CN114114977A - 借助人工智能法控制技术***中电子转换器的方法和设备 - Google Patents
借助人工智能法控制技术***中电子转换器的方法和设备 Download PDFInfo
- Publication number
- CN114114977A CN114114977A CN202110987668.XA CN202110987668A CN114114977A CN 114114977 A CN114114977 A CN 114114977A CN 202110987668 A CN202110987668 A CN 202110987668A CN 114114977 A CN114114977 A CN 114114977A
- Authority
- CN
- China
- Prior art keywords
- control signal
- signal waveform
- model
- predicted
- behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M1/00—Details of apparatus for conversion
- H02M1/08—Circuits specially adapted for the generation of control voltages for semiconductor devices incorporated in static converters
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/28—Supervision thereof, e.g. detecting power-supply failure by out of limits supervision
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M1/00—Details of apparatus for conversion
- H02M1/0003—Details of control, feedback or regulation circuits
- H02M1/0006—Arrangements for supplying an adequate voltage to the control circuit of converters
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M1/00—Details of apparatus for conversion
- H02M1/0003—Details of control, feedback or regulation circuits
- H02M1/0012—Control circuits using digital or numerical techniques
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03K—PULSE TECHNIQUE
- H03K17/00—Electronic switching or gating, i.e. not by contact-making and –breaking
- H03K17/16—Modifications for eliminating interference voltages or currents
- H03K17/161—Modifications for eliminating interference voltages or currents in field-effect transistor switches
- H03K17/165—Modifications for eliminating interference voltages or currents in field-effect transistor switches by feedback from the output circuit to the control circuit
- H03K17/166—Soft switching
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M1/00—Details of apparatus for conversion
- H02M1/0048—Circuits or arrangements for reducing losses
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M1/00—Details of apparatus for conversion
- H02M1/0048—Circuits or arrangements for reducing losses
- H02M1/0054—Transistor switching losses
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M1/00—Details of apparatus for conversion
- H02M1/32—Means for protecting converters other than automatic disconnection
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M1/00—Details of apparatus for conversion
- H02M1/32—Means for protecting converters other than automatic disconnection
- H02M1/327—Means for protecting converters other than automatic disconnection against abnormal temperatures
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M7/00—Conversion of ac power input into dc power output; Conversion of dc power input into ac power output
- H02M7/42—Conversion of dc power input into ac power output without possibility of reversal
- H02M7/44—Conversion of dc power input into ac power output without possibility of reversal by static converters
