找到 3 条结果
基于元强化学习的永磁同步电机通用直接转矩控制器
Universal Direct Torque Controller for Permanent Magnet Synchronous Motors via Meta-Reinforcement Learning
Darius Jakobeit · Maximilian Schenke · Oliver Wallscheid · IEEE Transactions on Power Electronics · 预计 2026年5月
本文提出了一种基于元强化学习的永磁同步电机（PMSM）通用直接转矩控制方法。该方法无需预先获取电机参数，即可在数分钟内实现自动化控制设计，显著提升了控制系统的自适应能力与效率，特别适用于电动汽车驱动等工业场景。
解读: 该技术对阳光电源的电动汽车充电桩及未来可能的电机驱动业务具有重要参考价值。元强化学习能够解决传统控制策略在不同电机参数下鲁棒性不足的问题，缩短控制器的开发与调试周期。建议研发团队关注该算法在充电桩功率模块控制或未来储能系统电机负载管理中的应用，通过引入AI驱动的自适应控制，提升系统在复杂工况下的动态...
基于元强化学习的永磁同步电机驱动电流控制
Meta-Reinforcement-Learning-Based Current Control of Permanent Magnet Synchronous Motor Drives for a Wide Range of Power Classes
Darius Jakobeit · Maximilian Schenke · Oliver Wallscheid · IEEE Transactions on Power Electronics · 2023年7月
本文提出了一种基于元强化学习的电流控制方案，旨在解决传统数据驱动控制算法在不同系统间迁移时需重复训练、耗时耗力的问题。通过元学习方法，控制器能够快速适应不同功率等级的永磁同步电机系统，无需针对特定设备进行参数调整，提升了模型无依赖控制算法的通用性与部署效率。
解读: 该技术对阳光电源的电机驱动类业务（如风电变流器、储能系统中的辅助电机控制）具有重要参考价值。元强化学习能够显著缩短不同功率等级变流器产品的调试周期，降低研发成本。建议研发团队关注其在风电变流器控制策略中的应用，通过引入元学习算法，提升变流器对不同电机参数的自适应能力，从而增强产品在复杂工况下的鲁棒性...
基于边缘计算辅助安全强化学习的永磁同步电机有限集直接转矩控制
Finite-Set Direct Torque Control via Edge-Computing-Assisted Safe Reinforcement Learning for a Permanent-Magnet Synchronous Motor
Maximilian Schenke · Barnabas Haucke-Korber · Oliver Wallscheid · IEEE Transactions on Power Electronics · 2023年11月
基于强化学习（RL）的驱动控制技术实现了数据驱动训练阶段的全局优化。然而，由于训练过程中的安全性挑战，其实际应用受限。本文提出了一种边缘计算辅助的安全强化学习方法，用于永磁同步电机的有限集直接转矩控制，在无需先验模型的情况下实现了高效驱动控制，并解决了实时训练中的安全约束问题。
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及风电变流器业务具有技术关联性。通过边缘计算辅助强化学习，可提升变流器在复杂工况下的动态响应能力和控制精度，减少对精确数学模型的依赖。建议研发团队关注该算法在风电变流器转矩控制及充电桩功率模块动态优化中的应用，以提升系统鲁棒性。虽然目前核心业务侧...