.png){kind=icon}
返回
Explicit Data-Driven Current Control for Induction Machines Using Deep Symbolic Regression
.png){kind=icon}
OA
AI
DOI：10.1109/ojpel.2026.3730114.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了一种新颖且高效的感应电机（IMs）电流控制方案，采用深度符号回归（DSR）。现有方法依赖黑箱人工智能模型，存在计算负担高、可解释性差和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，得到能够精确拟合数据的解析动态数值表达式，从而提供了一种简单高效的方法，并显著获得易于处理、简洁且更易解释的最优控制器。与传统依赖特定系统模型的最优比例-积分（PI）电流控制器不同，所提数据驱动方法显著不依赖明确的系统模型。通过使用3.7 kW感应电机的仿真和实验测试验证了所提控制方案的有效性。采用TMS320f28388 d DSP实现控制器环境，以展示所提控制方案与常规控制设计的性能。此外，进行了闭环稳定性分析，以确立所提控制器在额定运行范围内的渐近稳定性。测试结果表明，将深度学习技术应用于电力能源转换领域可以轻松实现，并可作为感应电机黑箱控制器的显式、可验证替代方案。
Keyword:
Data-driven current control
induction machine
deep symbolic regression
expression discovery
C2000