- H02M7/48—Conversion of dc power input into ac power output without possibility of reversal by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
- H02M7/53—Conversion of dc power input into ac power output without possibility of reversal by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal
- H02M7/537—Conversion of dc power input into ac power output without possibility of reversal by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only, e.g. single switched pulse inverters
- H02M7/5387—Conversion of dc power input into ac power output without possibility of reversal by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only, e.g. single switched pulse inverters in a bridge configuration
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/10—Technologies improving the efficiency by using switched-mode power supplies [SMPS], i.e. efficient power electronics conversion e.g. power factor correction or reduction of losses in power supplies or efficient standby modes
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及用于运行具有通过至少一个控制信号控制的电子转换器的技术装置的方法,具有如下步骤:提供所提供的由一个或多个连续的原来的控制信号构成的控制信号时间序列,应该用其操控电子转换器;根据第一控制信号时间序列预测由一个或多个将来的控制信号构成的预测的控制信号时间序列;按照可训练的基于数据的控制信号模型根据提供的控制信号时间序列和预测的控制信号时间序列来修改提供的控制信号时间序列,以获得由一个或多个连续的控制信号构成的修改的控制信号时间序列,其中控制信号模型被训练来根据提供的控制信号时间序列和预测的控制信号时间序列来确定修改的控制信号时间序列;按照修改的控制信号时间序列的波形来操控电子转换器。
Description
技术领域
本发明涉及借助于控制信号对技术***中的电子转换器的控制。本发明尤其涉及用于使控制信号适配以便实现技术***的经改善的运行特性的措施。
背景技术
电子转换器是具有一个或多个转换器器件的电子电路,所述转换器器件例如包括晶体管、MOSFET、IGBT等等,以便提供所限定的电参量以操控技术***、诸如电机。
借助于控制信号来操控电子转换器,该控制信号被施加给一个或多个有源转换器器件的基极或栅极连接端。在很多应用中,控制信号针对不同事件分别遵循固定地预先给定的波形并且常常用于以所限定的方式来实施从截止状态到导通状态的转变。
控制信号由控制单元或其它驱动单元来产生。这些信号常常具有阶梯形或斜坡形波形,以便实现转换器器件的所希望的开关或传输特性。
这种转换器诸如在机动车的电牵引***中的运行对牵引***的运行状态有影响。这样,运行特性可包括车辆的航程和组件、诸如牵引电池组、电子转换器和牵引电机的老化状态。
发明内容
按照本发明,提出了一种按照权利要求1所述的用于运行具有通过至少一个控制信号来控制的电子转换器的技术装置的方法以及一种按照并列权利要求所述的设备和一种按照并列权利要求所述的技术***。
其它的设计方案在从属权利要求中说明。
按照第一方面,规定了一种用于运行具有通过控制信号来控制的电子转换器的技术装置的方法,该方法具有如下步骤:
- 提供应该用来操控电子转换器的控制信号波形;
- 根据所提供的控制信号波形来预测所预测的控制信号波形,作为该控制信号的所预测的将来的波形;
- 按照可训练的基于数据的控制信号模型根据所提供的控制信号波形并且根据所预测的控制信号波形来修改所提供的控制信号波形,以便获得经修改的控制信号波形,
- 其中该控制信号模型被训练来根据所提供的控制信号波形和所预测的控制信号波形来确定经修改的控制信号波形;
- 按照经修改的控制信号波形来操控电子转换器。
电子***通常具有转换器,所述转换器是电子电路的部分或者操控该电子电路。这种转换器、尤其是转换器器件、诸如转换器的有源电子器件通过控制信号波形的控制信号值的序列来操控,该控制信号波形由控制单元来提供。本文中,控制信号波形的控制信号值的序列被称为控制信号时间序列。出于能更简单地处理信号的原因,控制信号时间序列被假设是时间离散的。此外,转换器也可以通过超过一个控制信号波形以相同或不同的方式来操控。
用于操控转换器的控制信号波形或控制信号时间序列可具有状态转变或状态波形,尤其是以沿或斜坡形式的电位变化或电流变化,所述状态转变或状态波形引起在下游的电子电路中的相对应的反应。在电子转换器的情况下,控制信号时间序列可具有状态转变或状态波形,尤其是以沿或斜坡形式的电位变化或电流变化,所述状态转变或状态波形遵循周期性并且所述状态转变或状态波形引起在与之相关联的技术装置中的相对应的反应。
控制信号波形、尤其是状态转变的形式(电压阶跃、电压斜坡等等)可以决定性地确定转换器和借此运行的技术装置的行为。例如,技术装置的功率损耗和干扰、***的使用寿命以及对转换器器件或电子转换器的负荷可以决定性地通过控制信号波形或控制信号时间序列的随时间的状态波形、状态转变或状态波形来确定。
按照上述方法规定:设置基于数据的控制信号模型,以便针对电子转换器的操控来优化控制信号波形的形状(随时间的波形)。控制信号模型被训练用于:根据所提供的控制信号波形、即控制信号时间序列并且根据所预测的控制信号波形、即对所提供的控制信号波形进行更新的所预测的控制信号时间序列,生成经修改的控制信号波形用来操控转换器器件以及最终操控该技术装置。在此,经优化的/经修改的控制信号波形关于技术装置的长时间的被预测的行为方面得到优化。
