聚残差网络权重优化

无需复杂训练

利用聚合残差网络简化训练过程，在多种工况下精确预测最优加权因子，提升永磁同步电机模型预测控制的性能。

Yao, Chunxing · 马光同 · Sun, Zhenyao · Jun Luo Guanzhou, Ren · 徐帅

IEEE Transactions on Power Electronics 2023

技术优势

训练更简单

聚合变换简化了训练流程，不需要传统ANN那样的复杂训练步骤。

不会梯度消失

残差连接避免了深度网络训练中的梯度消失问题，使网络可以得到有效训练。

多工况都适用

网络输入包含电机参数和工况信息，因此在各种运行条件下都能准确预测最优权重。

应用场景

• 电机驱动控制：可直接用于PMSM驱动系统，替代人工整定权重因子，提升FCS-MPC性能。
• 模型预测控制优化：为FCS-MPC提供自动权重整定方案，免去反复试凑，优化控制效果。
• 工业物联网控制器：可在工业控制器中部署该网络，实现权重在线调整，适应工况变化。