← 返回
基于深度确定性策略梯度方案的电动汽车新型永磁同步电机控制的实时SIL验证
Real-Time SIL Validation of a Novel PMSM Control Based on Deep Deterministic Policy Gradient Scheme for Electrified Vehicles
| 作者 | Soumava Bhattacharjee · Sukanta Halder · Ye Yan · Aiswarya Balamurali · Lakshmi Varaha Iyer · Narayan C. Kar |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2022年8月 |
| 技术分类 | 电动汽车驱动 |
| 技术标签 | 强化学习 深度学习 充电桩 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | PMSM 矢量控制 深度确定性策略梯度 强化学习 电动汽车 SIL验证 非线性控制 |
语言:
中文摘要
本文探讨了电动汽车应用中永磁同步电机（PMSM）的矢量控制问题。针对传统控制技术在处理非线性电机参数及参数整定方面的局限性，提出了一种基于深度确定性策略梯度（DDPG）的强化学习控制方案，并通过实时软件在环（SIL）仿真验证了其性能。
English Abstract
Vector control plays a critical role in a permanent magnet synchronous motor (PMSM) drive to deliver the desired torque in electrified vehicle applications. Motor speed and stator current control depend on various nonlinear motor parameters that influence the performance of PMSM. Moreover, tuning of speed and current controller parameters using conventional control techniques also depends on these...
S
SunView 深度解读
该研究利用深度强化学习优化电机控制，对阳光电源的电动汽车充电桩业务具有重要参考价值。随着充电桩向高功率、高效率及智能化方向发展，引入AI算法优化功率变换模块的控制策略，可显著提升系统在复杂工况下的动态响应能力和效率。建议研发团队关注该技术在充电桩功率模块控制中的应用，通过强化学习替代传统PID整定，以应对负载波动，提升产品智能化水平，并为未来车网互动（V2G）场景下的高效能量管理提供技术储备。