控制信号模型还可以构造为:还根据如下参量中的一个或多个参量来确定经修改的控制信号波形:电子转换器和/或所要操控的技术装置的一个或多个运行参量;电子转换器和/或所要操控的技术装置的一个或多个运行特性;电子转换器和/或所要操控的技术装置的一个或多个***特性;以及该技术装置的一个或多个***参量。
在此,运行参量可影响该技术装置的运行并且尤其是包括如下参数中的一个或多个参数:整体结构的热阻;与电子构件耦合的备用电容器(Stützkondensator)的电容;和这些参量的方差。
可以规定:控制信号模型构造为可训练的基于数据的模型,尤其是构造为人工神经网络,诸如多层感知器(Multi-Layer Perceptron)或者递归神经网络。
此外,用于操控电子转换器的所提供的控制信号波形和所预测的控制信号波形可以通过控制信号参数来参数化或限定,和/或经修改的控制信号波形可以通过相对应的经修改的控制信号参数来参数化或限定。
尤其是,可以通过时间段和电参量、尤其是电压或电流的被分配给这些时间段的值来执行对所提供的控制信号波形和/或经修改的控制信号波形的参数化。
替选地,对所提供的控制信号波形和/或经修改的控制信号波形的参数化可以通过周期性操控的一个或多个参数、尤其是周期性操控的周期频率、尤其是频率和/或脉冲宽度调制、调制率、占空比、脉冲时长和/或脉冲形状来执行。
按照一个实施方式,对所预测的控制信号波形的预测可以借助于基于数据的预测模型来执行,该基于数据的预测模型被训练用于根据所提供的控制信号波形来确定所预测的控制信号波形,其中该基于数据的预测模型尤其包括循环神经网络、状态空间模型、Sequence2Sequence模型或者NARXGP模型。
对所提供的控制信号时间序列的修改可以按照可训练的基于数据的控制信号模型根据至少一个原来的控制信号的波形并且根据至少一个原来的控制信号的将来的波形还根据一个或多个运行参量来执行,所述一个或多个运行参量说明了所要控制的技术装置的状态。
对所提供的控制信号波形的修改还可以按照可训练的基于数据的控制信号模型根据所提供的控制信号波形并且根据所预测的控制信号波形还根据该技术装置的一个或多个运行参量来执行,所述一个或多个运行参量尤其是根据所预测的控制信号波形来说明所要控制的技术装置的状态。
按照另一方面,规定了一种用于训练控制信号模型、尤其是用于在上述方法中使用的方法,其中控制信号模型被构造用于根据所提供的控制信号波形并且根据基于所提供的控制信号波形来预测的控制信号波形来确定经修改的控制信号波形,该方法具有如下步骤:
- 提供训练数据集,所述训练数据集分别包括应该用来操控电子转换器(2)的所提供的控制信号波形以及所预测的控制信号波形;
- 根据损失函数来对控制信号模型进行训练,使得所提供的控制信号波形和所预测的控制信号波形被映射到经修改的控制信号波形,其中该损失函数取决于在利用所预测的控制信号波形来操控转换器时该技术装置的一个或多个行为度量。
此外,所述一个或多个行为度量可以分别表征该技术装置的取决于一个或多个行为参量的特性,所述一个或多个行为参量说明了电子电路取决于经修改的控制信号波形的行为,其中尤其是相应的行为度量按照用于评价行为参量的预先给定的成本函数来确定。
可以规定:借助于测量和/或电路仿真来确定行为参量。
控制信号模型尤其可以构造为可训练的基于数据的模型,尤其是构造为人工神经网络,诸如多层感知器或者递归神经网络。
该损失函数还可以取决于行为度量的加权平均。
成本函数可以将多个行为参量映射到行为度量并且尤其是可微分,使得该损失函数能与基于梯度的训练方法相结合地应用于对控制信号模型的训练。该损失函数尤其可以取决于整体行为度量,该整体行为度量考虑经修改的控制信号波形的各个时间步长的行为度量。
可以规定:所述一个或多个行为参量说明了该技术装置在通过经修改的控制信号波形来操控时的功能能力,其中尤其是所述一个或多个行为参量说明了损耗功率、干扰度量、尤其是关于出现振荡或过冲方面的度量、对该技术装置的尤其是热负荷和/或影响该转换器器件或该技术装置的所要预期的使用寿命的负荷度量。
为了对基于数据的控制信号模型进行训练,该技术装置的行为可以借助于电路仿真的电路仿真工具、诸如SPICE或者利用映射***行为的(微分)方程来仿真并且借助于行为度量根据评价标准(成本函数)来评估在该技术装置中所得到的应答信号或者将控制信号时间序列施加给转换器器件的效应或作用。这样,例如针对预先给定的经修改的控制信号时间序列,可以评价例如与所需的切换能量相对应的损耗功率、干扰、诸如作为对控制信号的状态转变的阶跃响应的振荡,以及转换器器件或整个***的可能损害使用寿命的负荷、诸如暂时的过电压或过电流,以及由于强烈生热而引起的高温。
为了优化运行行为,行为度量可以借助于成本函数来提供。在此,针对电子***的行为的标准中的一个或多个标准可以被评价并且尤其是通过(可微的)成本函数被映射到该行为度量。为了对基于数据的控制信号模型进行训练,使用在经修改的控制信号时间序列的时间步长期间的行为度量。在此,经修改的(通过控制信号模型来提供的)控制信号时间序列的经优化/经修改的行为度量被用于训练基于数据的控制信号模型,其方式是所得到的损失函数被考虑或被使用,该损失函数将整体行为度量映射成在这些时间步长期间经修改的控制信号时间序列的函数。
为了基于以电路仿真为基础的行为度量来执行对基于数据的控制信号模型进行训练,用于确定行为度量的成本函数、使这些行为度量彼此组合的损失函数和电路仿真的模型方程必须自动可微分。由此,基于原来的和经修改的控制信号对行为度量的计算可以直接与控制信号模型的其它组成部分相结合。由于对于该训练来说电路仿真的模型方程(例如仿真工具、尤其是SPICE,或者描述了***行为的微分方程)、成本函数和损失函数都可微分,基于数据的控制信号模型的模型参数可以直接利用基于梯度的方法(诸如反向传播)来训练。
按照另一方面,规定了一种用于运行具有通过至少一个控制信号来控制的电子转换器的技术装置的设备,其中该设备被构造用于:
- 提供应该用来操控电子转换器的控制信号波形;
- 根据所提供的控制信号波形来预测所预测的控制信号波形,作为该控制信号的所预测的将来的波形;
- 按照可训练的基于数据的控制信号模型根据所提供的控制信号波形并且根据所预测的控制信号波形来修改所提供的控制信号波形,以便获得经修改的控制信号波形;
其中该控制信号模型被训练来根据所提供的控制信号波形和所预测的控制信号波形来确定经修改的控制信号波形;
- 按照经修改的控制信号波形来操控电子转换器。
按照另一方面,规定了一种用于训练控制信号模型、尤其是用于在上述方法中使用的设备,其中控制信号模型被构造用于根据所提供的控制信号波形并且根据基于所提供的控制信号波形来预测的控制信号波形来确定经修改的控制信号波形,其中该设备被构造用于:
- 提供训练数据集,所述训练数据集分别包括应该用来操控电子转换器的所提供的控制信号波形以及所预测的控制信号波形;
- 根据损失函数来对该控制信号模型进行训练,使得所提供的控制信号波形和所预测的控制信号波形被映射到经修改的控制信号波形,其中该损失函数取决于在利用经修改的控制信号波形来操控转换器时该技术装置的一个或多个行为度量。
