← 返回
基于元强化学习的永磁同步电机驱动电流控制
Meta-Reinforcement-Learning-Based Current Control of Permanent Magnet Synchronous Motor Drives for a Wide Range of Power Classes
| 作者 | Darius Jakobeit · Maximilian Schenke · Oliver Wallscheid |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2023年7月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 强化学习 机器学习 PWM控制 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 元强化学习 永磁同步电机 电流控制 无模型控制 数据驱动控制 泛化能力 |
语言:
中文摘要
本文提出了一种基于元强化学习的电流控制方案,旨在解决传统数据驱动控制算法在不同系统间迁移时需重复训练、耗时耗力的问题。通过元学习方法,控制器能够快速适应不同功率等级的永磁同步电机系统,无需针对特定设备进行参数调整,提升了模型无依赖控制算法的通用性与部署效率。
English Abstract
Data-driven reinforcement-learning-based controller schemes have much potential to aid the design of model-free control algorithms that can be trained without the necessity of plant-specific parameter knowledge. Unfortunately, the corresponding training phase is a time-consuming and possibly money-consuming process, which needs to be repeated whenever application to a new plant system is requested...
S
SunView 深度解读
该技术对阳光电源的电机驱动类业务(如风电变流器、储能系统中的辅助电机控制)具有重要参考价值。元强化学习能够显著缩短不同功率等级变流器产品的调试周期,降低研发成本。建议研发团队关注其在风电变流器控制策略中的应用,通过引入元学习算法,提升变流器对不同电机参数的自适应能力,从而增强产品在复杂工况下的鲁棒性,并为iSolarCloud平台提供更智能的设备自优化运维支持。