⚡ electrical engineering

Controlling the Cuk Converter using Piecewise Linear Lyapunov Functions

Questo articolo presenta un progetto di legge di controllo commutata per il convertitore Cuk in modalità di conduzione continua, basato sull'utilizzo di funzioni di Lyapunov piecewise lineari costruite con un numero variabile di variabili di stato e validato attraverso simulazioni rappresentative.

Autori originali: Aleksandra Lekić, Nikola Petrović, Dušan Stipanović

Pubblicato 2026-04-23

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Aleksandra Lekić, Nikola Petrović, Dušan Stipanović

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di dover guidare un'auto molto complessa, un po' come un'auto da corsa che cambia motore ogni millisecondo. Questo "motore" è un convertitore Ćuk, un dispositivo elettronico che serve a trasformare l'energia elettrica (ad esempio, abbassare o alzare la tensione di una batteria) in modo efficiente.

Il problema? Questa auto è instabile. Se la lasci andare libera, oscilla, sobbalza e potrebbe andare fuori strada. L'obiettivo degli autori di questo articolo è creare un autopilota intelligente che tenga l'auto stabile, liscia e precisa, senza sbalzi improvvisi.

Ecco come ci sono riusciti, spiegato con metafore:

1. Il Problema: Un'auto che "tremola"

I convertitori di energia funzionano accendendo e spegnendo interruttori (come un semaforo che cambia velocemente da verde a rosso). Questo crea due stati diversi:

Stato A: L'interruttore è su "ON".
Stato B: L'interruttore è su "OFF".

Il sistema è così veloce che sembra un unico flusso, ma in realtà è un continuo "saltare" tra questi due stati. Se non si controlla bene questo salto, l'energia in uscita "tremola" (si chiama ripple) e l'auto va in crisi.

2. La Soluzione: La "Mappa a Fette" (Funzioni di Lyapunov)

Gli autori non usano il classico metodo (che sarebbe come guidare guardando solo il cruscotto e correggendo piano piano). Usano invece un metodo più sofisticato basato sulle Funzioni di Lyapunov a tratti lineari.

Facciamo un'analogia con una pallina che rotola in una ciotola:

Per far fermare la pallina nel punto giusto, devi creare una "ciotola" (una valle) dove la pallina rotola giù fino al centro e si ferma.
In questo paper, gli ingegneri non costruiscono una ciotola liscia e perfetta. Costruiscono una ciotola fatta di pezzi di vetro piatti incollati insieme (da qui "a tratti lineari" o "polytopic").
Ogni "pezzo di vetro" è una regola diversa. A seconda di dove si trova la pallina (lo stato del convertitore), il sistema applica la regola specifica di quel pezzo di vetro per spingerla verso il centro.

3. La Magia: Quante "Regole" servono?

Il cuore della ricerca è capire quante variabili (quanti "sensori") servono per disegnare questa ciotola perfetta. Gli autori hanno fatto quattro esperimenti, come se stessero disegnando mappe con diversi livelli di dettaglio:

Mappa con 2 sensori (Correnti): Hanno usato solo due variabili per guidare l'auto.
- Risultato: L'auto arriva a destinazione, ma all'inizio fa un piccolo "sobbalzo" (overshoot) prima di stabilizzarsi. È come se frenasse un po' tardi.
Mappa con 3 sensori: Hanno aggiunto una terza variabile (la tensione di un condensatore).
- Risultato: Il viaggio è molto più fluido. Niente sobbalzi iniziali. L'auto entra nella curva perfettamente.
Mappa con 4 sensori (Tutto il sistema): Hanno usato tutte e quattro le variabili disponibili.
- Risultato: È la guida più precisa in assoluto. Non ci sono errori, ma il viaggio iniziale è leggermente più lungo perché il sistema sta "pensando" a più cose contemporaneamente. È come avere un pilota che controlla anche il meteo, il traffico e il livello di carburante, non solo la strada.

4. Perché è importante?

Prima di questo metodo, per controllare questi convertitori si usavano tecniche che potevano portare a comportamenti caotici (come un'auto che inizia a fare la ruota da sola) o che lasciavano troppi "vibrazioni" nell'energia.

Con questo nuovo metodo:

Niente caos: L'auto non va mai fuori controllo.
Precisione chirurgica: Sanno esattamente quanto "tremolerà" l'energia quando è ferma (il ripple), e possono decidere di renderlo piccolissimo.
Flessibilità: Possono scegliere se privilegiare la velocità di arrivo (usando meno sensori) o la massima stabilità (usando tutti i sensori).

In sintesi

Gli autori hanno creato un sistema di guida automatico per un convertitore di energia molto complesso. Invece di usare un'unica regola rigida, hanno costruito una "mappa a mosaico" fatta di regole diverse. Più pezzi di mosaico (variabili) usano per disegnare la mappa, più il viaggio è liscio e sicuro, evitando che l'energia "salti" o si destabilizzi.

È come passare da un guidatore che guarda solo la strada davanti (metodi vecchi) a un pilota che ha una mappa 3D in tempo reale di ogni dettaglio dell'auto e della strada, garantendo un viaggio perfetto.