按照另一方面,规定了一种电子***,该电子***具有技术装置并且具有上述设备,该技术装置包括电子转换器的转换器器件。
附图说明
实施方式随后依据附图更详细地予以阐述。其中:
图1示出了电子***的示意图,该电子***具有通过电子转换器来控制的用于利用经修改的控制信号波形来操控的技术装置;
图2a-2c示出了用于阐明电子转换器的信号响应的图表;
图3示出了用于对控制信号进行参数化的可能性;
图4示出了用来阐明用于运行在图1的技术***中的技术装置的方法的流程图;以及
图5示出了用于阐明对控制信号模型的训练的框图。
具体实施方式
图1示出了具有电子转换器2的技术***1的示意图,该电子转换器以任意方式包括转换器器件3,这里示例性地以晶体管3形式。转换器器件3可以是双极型晶体管、场效应晶体管、IGBT、MOSFET等等。电子转换器2例如可以构造为逆变器,尤其是以H桥、B6电路等等形式。
转换器器件3根据控制信号S来操控,以便实施转换器2中的功能。于是,包括转换器2的技术装置6可以通过该转换器以所希望的方式***控。例如,转换器2可以是用于操控耗电器(技术装置)的功率转换器,所述耗电器例如是电动车辆的通过车辆电池组6a来操控的牵引驱动装置6b。
控制信号S由控制单元4作为信号波形来提供。控制信号S可以是电流或电压信号并且为了实现所希望的功能而被施加于转换器器件3的控制输入端(基极、栅极)处。控制信号S优选地时间离散地作为电状态、诸如电压或电流的随时间的控制信号波形形式的控制信号时间序列来提供,并且可包括状态转变或状态波形。
此外,根据由在连续时间步长的多个控制信号值构成的控制信号时间序列S,可以在可训练的基于数据的预测块7中估计由在一个或多个时间步长t直至预测范围T的控制信号值构成的所预测的控制信号时间序列St+1...St+T。所预测的控制信号时间序列St+1...St+T对应于所预测的控制信号波形。
预测块7包括预测模型,该预测模型可以构造成循环神经网络(LSTM、GRU)、构造成状态空间模型、构造成Sequence2Sequence模型或者构造成NARXGP模型。
预测模型可以被训练,其方式是针对控制信号S的已知时间序列(所提供的控制信号时间序列或所提供的控制信号波形)预测控制信号的一个或多个相应时间上接下来的值(接下来的时间步长的值)作为所预测的控制信号波形。该训练基于传统的训练方法(例如反向传播或其它训练方法)利用当前的控制信号时间序列来实现,其中用于训练预测模型的损失函数说明了针对所提供的控制信号时间序列的相应接下来的时间步长的预测值与已知值之差。
借助于控制信号模型块5,由控制单元4提供的原来的控制信号波形S根据所预测的控制信号波形St+1...St+T利用控制信号模型来修改并且作为经修改的控制信号波形S'来提供。
所提供的控制信号波形、所预测的控制信号波形和经修改的控制信号波形可以分别包括控制信号在预先给定的时间窗中的波形。这样,所预测的控制信号波形可以涉及控制信号的在从当前的评估时间点出发到将来的预先确定的时间间隔内的波形。相对应地,经修改的控制信号波形S'可以涉及从当前的评估时间点出发到将来的预先确定的另一时间间隔,该另一时间间隔可以短于、长于或者等于所预测的控制信号的时间间隔。所提供的控制信号波形可以涉及发生在过去的直至当前的评估时间点的控制信号波形。
控制信号模型也可以获得技术装置6的瞬时运行参量作为其它输入参量,诸如组件的温度、冷却回路的温度、功率消耗、电流或电压幅值、到目前为止的运行时间等等。
例如,图2b和2c示出了在电子转换器2中基于在图2a中示出的通过控制单元4提供的控制信号S的波形所得到的信号的电压或电流的信号波形。看出(对控制信号的阶跃的)不同的阶跃响应,这些阶跃响应一方面具有减幅振荡、过冲、过于平坦的沿和/或电流峰值。
控制信号模型可以被训练来优化行为度量,该行为度量评价技术装置6的将来的行为。因此,控制信号模型生成经修改的控制信号时间序列S',该经修改的控制信号时间序列根据目标规定来确定。
例如,利用经修改的控制信号时间序列S'的操控可能在电子转换器2中由于所消耗的切换能量而产生损耗功率,所述损耗功率取决于控制信号时间序列S的动态。根据控制信号时间序列S的波形的形状也可能出现对电子转换器2或由此***控的电装置6的负荷,这些负荷可能损害技术装置6的使用寿命。这例如可能由于暂时的过电压或者过电流以及高温而引起,所述暂时的过电压或者过电流以及高温可能加快转换器器件3、转换器2和/或技术装置6的老化。
例如,技术装置6可包括由车辆电池组运行的电力驱动装置,其中该操控可影响车辆电池组和电力驱动装置的老化以及影响能耗或效率。
技术装置6的行为可以根据不同标准来被评价并且被映射到在每个时间步长中的行为度量,该行为度量根据一个或多个行为参量按照预先给定的成本函数来确定。通过控制信号时间序列的形状的变化,可以针对每个时间步长改变所述一个或多个行为参量以及借此改变所分配的行为度量。尤其是,控制信号时间序列可以针对以下目标被改变:关于长期效应、诸如技术***1的组件的老化方面改善电子转换器2和技术装置6的行为。
所述一个或多个行为参量可以包括电参量,如电流、电压、损耗功率、效率等等,并且通过电路仿真、诸如以编程语言SPICE的电路仿真来确定,利用该电路仿真可以确定电子转换器2和技术装置6对任意控制信号S的波形的反应。为此,对控制信号S的响应信号被建模/被仿真/或者在实验装置中被测量,并且借助于一个或多个行为参量按照上述标准(损耗功率、切换损耗、过冲度量、负荷等等)中的一个标准来评价。这样,例如可以监控在转换器2中的温度发展。由于较高的温度促进了组件的老化,所以根据温度的随时间的波形可以获得对转换器2的老化的影响。
根据所施加的控制信号对行为参量的确定能够实现对行为度量的确定,该行为度量针对每个被考虑的时间步长关于长期标准方面说明了技术装置6的运行行为的质量。借此,控制信号模型可以被训练用于关于技术装置的所希望的行为方面提供经修改的控制信号波形。该所希望的行为可以通过适当的成本函数基于在行为度量中的行为参量来说明。
此外,用于组合所述一个或多个行为参量的成本函数可以是可微分的,以便确定行为度量。行为度量表征技术装置6或整个技术***1在时间步长中关于预先给定的标准、诸如老化、能效等等方面的行为。例如,行为度量可以通过经加权的行为参量之和来计算。权重可以根据优化标准来被预先给定。例如针对温度、电压等等的极限值可以被限定为标准,使得行为度量根据相应的行为参量与相应的极限值的距离来确定。
控制信号模型可以是:基于数据的可训练模型、尤其是人工神经网络;或者回归模型。在当前情况下,假设人工神经网络作为模型,因为该人工神经网络可以简单地通过微分来训练。
为了在控制信号模型块5中处理所提供的控制信号时间序列St,该控制信号时间序列必须以适当的方式被参数化。这可以在控制单元4中实现或者在控制信号模型块5的输入侧实现。在后者情况下,所提供的模拟控制信号可以被采样,以便将其作为时间离散的控制信号时间序列来提供,并且所提供的模拟控制信号可以以适当的方式被参数化。
因此,控制单元4可以通过在连续时间点或时间步长被采样的值来预先给定控制信号时间序列。
