← 返回
基于网络深度迁移学习的无通信IPT系统恒流/恒压充电控制
Constant Current/Voltage Charging Control for Communication-Free IPT Systems via Network-Based Deep Transfer Learning
| 作者 | Yilin Liu · Pan Sun · Jun Sun · Zhuangsheng Xiao · Lei Wang · Yuan Li · Qijun Deng |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2026年4月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 充电桩 机器学习 深度学习 双向DC-DC |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 感应式电能传输 恒流/恒压充电 深度迁移学习 无通信 参数辨识 充电控制 |
语言:
中文摘要
本文针对无通信感应电能传输（IPT）系统，提出了一种基于深度迁移学习的恒流/恒压充电控制策略。该方法旨在解决传统参数辨识方法在互感和负载电阻估计中存在的误差问题，通过深度学习模型提高控制精度与响应速度，实现无需通信链路的稳定充电控制。
English Abstract
Parameter identification-based control strategies are considered the preferred solution for achieving constant current (CC) and constant voltage (CV) charging control in communication-free inductive power transfer systems. However, identification errors in mutual inductance, load resistance, and other parameters can affect control accuracy. To improve control accuracy and response speed, a communi...
S
SunView 深度解读
该技术对阳光电源的电动汽车充电桩业务具有重要参考价值。目前充电桩行业正向无线充电（IPT）领域拓展，该研究提出的无通信控制策略能有效降低系统复杂度和成本，提高充电的鲁棒性。建议研发团队关注其在车载无线充电模块中的应用，通过引入深度迁移学习算法，优化充电桩在不同负载和耦合条件下的输出特性，提升用户充电体验。此外，该算法框架可进一步迁移至阳光电源的储能变流器（PCS）控制中，用于提升复杂工况下的参数自适应能力。