基于深度符号回归的感应电机显式数据驱动电流控制

《IEEE Open Journal of Power Electronics》：Explicit Data-Driven Current Control for Induction Machines Using Deep Symbolic Regression

　　摘要：本文介绍了一种基于深度符号回归（DSR）的感应电机（IMs）新颖且高效的电流控制方案。现有方法依赖于黑箱人工智能模型，存在计算负担高、可解释性差以及实时实现困难等问题。数据驱动控制通过训练和拟合开发最优控制模型，提供了一种简单而高效的解决方案，从而得到一种能够准确拟合数据的解析动态数值表达式。重要的是，这可以生成一个易于处理、简洁且更易解释的最优控制器。与传统先进的比例积分（PI）电流控制器严重依赖特定被控对象模型不同，所提出的数据驱动方法无需依赖显式的被控对象模型。该控制方案的有效性通过仿真和实验测试进行了验证，使用的是3.7 kW感应电机。基于TMS320F28388D数字信号处理器搭建了控制环境，以展示所提出的控制性能与传统控制设计的对比。此外，还进行了闭环稳定性分析，以证明所提出的控制器在额定工作范围内的渐近稳定性。实验结果表明，将深度学习技术集成到电能转换应用中是易于实现的，并且可以作为感应电机黑箱控制器的一个显式的、可验证的替代方案。