替选地,控制单元4可以通过时间段和电参量、尤其是电压或电流的被分配给这些时间段的值预先给定一个或多个原来的控制信号S。
这样,如示例性地在图3中所示,控制信号S可以在多个时间区间/时间步长中利用不同的时长t1, t2, ..., tn以及利用相应的幅值A1, A2, ..., An来限定。要通过控制信号模型确定的经修改的或经优化的控制信号波形S'可以以相同的方式或者以不同于此的方式来参数化。
替选地,控制单元4也可以通过周期性操控的一个或多个参数、诸如周期性操控的周期频率、尤其是频率和/或脉冲宽度调制、调制率、占空比、脉冲时长和/或脉冲形状来说明一个或多个控制信号。
原则上,控制信号模型可以在不同的变型方案中被实现。一方面,控制信号模型可以作为硬件或软件在作为电子***1的部分的控制单元4中被实现或者与该控制单元分开地被实现。替选地,在一个变型方案中,控制信号模型可以在控制单元4中利用适应函数来实现,其中控制信号模型相对应地在预先给定的时间点或定期地被再训练,以便修正电子***1中的老化效应。随后,最后提到变型方案中的实现方案依据图4的流程图更详细地被描述。
在那里示出的方法可以在控制设备4中借助于硬件和/或软件来实现。
为此,电子***1的控制单元4在步骤S1中提供控制信号时间序列S作为控制信号波形,该控制信号波形应该按顺序被施加给转换器器件3。在此,所提供的控制信号时间序列S通过控制单元4来参数化或者作为电参量(电流或电压)的状态波形来提供。在后者情况下,该参数化也可以在控制信号模型块5中进行。
所提供的控制信号时间序列S可包括各个电流或电压平稳段或者包括由发生变化的电流或电压构成的控制信号序列。
在步骤S2中,所提供的控制信号时间序列S被输送给预测模型,以便根据直至当前时间点所检测到的控制信号时间序列S来确定所预测的控制信号时间序列St+1...St+T。
在步骤S3中,检测所要控制的电子转换器2和/或技术装置6的运行条件以及转换器2和/或技术装置6的运行特性和/或转换器2和/或技术装置6的***特性。
在步骤S4中,经参数化的、原来的控制信号时间序列S、尤其是通过持续输送控制信号的当前值(用于存储在控制信号模型块5中)而引起的经参数化的、原来的控制信号时间序列,以及经参数化的、所预测的控制信号时间序列St+1...St+T尤其是与运行条件、运行特性和/或***特性一起被传送给基于数据的控制信号模型。
运行参量涉及转换器2或技术装置6的运行,而且可包括如下参量中的一个或多个参量:施加在转换器器件3上、尤其是施加在转换器器件3的晶体管上的电压、在当前时间点流经转换器器件3、尤其是流经转换器器件3的晶体管或者流经技术装置6的电流以及转换器器件3或技术装置6的当前温度。运行特性通常可涉及转换器器件3的类型的特性或者转换器器件3的晶体管的类型的特性(晶体管特性)、转换器2的特性或者技术装置6的特性并且涉及如下参数中的一个或多个参数:阈电压、在栅极连接端处的漏电流、在导通状态下的电阻及其方差,所述方差要么由于制造公差引起的偏差而出现要么由于老化效应而出现。
此外,***特性可涉及电子电路的可能影响电子转换器2的运行的其它组件。例如,***特性可包括电子电路的其它***组件的如下参数中的一个或多个参数:***1的热阻,该热阻对于所要控制的电子转换器2的温度来说是起决定性作用的;备用电容器的电容,该备用电容器与电子转换器2耦合;以及诸如此类的。相对应地,运行参量、运行特性和***特性的方差也可以被考虑,这些方差要么由于制造公差要么由于老化而产生。
控制信号模型根据相对应的输入参量来确定:经修改的控制信号波形S',该经修改的控制信号波形可以被用于操控电子电路2;或相对应的经修改的控制信号时间序列St+1...St+T。该经修改的控制信号时间序列以参数化形式来提供。
在随后的步骤S5中,电子转换器2相对应地通过经修改的控制信号波形S'来操控。优选地,可以在控制信号模型块5中或者在与之分开的装置中将限定经修改的控制信号波形S'的经修改的控制信号参数转换成模拟控制信号S'。
在步骤S6中,可以检查适应标准。如果适应标准规定进行对控制信号模型的进一步适应或更新(二选一:是),则该方法以步骤S7继续,否则(二选一:否)跳回到步骤S1。
适应标准例如可取决于自上一次适应以来的预先确定的时长、原来的控制信号的波形或者外部适应信号。此外,如果***特性、诸如温度、电压值、测量信号等等与相对应的预先给定的参考值偏离超过预先给定的偏差量,则可以触发对控制信号模型的更新。尤其是,应该通过适应标准来检查控制信号模型是否由于构件老化、磨损或者在运行条件中的其它***性变化而必须被再训练。
在步骤S7中,通过再训练或更新或重新训练来使控制信号模型适配。
对控制信号模型的适配用于:如果例如由于构件老化、磨损或者在运行条件中的其它***性变化,被教导的控制信号(适配)不再是最佳的,则在控制信号模型中修正电路仿真的不准确和该电路仿真所基于的构件模型的不准确。
对控制信号模型的适配的目标在于:根据其中优化行为度量的预先给定的控制信号波形来形成经修改的控制信号波形。尤其是,行为度量的成本函数和电路仿真的方程***可以与梯度下降法相结合地被使用,以便进一步训练控制信号模型的模型参数。
对控制信号模型的初始创建可以利用训练数据集来实现,该训练数据集由所提供的控制信号波形S、所预测的控制信号波形St+1...St+T和所分配的经修改的控制信号S'构成。在此,经修改的控制信号波形分别基于预先给定的控制信号波形并且根据行为度量来确定,该行为度量根据一个或多个行为参量和预先给定的成本函数来确定,所述一个或多个行为参量针对经修改的控制信号借助于电路仿真来确定。
随后,用于训练控制信号模型的另一方案参考图5的框图来描述。块11表示所要训练的控制信号模型。该控制信模型根据所提供的控制信号波形St-n...St来确定所预测的控制信号波形St+1...St+T并且根据相应当前的训练状态来确定经修改的控制信号波形S'。仿真块12用于仿真一个或多个电行为参量VG,所述一个或多个电行为参量基于经修改的控制信号波形S'来仿真技术装置6的运行。电路仿真是众所周知的,并且基于通常可微分的微分方程。
成本函数在成本函数块13中被预先给定,该成本函数将经修改的控制信号波形S'的每个被考虑的时间步长的行为参量VG组合在行为度量VM中。于是,行为度量的总值、尤其是行为度量VM之和表示整体行为度量VMges,该整体行为度量表示对控制信号模型的训练的损失。
该训练可以通过反向传播来实现,其中通过仿真块对控制信号模型进行微分,以便使控制信号模型的模型参数适配。为此需要所应用的成本函数同样可微分。
为了构造训练数据,控制信号波形可以以变型方案尽可能多的方式在用于操控转换器器件3的可能的控制信号的框架内被预先给定。
电路仿真可基于经修改的控制信号波形S'的参数化(根据预先给定的成本函数)来确定一个或多个相对应的行为参量VG或所得到的行为度量。
