找到 2 条结果
基于改进观测趋近律的无编码器电机控制智能在线稀疏贝叶斯学习
Intelligent Online Sparse Bayesian Learning for Encoderless Motor Control With Modified Observation Reaching Law
Xueyan Wang · Fobao Zhou · Zhenxiao Yin · Yuxuan Liang 等6人 · IEEE Transactions on Power Electronics · 2025年12月
针对恶劣环境下无编码器电机控制的局限性，本文提出了一种基于改进观测趋近律的非线性磁链观测器。该方法通过引入智能在线稀疏贝叶斯学习算法，有效提升了系统的动态响应速度，并增强了对电机参数变化的鲁棒性，解决了传统无传感器控制在复杂工况下的性能瓶颈。
解读: 该技术主要应用于电机驱动控制领域，对阳光电源的风电变流器产品线具有参考价值。风电变流器在恶劣环境下运行，无编码器控制技术可降低硬件故障率并减少维护成本。文中提到的稀疏贝叶斯学习与改进趋近律算法，可优化变流器在弱电网或复杂风况下的转矩响应与稳定性。建议研发团队关注该算法在风电变流器无传感器矢量控制中的...
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
Yang Shen · Zhenxiao Yin · Fobao Zhou · Yujia Zhang 等6人 · IEEE Transactions on Power Electronics · 2026年1月
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。
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...