找到 5 条结果 · IEEE Transactions on Power Electronics
基于自适应神经网络的电池荷电状态
SOC）预设时间观测器
Chenyang Pan · Zhaoxia Peng · Shichun Yang · Guoguang Wen 等5人 · IEEE Transactions on Power Electronics · 2023年1月
收敛速度是评估电池荷电状态（SOC）估算性能的关键指标。本文提出了一种基于自适应径向基函数（RBF）神经网络的预设时间观测器，用于提升SOC估算的收敛速度。该方法利用自适应RBF神经网络逼近电池等效电路模型中的非线性部分，并实现参数的在线更新，从而在预设时间内实现高精度的SOC状态估计。
解读: 该技术对阳光电源的储能业务（如PowerTitan、PowerStack系列）具有极高价值。SOC估算的精度与收敛速度直接决定了储能系统的可用容量利用率及运行安全性。引入预设时间观测器和神经网络算法，可有效解决电池老化导致的非线性模型失准问题，提升BMS在复杂工况下的估算鲁棒性。建议研发团队将其集成...
基于观测器的NPC变换器自适应滑模控制：一种RBF神经网络方法
Observer-Based Adaptive Sliding Mode Control of NPC Converters: An RBF Neural Network Approach
Yunfei Yin · Jianxing Liu · Juan Antonio Sanchez · Ligang Wu 等7人 · IEEE Transactions on Power Electronics · 2019年4月
本文提出了一种针对三电平中点钳位（NPC）功率变换器的新型控制策略。该方案包含瞬时功率跟踪、电压调节和中点电压平衡三个控制环路。通过设计自适应滑模控制器，实现了对有功和无功功率的精确跟踪，并引入RBF神经网络以增强系统的鲁棒性和动态性能。
解读: 该研究直接针对三电平NPC拓扑，这是阳光电源组串式逆变器（如SG系列）和集中式逆变器中广泛使用的核心拓扑。引入RBF神经网络的自适应滑模控制能显著提升复杂电网环境下的功率跟踪精度和中点电位平衡能力，有助于优化逆变器在弱电网下的动态响应。建议研发团队关注该算法在DSP/FPGA上的计算资源消耗，可考虑...
一种基于误差修正级联ESO和误差变换自适应RBF神经网络的永磁同步电机速度控制增强型自抗扰控制方法
An Enhanced Active Disturbance Rejection Control Method for PMSM Speed Control Using Error-Corrected Cascaded ESO and Error-Transformed Adaptive RBF Neural Network
Yuxin Kang · Yongting Deng · Chuanlong Zhai · Wenjie Li 等8人 · IEEE Transactions on Power Electronics · 2026年4月
针对复杂工况下永磁同步电机（PMSM）系统受非周期性和周期性扰动影响导致速度控制性能下降的问题，本文提出了一种增强型自抗扰控制（ADRC）方法。该方法通过级联扩展状态观测器（ESO）修正误差，并结合误差变换自适应RBF神经网络，有效提升了系统的抗扰动能力和动态响应性能。
解读: 该研究提出的增强型ADRC算法在电机高精度控制方面具有显著优势，与阳光电源的业务关联主要体现在风电变流器及电动汽车充电桩的电机驱动控制领域。风电变流器在复杂电网环境下对转矩脉动和速度控制精度要求极高，该算法可提升变流器应对电网扰动的鲁棒性。此外，在充电桩的功率模块控制或未来储能系统中的旋转机械控制中...
基于自适应RBF神经网络的电力驱动平滑速度控制
Smooth Speed Control for Electric Drives Based on Adaptive RBF Neural Network Method
Chenhao Zhao · Yuefei Zuo · Huanzhi Wang · Haiyang Cao 等5人 · IEEE Transactions on Power Electronics · 2025年11月
针对电动航空等应用中转矩脉动导致的周期性速度振荡问题，本文提出了一种基于在线训练神经网络的控制方法。该方法利用神经网络的任意关系逼近能力，有效抑制了齿槽转矩和电流采样误差带来的干扰，实现了电力驱动系统的高性能平滑速度控制。
解读: 该研究提出的自适应RBF神经网络控制算法在抑制转矩脉动和提升电机运行平滑度方面具有显著优势。对于阳光电源而言，该技术可应用于电动汽车充电桩的功率模块电机控制，或在风电变流器及储能PCS的电机驱动环节中进行技术储备，以提升系统在复杂工况下的动态响应性能和控制精度。建议研发团队关注该算法在嵌入式控制器中...
基于RBF神经网络非线性扰动观测器的PMSM驱动系统自适应高阶滑模低速控制
Adaptive High-Order Sliding-Mode Low-speed Control With RBF Neural Network Nonlinear Disturbance Observer for PMSM Drive System
Weichao Wang · Yongqiang Ye · Xudong Chen · Yongchao Yuan · IEEE Transactions on Power Electronics · 2025年8月
针对永磁同步电机（PMSM）在低速运行中受摩擦转矩、齿槽转矩及不确定扰动影响显著的问题，本文提出了一种基于RBF神经网络非线性扰动观测器的自适应积分高阶滑模复合控制器（AIHOSMC），有效提升了低速控制的鲁棒性与精度。
解读: 该技术主要针对永磁同步电机（PMSM）的精密控制，在阳光电源的产品线中，可应用于风电变流器及储能系统中的电机驱动控制环节。高阶滑模控制与RBF神经网络观测器的结合，能显著提升电机在低速或复杂工况下的转矩平稳性与动态响应能力。建议研发团队关注该算法在风电变流器低风速运行优化，以及储能系统辅助设备（如液...