借助于优化方法、诸如随机梯度下降(stochastic gradient descent),针对控制信号模型的训练数据集可以通过关于相关的所提供的控制信号波形S方面对整体行为度量VMges的优化(最小化)、尤其是通过反向传播来执行。这是可能的,因为电路仿真所基于的函数和成本函数可以被微分,使得经优化的行为度量可以通过对成本函数和电路仿真的函数的微分来确定,用于对控制信号模型的模型参数的更新。
为了通过控制信号波形在电子***中引起的功能也可以通过经修改的控制信号波形S'来实现,可以利用适当的辅助条件来进行该优化。替选地或附加地,在成本函数的情况下,为了计算行为度量也可以考虑如下参数,该参数评价通过控制信号波形所引起的功能如何通过经修改的控制信号波形来实现。
尤其是,控制信号模型可以以神经网络、诸如循环神经网络(LSTM、GRU)、多层感知器等等的形式来构造。因此,对控制信号模型的训练可以借助于反向传播方法基于对整体行为度量VMges的最小化来执行。
为了减轻电子***1的控制单元4的负担,也可以在电子***1外部执行对控制信号模型的训练或适配。为此,被参数化的原来的和经修改的控制信号波形S、S'以及必要时运行参量、运行特性以及***特性可以被传送给外部计算单元,该外部计算单元在了解电子电路的情况下执行电路仿真,以便计算行为参量或行为度量。因此,对神经网络的模型参数的再训练可以在外部进行,并且这些模型参数可以被传送回到技术***1,使得这些模型参数以后可以被应用。
在另一实施方式中,控制信号模型也可以作为查找表在该技术***中被实现,使得原来的控制信号波形的控制信号参数根据该查找表来被分配给经修改的控制信号参数,这些经修改的控制信号参数表示经修改的控制信号波形S'。在此,该查找表基于控制信号模型来创建,该控制信号模型可以在技术***1的外部被实现。以这种方式,可以显著减少电子***1中的计算花费。
Claims (18)
1.一种用于运行具有通过至少一个控制信号来控制的电子转换器(2)的技术装置(6)的方法,所述方法具有如下步骤:
- 提供(S1)应该用来操控所述电子转换器(2)的控制信号波形(S);
- 根据所提供的控制信号波形(S)来预测所预测的控制信号波形(St+1...St+T),作为所述控制信号的所预测的将来的波形;
- 按照可训练的基于数据的控制信号模型根据所提供的控制信号波形(S)并且根据所预测的控制信号波形(St+1...St+T)来修改所提供的控制信号波形(S),以便获得经修改的控制信号波形(S'),
其中所述控制信号模型被训练来根据所提供的控制信号波形(S)和所预测的控制信号波形(St+1...St+T)来确定经修改的控制信号波形(S');
- 按照经修改的控制信号波形(S')来操控所述电子转换器(2)。
2.根据权利要求1所述的方法,其中所述控制信号模型被构造为:还根据如下参量中的一个或多个参量来确定所述经修改的控制信号波形(S'):所述电子转换器(2)和/或所要操控的技术装置(6)的一个或多个运行参量;所述电子转换器(2)和/或所要操控的技术装置(6)的一个或多个运行特性;所述电子转换器(2)和/或所要操控的技术装置(6)的一个或多个***特性;以及所述技术装置(6)的一个或多个***参量,其中所述运行参量影响所述技术装置(6)的运行并且尤其是包括如下参数中的一个或多个参数:整体结构的热阻;与电子构件耦合的备用电容器的电容;和这些参量的方差。
3.根据权利要求1或2所述的方法,其中所述控制信号模型被构造为可训练的基于数据的模型,尤其是构造为人工神经网络,诸如多层感知器或者递归神经网络。
4.根据权利要求1至3中任一项所述的方法,其中用于操控所述电子转换器(2)的所提供的控制信号波形(S)和所预测的控制信号波形(St+1...St+T)通过控制信号参数来参数化或限定,和/或所述经修改的控制信号波形(S')通过相对应的经修改的控制信号参数来参数化或限定。
5.根据权利要求4所述的方法,其中通过时间段和电参量、尤其是电压或电流的被分配给所述时间段的值来执行对所提供的控制信号波形和/或所述经修改的控制信号波形(S')的参数化。
6.根据权利要求4所述的方法,其中对所述所提供的控制信号波形和/或所述经修改的控制信号波形(S')的参数化通过周期性操控的一个或多个参数、尤其是周期性操控的周期频率、尤其是频率和/或脉冲宽度调制、调制率、占空比、脉冲时长和/或脉冲形状来执行。
7.根据权利要求1至6中任一项所述的方法,其中对所述所预测的控制信号波形(St+1...St+T)的预测借助于基于数据的预测模型来执行,所述基于数据的预测模型被训练用于根据所述所提供的控制信号波形(S)来确定所述所预测的控制信号波形(St+1...St+T),其中所述基于数据的预测模型尤其包括循环神经网络、状态空间模型、Sequence2Sequence模型或者NARXGP模型。
8.根据权利要求1至7中任一项所述的方法,其中对所述所提供的控制信号波形(S)的修改按照所述可训练的基于数据的控制信号模型根据所述所提供的控制信号波形(S)并且根据所预测的控制信号波形(St+1...St+T)还根据所述技术装置(6)的一个或多个运行参量来执行,所述一个或多个运行参量尤其是根据所述所预测的控制信号波形来说明所要控制的技术装置(6)的状态。
9.一种用于训练控制信号模型、尤其是用于在根据权利要求1至8中任一项所述的方法中使用的方法,其中所述控制信号模型被构造用于根据所提供的控制信号波形(S)并且根据基于所提供的控制信号波形(S)来预测的控制信号波形(St+1...St+T)来确定经修改的控制信号波形(S'),所述方法具有如下步骤:
- 提供训练数据集,所述训练数据集分别包括应该用来操控所述电子转换器(2)的所提供的控制信号波形(S)以及所预测的控制信号波形(St+1...St+T);
- 根据损失函数来对所述控制信号模型进行训练,使得所述所提供的控制信号波形(S)和所述所预测的控制信号波形(St+1...St+T)被映射到所述经修改的控制信号波形(S'),其中所述损失函数取决于在利用所述经修改的控制信号波形(S')来操控所述转换器(2)时所述技术装置(6)的一个或多个行为度量。
10.根据权利要求9所述的方法,其中所述一个或多个行为度量(VM)分别表征所述技术装置(6)的取决于一个或多个行为参量(VG)的特性,所述一个或多个行为参量说明了所述技术装置(6)的电子电路取决于所述经修改的控制信号波形(S')的行为,其中尤其是相应的行为度量(VM)按照用于评价行为参量(VG)的预先给定的成本函数来确定。
11.根据权利要求10所述的方法,其中借助于测量和/或电路仿真来确定所述一个或多个行为参量(VG)。
12.根据权利要求10或11所述的方法,其中所述成本函数将多个行为参量(VG)映射到所述行为度量(VM)并且尤其是可微分,使得所述损失函数能与基于梯度的训练方法相结合地应用于对所述控制信号模型的训练。
13.根据权利要求10至12中任一项所述的方法,其中所述一个或多个行为度量(VG)说明了所述技术装置(6)在通过所述经修改的控制信号波形(S')来操控时的功能能力,其中尤其是所述一个或多个行为参量(VG)说明了损耗功率、干扰度量、尤其是关于出现振荡或过冲方面的度量、对所述技术装置(6)的尤其是热负荷和/或影响所述转换器器件(3)或所述技术装置(6)的所要预期的使用寿命的负荷度量。
