由于传统MPPT控制算法在复杂环境下具有局限性,因此光伏电池输出功率会在功率最大点附近出现振荡并且造成了大量的能耗损失。针对这一问题,各国学者对MPPT控制算法进行了深度的研究,并提出了智能MPPT控制算法。为了解决复杂环境下模糊控制对光伏最大功率点追踪精度不高的缺点,本文对一种模糊控制与神经网络相结合的MPPT算法进行研究。本文首先对光伏电池的工作原理进行介绍,根据光伏电池等效数学模型对光伏电池进行MATLAB建模,并对不同环境下光伏电池的输出特性进行了分析。根据MPPT控制器的设计要求,采用Boost电路作为DC/DC变换电路,并且对Boost电路进行元器件选型与建模,为以后的研究工作做好铺垫。其次,根据Boost阻抗变换电路搭建Boost电路的MPPT模型,验证了Boost变换器实现MPPT的可行性。通过传统控制算法与模糊控制在复杂环境下的优缺点分析可知,模糊控制虽然具有良好的鲁棒性,但对最大功率点的追踪精度不高。针对模糊控制追踪精度不高的缺点,本文对模糊控制与神经网络相结合的MPPT控制算法进行研究。通过将模糊控制MPPT的原理与基于MPPT的BP神经网的结构进行分析,然后对BP神经-模糊控制MPPT的结构进行设计。由BP神经-模糊控制MPPT与模糊控制MPPT仿真对比可知,BP神经-模糊控制算法可提高模糊控制的最大功率点追踪精度。最后,基于STM32单片机对光伏控制器与环境检测平台进行设计并完成实物搭建。通过对模糊控制MPPT和BP神经-模糊控制MPPT的实验对比,可得出BP神经-模糊控制算法对最大功率点追踪精度更高,验证了BP神经-模糊控制算法的优越性。