングにおける制御目標値と学習履歴から算出した制御予測値との偏差に、
    　α＝Ａ・ｆ（ｎ，λ）
    　　Ａ：最初（一番目）のアンダーシュートまたはオーバーシュートを抑制するための因子（ゼロ以外の値）
    　　ｆ（ｎ，λ）：減衰関数
    　　λ：二番目のオーバーシュートまたはアンダーシュートを減衰させるための因子（ゼロ以外の正の値）
    　　ｎ：何番目のサンプリングかを示す整数
    の項を含む重み付けをし、またはさらに、この重み付けした値にバイアス分を付与して、前記第２時間量を算出する、
    ことを特徴とするＤＣ／ＤＣコンバータの制御装置。
  2. 　前記・ｆ（ｎ，λ）が、
    　ｅｘｐ（－λ×ｎ）
    であることを特徴とする請求項１に記載のＤＣ／ＤＣコンバータの制御装置。
  3. 　前記機械学習制御器は、前記第２時間量の算出値、前記第２時間量の算出開始条件、前記第２時間量の算出の基礎となったパラメータ（前記ＤＣ／ＤＣコンバータの前記出力電圧値、またはさらに、前記出力電流値，前記入力電圧値，前記インダクタ電流値，前記キャパシタ電流値の少なくとも１つ）を記憶する記憶装置を備えたことを特徴とする請求項１に記載のＤＣ／ＤＣコンバータの制御装置。
  4. 　前記機械学習制御器は、ＤＣ／ＤＣコンバータの出力電圧および出力電流から過渡変化前後の負荷の抵抗値またはインピーダンスを求め、当該負荷抵抗またはインピーダンスに対応する制御予測値を前記記憶装置から引用することを特徴とする請求項３に記載のＤＣ／ＤＣコンバータの制御装置。
  5. 　前記機械学習制御器は、ＤＣ／ＤＣコンバータの入力電圧および出力電流から過渡変化前後の負荷の抵抗値またはインピーダンスを求め、当該負荷抵抗またはインピーダンスに対応する制御予測値を前記記憶装置から引用することを特徴とする請求項３に記載のＤＣ／ＤＣコンバータの制御装置。
  6. 　前記の制御装置は、複数の外部クロック信号のうちから１クロックを選択するクロック選択器を備え、スイッチ回路のスイッチをオンするタイミングを、前記選択した外部クロック信号に同期させて、スイッチングノイズの発生タイミングを負荷の状態変化に同期させることを特徴とする請求項５に記載のＤＣ／ＤＣコンバータの制御装置。
PCT/JP2010/067190 2009-09-30 2010-09-30 Ｄｃ／ｄｃコンバータの制御装置 Ceased WO2011040591A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US13/498,289 US8493046B2 (en) 2009-09-30 2010-09-30 Control device for DC/DC converter
JP2011534344A JP5412658B2 (ja) 2009-09-30 2010-09-30 Ｄｃ／ｄｃコンバータの制御装置
KR1020127007735A KR101277899B1 (ko) 2009-09-30 2010-09-30 Ｄｃ/ｄｃ컨버터의 제어장치
EP10820706.9A EP2485380B8 (en) 2009-09-30 2010-09-30 Dc/dc converter control device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2009229146 2009-09-30
JP2009-229146 2009-09-30

Publications (1)

Publication Number Publication Date
WO2011040591A1 true WO2011040591A1 (ja) 2011-04-07

Family

ID=43826397

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2010/067190 Ceased WO2011040591A1 (ja) 2009-09-30 2010-09-30 Ｄｃ／ｄｃコンバータの制御装置

Country Status (5)

Country Link
US (1) US8493046B2 (ja)
EP (1) EP2485380B8 (ja)
JP (1) JP5412658B2 (ja)
KR (1) KR101277899B1 (ja)
WO (1) WO2011040591A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017033908A1 (ja) * 2015-08-25 2017-03-02 国立大学法人 長崎大学 電力変換回路の制御装置
JP2017070105A (ja) * 2015-09-30 2017-04-06 ファナック株式会社 パラメータを自動調整する機能を有する機械学習装置及び電動機制御装置
JP6545428B1 (ja) * 2019-01-15 2019-07-17 三菱電機株式会社 電力変換器の制御装置
WO2020234964A1 (ja) * 2019-05-20 2020-11-26 三菱電機株式会社 電源装置
WO2021156931A1 (ja) * 2020-02-04 2021-08-12 三菱電機株式会社 電力変換器の制御装置