14.一种用于运行具有通过至少一个控制信号来控制的电子转换器(2)的技术装置(6)的设备,其中所述设备被构造用于:
- 提供应该用来操控所述电子转换器(2)的控制信号波形;
- 根据所提供的控制信号波形(S)来预测所预测的控制信号波形(St+1...St+T),作为所述控制信号的所预测的将来的波形;
- 按照可训练的基于数据的控制信号模型根据所提供的控制信号波形并且根据所预测的控制信号波形来修改所提供的控制信号波形(S),以便获得经修改的控制信号波形(S'),
其中所述控制信号模型被训练来根据所提供的控制信号波形(S)和所预测的控制信号波形(St+1...St+T)来确定经修改的控制信号波形(S');
- 按照经修改的控制信号波形(S')来操控所述电子转换器(2)。
15.一种用于训练控制信号模型、尤其是用于在根据权利要求1至8中任一项所述的方法中使用的设备,其中所述控制信号模型被构造用于根据所提供的控制信号波形(S)并且根据基于所提供的控制信号波形(S)来预测的控制信号波形(St+1...St+T)来确定经修改的控制信号波形(S'),其中所述设备被构造用于:
- 提供训练数据集,所述训练数据集分别包括应该用来操控所述电子转换器(2)的所提供的控制信号波形以及所预测的控制信号波形(St+1...St+T);
- 根据损失函数来对所述控制信号模型进行训练,使得所述所提供的控制信号波形(S)和所述所预测的控制信号波形(St+1...St+T)被映射到所述经修改的控制信号波形(S'),其中所述损失函数取决于在利用所述经修改的控制信号波形(S')来操控所述转换器(2)时所述技术装置(6)的一个或多个行为度量。
16.一种电子***(1),所述电子***具有技术装置(6)并且具有根据权利要求14所述的设备,所述技术装置包括电子转换器(2)的转换器器件(3)。
17.一种计算机程序产品,所述计算机程序产品包括如下指令,在通过计算机来实施程序时,所述指令促使所述计算机实施根据权利要求1至13中任一项所述的方法的步骤。
18.一种机器可读存储介质,所述机器可读存储介质包括如下指令,所述指令在通过计算机来实施时促使所述计算机实施根据权利要求1至13中任一项所述的方法的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020210826.9 | 2020-08-27 | ||
DE102020210826.9A DE102020210826A1 (de) | 2020-08-27 | 2020-08-27 | Verfahren und Vorrichtung zum Steuern eines elektronischen Wandlers in einem technischen System mithilfe Methoden künstlicher Intelligenz |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114114977A true CN114114977A (zh) | 2022-03-01 |
Family
ID=80221083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110987668.XA Pending CN114114977A (zh) | 2020-08-27 | 2021-08-26 | 借助人工智能法控制技术***中电子转换器的方法和设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11855522B2 (zh) |
CN (1) | CN114114977A (zh) |
DE (1) | DE102020210826A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022209341A1 (de) * | 2022-09-08 | 2024-03-14 | Zf Friedrichshafen Ag | Erzeugen eines Steuersignals für ein elektronisches Modul mittels eines neuronalen Netzwerks |
DE102022213797A1 (de) * | 2022-12-16 | 2024-06-27 | Zf Friedrichshafen Ag | Erzeugung von synthetischen Trainingsdaten für neuronales Netz |
CN115759885B (zh) * | 2023-01-09 | 2023-04-18 | 佰聆数据股份有限公司 | 一种基于分布式物资供应下的物资抽检方法和装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8698469B1 (en) * | 2011-09-12 | 2014-04-15 | Maxim Integreated Products, Inc. | System and method for predicting output voltage ripple and controlling a switched-mode power supply |
US8901899B1 (en) * | 2011-09-12 | 2014-12-02 | Maxim Integrated Products, Inc. | DC to DC converter control systems and methods |
US11837958B2 (en) * | 2018-12-12 | 2023-12-05 | Infineon Technologies Austria Ag | Multiphase power converter |
US11258374B2 (en) * | 2019-03-25 | 2022-02-22 | Semiconductor Components Industries, Llc | Power supply system for optimizing standby power using artificial intelligence |
CN114930700A (zh) * | 2020-01-07 | 2022-08-19 | 三菱电机株式会社 | 电力变换装置 |
US20220083114A1 (en) * | 2020-09-16 | 2022-03-17 | Infineon Technologies Austria Ag | AI based Error Prediction for Power Conversion Regulators |