1. Il Problema

I convertitori DC-DC, e in particolare il convertitore Ćuk, sono sistemi non lineari a commutazione che operano in diverse modalità dinamiche. Sebbene i metodi di controllo classici basati sulla media delle variabili e su regolatori PID siano ampiamente utilizzati, questi possono non garantire prestazioni ottimali in termini di perdite dinamiche e gestione delle non linearità intrinseche.
Il convertitore Ćuk operante in Modalità di Conduzione Continua (CCM) presenta una sfida specifica: il sistema commuta tra due sottosistemi che sono marginalmente stabili. Inoltre, una delle variabili di stato (la corrente dell'induttore $i_{L2}$ ) è intrinsecamente instabile in entrambi i sottosistemi. L'obiettivo della ricerca è progettare una legge di controllo a commutazione che non solo stabilizzi il sistema attorno a un punto di equilibrio desiderato, ma permetta anche un controllo preciso dell'ondulazione (ripple) delle variabili di stato, evitando sovraelongazioni (overshoot) durante la transitoria iniziale.

2. Metodologia

Gli autori propongono l'uso di Funzioni di Lyapunov Lineari a Pezzi (PLLF - Piecewise Linear Lyapunov Functions) per la sintesi del controllo.

Modellazione: Il convertitore Ćuk è modellato come un sistema dinamico lineare a tempo invariante (LTI) che commuta tra due modalità (quando il transistor è ON e quando è OFF). Vengono derivati gli stati di equilibrio e le equazioni di stato per entrambe le modalità.
Costruzione della Funzione di Lyapunov: Viene definita una funzione di Lyapunov della forma $V(x) = \max_i |c_i^T (x - \bar{x})|$ , dove $x$ è il vettore di stato, $\bar{x}$ è l'equilibrio desiderato e $c_i$ sono coefficienti da determinare.
Insieme Attrattivo (Politopo): La funzione di Lyapunov definisce un politopo (insieme convesso) che agisce come insieme attrattivo. Il controllo di commutazione è progettato per mantenere lo stato del sistema all'interno di questo politopo.
Sintesi dei Coefficienti: I coefficienti della funzione di Lyapunov sono calcolati in modo analitico per garantire che la derivata della funzione sia negativa definita (o semi-definita per i sistemi marginalmente stabili) su tutte le facce del politopo. Un aspetto cruciale è che la variabile di stato instabile ( $i_{L2}$ ) deve essere inclusa obbligatoriamente nella costruzione del politopo per garantire la stabilità.
Legge di Commutazione: Viene proposta una legge di commutazione basata sul valore della funzione di Lyapunov, che seleziona la modalità di funzionamento (sottosistema 1 o 2) per mantenere lo stato all'interno dell'insieme di livello desiderato.

3. Contributi Chiave

Gestione della Stabilità Marginale: Il lavoro dimostra come gestire efficacemente la natura marginalmente stabile del convertitore Ćuk in CCM, richiedendo l'uso di due PLLF con insiemi di livello politopici specifici.
Decoupling Dinamico: Viene mostrato che il sistema può essere decoupled in due dinamiche distinte: una relativa a $i_{L1}$ e $v_{C1}$ (che determina lo stato stazionario e il ripple) e un'altra relativa a $i_{L2}$ e $v_{C2}$ (che influenza la transitoria iniziale e il sovraelongazione).
Flessibilità nel Numero di Variabili: L'approccio permette di costruire il politopo utilizzando un numero variabile di variabili di stato (da 2 a 4), offrendo un compromesso tra complessità computazionale e prestazioni dinamiche.
Precisione nel Ripple: A differenza dei metodi di controllo isteretici tradizionali, questo approccio fornisce stime molto precise del ripple nello stato stazionario.

4. Risultati delle Simulazioni

Gli autori hanno condotto simulazioni numeriche confrontando quattro diverse configurazioni di politopi basati su diverse combinazioni di variabili di stato:

Politopo a 2 variabili ( $i_{L1}, i_{L2}$ ):
- La scelta del segno del coefficiente associato a $i_{L2}$ influenza il comportamento transitorio.
- Con un coefficiente negativo, si ottiene nessuna sovraelongazione (overshoot) durante la transitoria iniziale.
- Con un coefficiente positivo, si osserva un overshoot, sebbene lo stato stazionario rimanga identico.
Politopo a 3 variabili ( $i_{L1}, i_{L2}, v_{C1}$ ):
- Elimina completamente l'overshoot osservato nella configurazione a 2 variabili per la tensione del condensatore $C_1$ durante la transitoria.
- Migliora la risposta transitoria rispetto alla configurazione a 2 variabili senza introdurre overshoot.
Politopo a 4 variabili (tutte le variabili di stato):
- Garantisce l'assenza di overshoot.
- Tuttavia, l'inclusione di una variabile aggiuntiva ( $v_{C2}$ ) comporta una transitoria iniziale più lunga rispetto alle configurazioni con meno variabili.

In tutti i casi, la funzione di Lyapunov commutata è rimasta inferiore a 1, confermando che il sistema è rimasto all'interno dell'insieme attrattivo progettato.

5. Significato e Conclusione

Il lavoro dimostra che il controllo basato su Funzioni di Lyapunov Lineari a Pezzi è una metodologia efficace per la stabilizzazione dei convertitori Ćuk in CCM.

Vantaggi: Il metodo offre una stabilità garantita, una stima precisa del ripple e la possibilità di modulare il comportamento transitorio (overshoot vs. tempo di assestamento) selezionando strategicamente quali variabili di stato includere nella costruzione del politopo.
Impatto: Rispetto ai metodi PID o al controllo a isteresi, questo approccio non lineare riduce le perdite dinamiche e offre una maggiore robustezza nella gestione delle non linearità dei sistemi a commutazione.
Conclusione: La procedura di sintesi presentata permette di progettare controllori con specifiche prestazioni sia nello stato stazionario che durante le transizioni, rendendola una soluzione promettente per applicazioni di elettronica di potenza ad alte prestazioni.