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101383989B1 (ko) * 2010-01-31 2014-04-10 미쯔비시 덴기 가부시키가이샤 전력변환장치의 제어회로 및 제어방법
JP6045308B2 (ja) * 2012-11-08 2016-12-14 三菱重工業株式会社 アクティブコンバータの制御装置およびその方法ならびにプログラム
US20160268912A1 (en) * 2015-03-12 2016-09-15 Dell Products L.P. Systems and methods for current sensing in a power system
JP5956662B1 (ja) * 2015-07-31 2016-07-27 ファナック株式会社 電源回生を調整するモータ制御装置、順変換器の制御装置、ならびに機械学習装置およびその方法
CN107436560A (zh) 2016-05-26 2017-12-05 台达电子企业管理（上海）有限公司 电源控制方法、电源控制装置和电源控制系统
JP6541927B1 (ja) * 2018-02-16 2019-07-10 三菱電機株式会社 電力変換器の制御装置
US11539292B2 (en) 2018-02-16 2022-12-27 Mitsubishi Electric Corporation Power converter control device with feedforward
EP3961314A1 (en) * 2020-08-31 2022-03-02 Siemens Aktiengesellschaft Control loop optimization
CN116683488B (zh) * 2023-05-30 2024-03-01 西南交通大学 一种三端口双向dc/dc变换器结构的控制策略
WO2025043583A1 (en) * 2023-08-31 2025-03-06 Nvidia Corporation Techniques for sensing current in multiphase trans-inductor voltage regulators

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02501884A (ja) * 1987-10-15 1990-06-21 アスコム　ハスレル　エージー 過渡的な状態のためにスイッチング調節器（バック・セル）が有害な影響を受けることを防止する方法と装置
JP2004120940A (ja) 2002-09-27 2004-04-15 Texas Instr Japan Ltd Ｄｃ−ｄｃコンバータ
JP2005021857A (ja) 2003-07-02 2005-01-27 Yamakoo:Kk 塗装台及び塗装台装着治具
JP2006042565A (ja) 2004-07-30 2006-02-09 Tokyo Electric Power Co Inc:The 電力スイッチング回路、電力変換装置及び電力用半導体スイッチング素子の駆動方法
JP2008125286A (ja) * 2006-11-14 2008-05-29 Shindengen Electric Mfg Co Ltd スイッチング電源、スイッチング電源の制御方法、スイッチング電源の制御プログラム
WO2009001615A1 (ja) * 2007-05-29 2008-12-31 Nagasaki University, National University Corporation 予測制御システム
JP2009526365A (ja) * 2006-02-10 2009-07-16 フィリップス ソリッド−ステート ライティング ソリューションズ インコーポレイテッド 負荷当たり単一のスイッチング段を使用した高力率の制御された電力供給のための方法及び装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4882526A (en) * 1986-08-12 1989-11-21 Kabushiki Kaisha Toshiba Adaptive process control system
US6039028A (en) * 1999-01-14 2000-03-21 Ford Global Technologies, Inc. Active engine speed pulsation damping
SG109420A1 (en) * 2000-04-25 2005-03-30 Univ Singapore An adaptive ripple suppression/compensation apparatus for permanent magnet linear motors
US6591808B2 (en) * 2001-10-01 2003-07-15 Ford Global Technologies, Llc Adaptive PID control method and system for internal combustion engine rotation speed pulsation damping
US6956361B1 (en) * 2004-07-14 2005-10-18 Delphi Technologies, Inc. DC/DC converter employing synchronous rectification
US6992469B1 (en) * 2004-12-08 2006-01-31 Kiawe Forest, Llc Digital voltage regulator for DC/DC converters
US7289341B2 (en) * 2004-12-14 2007-10-30 Advanced Energy Industries, Inc. Power supply adaptive feedforward control circuit
US7459893B2 (en) * 2006-04-20 2008-12-02 Mark E Jacobs Optimal feedback control of switch-mode power converters
GB2438465B (en) * 2006-05-23 2008-05-21 Cambridge Semiconductor Ltd Switch mode power supply controllers
JP5279299B2 (ja) * 2008-02-29 2013-09-04 キヤノン株式会社 反復学習制御回路を備える位置制御装置、露光装置及びデバイス製造方法
TWI379500B (en) * 2009-11-11 2012-12-11 Richtek Technology Corp A power converter control circuit and method