-
2020
- 2020-08-27 DE DE102020210826.9A patent/DE102020210826A1/de active Pending
-
2021
- 2021-08-13 US US17/402,056 patent/US11855522B2/en active Active
- 2021-08-26 CN CN202110987668.XA patent/CN114114977A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US11855522B2 (en) | 2023-12-26 |
US20220069694A1 (en) | 2022-03-03 |
DE102020210826A1 (de) | 2022-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114114977A (zh) | 借助人工智能法控制技术***中电子转换器的方法和设备 | |
EP3972100A1 (en) | Ai-based error prediction for power conversion regulators | |
Pradeep et al. | Nonlinear control of a boost converter using a robust regression based reinforcement learning algorithm | |
Rabbani et al. | Fuzzy logic driven adaptive pid controller for pwm based buck converter | |
KR20200026050A (ko) | 제어 장치 및 제어 방법 | |
CN104779779A (zh) | 一种抑制开关电源温度漂移的方法 | |
Heydari | Optimal switching of DC–DC power converters using approximate dynamic programming | |
Poblete et al. | Distributed neural network observer for submodule capacitor voltage estimation in modular multilevel converters | |
El Aouni et al. | Real-time implementation of input-state linearization and model predictive control for robust voltage regulation of a DC-DC boost converter | |
Zandi et al. | Voltage control of DC–DC converters through direct control of power switches using reinforcement learning | |
Pitel et al. | Real-time system identification for load monitoring and transient handling of Dc-Dc supplies | |
Zandi et al. | Voltage control of a quasi z-source converter under constant power load condition using reinforcement learning | |
US11960250B2 (en) | Electric power conversion apparatus having a controller that switches a control scheme of a main circuit | |
García-Alarcón et al. | Analysis and design of a controller for an input-saturated DC–DC buck power converter | |
Pravadalioglu | Single-chip fuzzy logic controller design and an application on a permanent magnet dc motor | |
Chung et al. | Describing functions of power electronics circuits using progressive analysis of circuit waveforms | |
Oltean et al. | Implementation of a fuzzy logic-based embedded system for temperature control | |
Wong et al. | Computation of the cycle state-variable sensitivity matrix of PWM DC/DC converters and its applications | |
CN115987086A (zh) | 基于神经网络的单开关直流-直流变换器在线控制方法 | |
Kamarposhti et al. | The Control of Buck Boost DC-DC Converters for DC Motor Drives on variable DC Voltage by Using Neural Network | |
CN117134609A (zh) | 电压控制方法、装置、存储介质及电子装置 | |
Zhang et al. | PWM-based adaptive trajectory tracking of switched buck power converters | |
Mallamo et al. | Interpretable Fault Prognostics for Switch Mode Power Supplies | |
Wu | Stability analysis and control of DC-DC converters using nonlinear methodologies | |
Vatani et al. | Lyapunov-based robust controller design for single-inductor dual-output buck converters using sum of squares programming |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |