针对电气驱动器的优化脉冲模式设计：一种强化学习方法

《IEEE Open Journal of the Industrial Electronics Society》：Optimized Pulse Patterns Design for Electrical Drives: A Reinforcement Learning Approach

　　

摘要：

诸如优化脉冲模式（OPPs）之类的最佳调制技术对于最小化功率损耗、从而实现电气驱动系统的高效运行至关重要。传统的OPPs是离线设计的，旨在优化不同的稳态性能指标，并需要基于开关角度的分析模型来进行梯度优化。然而，这样的模型并不总是可用，而且可能复杂且难以验证。因此，一种数据驱动的设计方法显得非常有趣，这种方法可以利用任何形式的模型，甚至可以直接从实际驱动系统中学习OPPs，而无需进行任何建模工作。在本文中，我们首次提出了使用强化学习（RL）进行稳态OPPs数据驱动设计的概念验证。我们探讨了训练一个端到端神经网络策略的可行性，该策略通过与电气驱动环境交互将所需的工作点（WPs）映射到参考OPPs。我们引入了一种新的开关角度参数化方法，该方法本质上考虑了其约束条件，并利用高效的仿真设置来简化这一概念验证研究的训练过程。通过广泛的仿真和实际实验，我们展示了所提出的基于RL的方法在设计牵引永磁同步电机驱动器的最优损耗脉冲模式方面的潜力与权衡。其性能与传统的、基于模型的间接损耗优化OPPs设计进行了对比。测试台结果表明，尽管存在仿真模型偏差，但从实际驱动环境中直接学习得到的OPPs在降低功率损耗方面具有潜力，这进一步证明了直接从实际驱动环境中学习OPPs的合理性。