找到 2 条结果
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...