目前，創統研發部技術人員在工作中通過在Matlab中建立M函數對本書提出的三相整流器神經網絡模型進行訓練和學習。神經網絡內?？刂葡到y包括圖1所示的NNM和NNC模型，仿真采用離線訓練和在線修正的方法建立NNM和NNC。設計開關頻率為10kHz，即采樣時間為100us。輸入矢量是多個不同負載狀況下輸出直流電壓的采樣數據，輸出矢量是被控對象即整流器的輸出直流電壓，輸入矢量要覆蓋整個工作區間，使得控制系統能夠獲得足夠豐富的訓練樣本。

           圖1 基于神經網絡內模的PWM整流器Matlab仿真模型

考慮到神經網絡的軟件實現時采用數字信號處理器，為了避免定點運算中數值范圍和數值精度的矛盾，所訓練的權值和閥值應大小適中，且數值相差相對較小?；谝陨显瓌t，通過多次反復訓練，圖2給出了神經網絡訓練結果，這里訓練誤差取0.1%。在訓練初期，神經網絡收斂速度較快，后期神經網絡收斂速度較慢，經過800步訓練后，誤差的均方差小于0.1%，這時可以認為神經網絡已經與整流器的動力學特性相一致。

圖2 神經網絡的訓練結果

針對PWM整流器的仿真結果如圖3和圖4所示，圖3(a)為直流輸出電壓，圖3(b)為a相電壓與電流。由仿真結果可知，直流電壓迅速跟蹤到給定值，而且交流側電壓與電流同相位，使系統達到單位功率因數輸出。由圖4可知PWM整流器網側電流諧波失真度1.38%，波形質量較好。