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02501884A (ja) * 1987-10-15 1990-06-21 アスコム　ハスレル　エージー 過渡的な状態のためにスイッチング調節器（バック・セル）が有害な影響を受けることを防止する方法と装置
JP2004120940A (ja) 2002-09-27 2004-04-15 Texas Instr Japan Ltd Ｄｃ−ｄｃコンバータ
JP2005021857A (ja) 2003-07-02 2005-01-27 Yamakoo:Kk 塗装台及び塗装台装着治具
JP2006042565A (ja) 2004-07-30 2006-02-09 Tokyo Electric Power Co Inc:The 電力スイッチング回路、電力変換装置及び電力用半導体スイッチング素子の駆動方法
JP2009526365A (ja) * 2006-02-10 2009-07-16 フィリップス ソリッド−ステート ライティング ソリューションズ インコーポレイテッド 負荷当たり単一のスイッチング段を使用した高力率の制御された電力供給のための方法及び装置
JP2008125286A (ja) * 2006-11-14 2008-05-29 Shindengen Electric Mfg Co Ltd スイッチング電源、スイッチング電源の制御方法、スイッチング電源の制御プログラム
WO2009001615A1 (ja) * 2007-05-29 2008-12-31 Nagasaki University, National University Corporation 予測制御システム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP2485380A4

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017033908A1 (ja) * 2015-08-25 2017-03-02 国立大学法人 長崎大学 電力変換回路の制御装置
JPWO2017033908A1 (ja) * 2015-08-25 2018-06-07 国立大学法人 長崎大学 電力変換回路の制御装置
JP2017070105A (ja) * 2015-09-30 2017-04-06 ファナック株式会社 パラメータを自動調整する機能を有する機械学習装置及び電動機制御装置
US10353351B2 (en) 2015-09-30 2019-07-16 Fanuc Corporation Machine learning system and motor control system having function of automatically adjusting parameter
JP6545428B1 (ja) * 2019-01-15 2019-07-17 三菱電機株式会社 電力変換器の制御装置
WO2020148808A1 (ja) * 2019-01-15 2020-07-23 三菱電機株式会社 電力変換器の制御装置
WO2020234964A1 (ja) * 2019-05-20 2020-11-26 三菱電機株式会社 電源装置
JPWO2020234964A1 (ja) * 2019-05-20 2021-11-04 三菱電機株式会社 電源装置
JP7080398B2 (ja) 2019-05-20 2022-06-03 三菱電機株式会社 電源装置
WO2021156931A1 (ja) * 2020-02-04 2021-08-12 三菱電機株式会社 電力変換器の制御装置
JPWO2021156931A1 (ja) * 2020-02-04 2021-08-12
JP7162764B2 (ja) 2020-02-04 2022-10-28 三菱電機株式会社 電力変換器の制御装置

Also Published As

Publication number Publication date
EP2485380A4 (en) 2016-04-06
EP2485380B1 (en) 2017-08-16
US20120243265A1 (en) 2012-09-27
JPWO2011040591A1 (ja) 2013-02-28
KR20120068888A (ko) 2012-06-27
EP2485380A1 (en) 2012-08-08
EP2485380B8 (en) 2017-09-20
JP5412658B2 (ja) 2014-02-12
US8493046B2 (en) 2013-07-23
KR101277899B1 (ko) 2013-06-21

Similar Documents

Publication Publication Date Title
JP5412658B2 (ja) Ｄｃ／ｄｃコンバータの制御装置
JP5765016B2 (ja) 電力変換回路の制御装置
Wang et al. L1 adaptive controller for nonlinear time-varying reference systems
Jiménez‐Rodríguez et al. On optimal predefined‐time stabilization
JP4830705B2 (ja) 無効電力制御装置及び無効電力補償装置
CN109962638B (zh) 电力转换装置
US9654006B2 (en) Semiconductor device and control method thereof
US20190296944A1 (en) Electronic device and method of receiving data
US7630779B2 (en) Self compensating closed loop adaptive control system
US11539292B2 (en) Power converter control device with feedforward
US20100237844A1 (en) Reference voltage providing circuit and related method
WO2016143689A1 (ja) 配電系統の設備計画支援装置および設備計画支援方法
JP5052393B2 (ja) レーダ用直流電源装置
CN113805624B (zh) 加热元件温度控制方法及装置、图像形成装置
CN101082812B (zh) 自补偿闭环自适应控制系统
TW202036187A (zh) 控制裝置以及控制方法
JP2017041248A (ja) サーボ制御装置
JP5678844B2 (ja) 電力変換器の制御装置
WO2017094403A1 (ja) スイッチング電源装置及びドループ特性補正方法
TW202321859A (zh) 數位低壓差穩壓器及其控制方法
Yuan et al. Observer‐based fixed‐time SOSM hybrid control with a nonvanishing mismatched disturbance
JP5125190B2 (ja) 位相制御方法および位相制御装置
JP2006146525A (ja) 電源装置および電源装置の負荷電圧補償方法
US10509629B2 (en) Control device
JP5736997B2 (ja) 交流電源の瞬低補償装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10820706

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20127007735

Country of ref document: KR

Kind code of ref document: A

REEP Request for entry into the european phase

Ref document number: 2010820706

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2010820706

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2011534344

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 13498289

Country of ref document: US