找到 2 条结果 · 控制与算法
基于物理信息神经网络
PINN）的DAB变换器电路参数自适应调制
Saikat Dey · Ayan Mallik · IEEE Transactions on Power Electronics · 2025年10月
本文提出了一种针对双有源桥（DAB）DC-DC变换器的损耗优化及参数敏感型三相移（TPS）调制方案。该方法利用物理信息神经网络（PINN）实时估计电路参数，并据此动态调整控制策略，从而实现变换器在不同工况下的高效运行。
解读: 该技术对阳光电源的储能系统（如PowerTitan、PowerStack系列）及PCS产品线具有重要价值。DAB变换器是储能变流器的核心拓扑，传统的控制策略在参数漂移（如电感老化、温度变化）下难以维持最优效率。引入PINN进行参数在线辨识与自适应调制，能显著提升储能系统在全功率范围内的转换效率，并增...
基于物理信息神经网络的六极径向主动磁轴承转子位移自感知技术
Self-Sensing Technology of Rotor Displacement for Six-Pole Radial Active Magnetic Bearing Based on Physics-Informed Neural Network
Huangqiu Zhu · Jiaqi Li · IEEE Transactions on Power Electronics · 2025年9月
针对磁轴承系统中位移传感器成本高、结构复杂的问题，本文提出了一种基于物理信息神经网络（PINN）的转子位移预测模型。该模型通过自适应调整多损失函数权重，应用于逆变器驱动的六极径向主动磁轴承，利用麦克斯韦方程推导悬浮力数学模型，实现了高精度的位移自感知。
解读: 该技术主要针对高速旋转机械的主动磁轴承控制，通过PINN算法实现无传感器化，旨在降低硬件成本与系统复杂度。虽然阳光电源的核心业务（光伏逆变器、储能PCS、风电变流器）主要涉及电力电子变换，而非磁轴承控制，但该研究中PINN算法在电力电子系统状态估计、故障诊断及复杂非线性控制中的应用具有参考价值。建议...