← 返回
基于微型神经网络的永磁同步电机超局部无模型预测控制
Tiny Neural Network-Based Ultra-Local Model-Free Predictive Control for PMSMs
| 作者 | Yang Shen · Zhenxiao Yin · Fobao Zhou · Yujia Zhang · Xueyan Wang · Hang Zhao |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2026年1月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 模型预测控制MPC 机器学习 PWM控制 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 无模型预测控制 微型神经网络 永磁同步电机(PMSM) 在线自学习 参数整定 增量控制 电机驱动 |
语言:
中文摘要
针对无模型预测控制器参数整定困难的问题,本文提出了一种基于微型神经网络的在线自学习方法。通过分析电机电压与电流的物理关系,设计了结合微型神经网络模块的增量式无模型预测控制方案,实现了控制参数的自适应优化,提升了永磁同步电机的动态响应性能与鲁棒性。
English Abstract
Aiming to address the lack of effective parameter-tuning strategies for model-free predictive controllers, this letter proposes an online self-learning approach using a tiny neural network. First, an incremental model-free predictive control scheme is introduced that incorporates a tiny neural network module. By analyzing the physical relationship between motor voltage and current, the input and o...
S
SunView 深度解读
该技术主要针对电机驱动控制,与阳光电源的电动汽车充电桩(功率模块控制)及风电变流器(电机侧控制)业务具有较强相关性。微型神经网络的引入能有效降低对电机精确数学模型的依赖,提升变流器在复杂工况下的控制精度和动态响应。建议研发团队关注该轻量化AI算法在风电变流器及充电桩功率模块中的应用,以优化电流环控制性能,提升系统在参数摄动下的稳定性,从而进一步增强阳光电源电力电子产品的智能化控制水平。