Boost电路微分方程模型

boost电路，smc滑模控制，文章复现

Boost电路在电力电子里算是老熟人了，但真要玩转它的闭环控制可不容易。最近在复现一篇用滑模控制（SMC）搞Boost电路的论文，实测发现这货对付负载突变确实有两把刷子。今天咱们就边撸代码边拆解这个暴力美学控制方案。

先看Boost拓扑的基本状态方程：

def boost_model(t, x, Vin, R, L, C, u): iL, vC = x diL = (Vin - (1 - u)*vC)/L dvC = ((1 - u)*iL - vC/R)/C return [diL, dvC]

这里的状态变量是电感电流iL和电容电压vC，控制量u对应开关管的占空比。注意u出现在两个方程里，这种强耦合就是控制难搞的根源。

传统PI控制遇到负载跳变容易翻车，滑模控制的优势在于直接对着系统非线性硬刚。设计滑模面的时候，论文里用了输出电压误差和电流变化的组合：

# 滑模面设计 def sliding_surface(vC_ref, vC, iL_ref, iL, lambda): e_v = vC_ref - vC e_i = iL_ref - iL return e_v + lambda * e_i

这里的lambda是个调节参数，相当于给电压误差和电流误差分配权重。实测发现lambda选大了系统响应会变快，但抖振也明显增强，这个后面调参时再细说。

控制律部分最带感，直接上sign函数：

# 滑模控制量计算 def smc_control(s, K): u = 0.5 * (1 - np.sign(s) * K) return np.clip(u, 0.1, 0.9) # 限制占空比范围

注意这里的K不是传统意义上的增益，而是结合系统参数计算的边界层参数。原论文给的公式是K=(L/Vin)*sqrt(...)，但实际调试中发现直接当可调参数用更方便。

boost电路，smc滑模控制，文章复现

跑个仿真看看效果：

# 仿真参数设置 t_span = [0, 0.02] t_eval = np.linspace(*t_span, 2000) x0 = [0.1, 10] # 初始状态 # 主仿真循环 for i in range(len(t_eval)-1): s = sliding_surface(20, vC_hist[i], 0.5, iL_hist[i], 50) u = smc_control(s, 0.8) sol = solve_ivp(boost_model, [t[i], t[i+1]], x_hist[i], args=(12, 10, 100e-6, 470e-6, u)) x_hist.append(sol.y[:, -1])

跑出来的波形显示，负载在10ms时从10Ω突变为5Ω，输出电压从20V跌到19.2V后0.3ms内恢复，比同条件下的PI控制恢复速度快了3倍多。不过锯齿状的占空比波形暴露了滑模控制的老毛病——抖振。

调参时有个骚操作：把sign函数换成饱和函数：

def sat(s, epsilon): return np.clip(s/epsilon, -1, 1) # 修改后的控制量计算 def smc_control_soft(s, K, epsilon=0.1): u = 0.5 * (1 - sat(s, epsilon) * K) return u

这样占空比波形立刻温顺了许多，代价是动态响应速度略微降低。论文里没提这招，可能是为了突出理论性能，但实际工程中不用这技巧根本没法用。

复现过程中踩过最大的坑是电感参数选择。原论文用100μH电感，但实际仿真发现当负载电流超过2A时，电感电流断续会导致控制失稳。后来在控制律里加了电流前馈补偿才解决，这说明理论设计必须结合实际硬件特性。

最后安利一个调试技巧：在滑模面里引入积分项：

s = e_v + lambda*e_i + mu*integral(e_v)

虽然会增加系统阶数，但对付稳态误差有奇效。不过要注意积分饱和问题，配合抗饱和处理食用更佳。

这种把滑模控制拍在Boost电路上的玩法，虽然数学上不够优雅，但实测性能确实顶。下次遇到输入电压大范围波动或者负载剧烈变化的场景，不妨试试这剂猛药。