← 返回
基于贝叶斯推理的永磁同步电机驱动自适应模型预测电流控制
Adaptive Model Predictive Current Control for PMSM Drives Based on Bayesian Inference
| 作者 | Xiaoguang Zhang · Xiang Yu · Guofu Zhang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年6月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 模型预测控制MPC PWM控制 机器学习 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 模型预测控制 PMSM驱动 贝叶斯推理 参数鲁棒性 智能控制 人工智能 |
语言:
中文摘要
本文针对传统有限控制集模型预测电流控制（FCS-MPCC）中参数鲁棒性不足的问题，提出了一种基于贝叶斯推理的自适应模型预测电流控制（BI-AMPCC）方法。该方法利用人工智能算法提升控制系统的灵活性与鲁棒性，有效解决了电机驱动系统在参数变化下的性能衰减问题。
English Abstract
Fully utilizing artificial intelligence (AI) algorithms to develop more flexible and robust intelligent control methods is a current hot spot in research. To solve the parameter robustness problem in the conventional finite control set model predictive current control (FCS-MPCC), an adaptive model predictive current control (BI-AMPCC) method for permanent magnet synchronous motor drives based on B...
S
SunView 深度解读
该技术主要应用于电机驱动控制，与阳光电源的电动汽车充电桩（电机驱动相关模块）及风电变流器业务具有技术同源性。模型预测控制（MPC）在阳光电源的组串式逆变器和储能变流器（PCS）中已广泛应用，但参数鲁棒性一直是提升系统动态响应的关键痛点。引入贝叶斯推理等AI算法进行参数自适应优化，有助于提升阳光电源逆变器在复杂电网环境下的电流控制精度和系统稳定性。建议研发团队关注该算法在PCS弱电网适应性及风电变流器参数辨识中的应用潜力。