文献

J-GLOBAL ID：202202292895344793   整理番号：22A0631021

三重位相シフト制御を有するデュアルアクティブブリッジコンバータのためのRL-ANNベース最小電流ストレス方式【JST・京大機械翻訳】

RL-ANN-Based Minimum-Current-Stress Scheme for the Dual-Active-Bridge Converter With Triple-Phase-Shift Control

著者 (8件)： Tang Yuanhong (Power System Wide-Area Measurement and Control Sichuan Provincial Key Laboratory, School of Mechanical and Electrical Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Hu Weihao (Power System Wide-Area Measurement and Control Sichuan Provincial Key Laboratory, School of Mechanical and Electrical Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Xiao Jian (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Lu Zhengdong (Power System Wide-Area Measurement and Control Sichuan Provincial Key Laboratory, School of Mechanical and Electrical Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Li Zhuoqiang (United Automotive Electronic Systems Company Ltd., Shanghai, China) ,  Huang Qi (Power System Wide-Area Measurement and Control Sichuan Provincial Key Laboratory, School of Mechanical and Electrical Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Chen Zhe (Department of Energy Technology, Aalborg University, Aalborg, Denmark) ,  Blaabjerg Frede (Department of Energy Technology, Aalborg University, Aalborg, Denmark)
資料名： IEEE Journal of Emerging and Selected Topics in Power Electronics  (IEEE Journal of Emerging and Selected Topics in Power Electronics)
巻： 10  号： 1  ページ： 673-689  発行年： 2022年 
JST資料番号： W2402A  ISSN： 2168-6777  CODEN： IJESN2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 電流ストレスを低減し,二重アクティブブリッジ(DAB)コンバータの電力効率を改善するために,本論文では,強化学習(RL)+人工ニューラルネットワーク(ANN)ベースの最小電流ストレススキームを提案した。第一段階では,RL法の典型的アルゴリズムとしてのQ学習をオフライン訓練のために採用する。第一段階の目的は,三相シフト(TPS)制御に基づく最適化制御戦略を解明することである。より具体的には,ゼロ電圧スイッチング(ZVS)制約と各有効動作モードをQ学習アルゴリズムの訓練過程で考慮に入れた。従って,ソフトスイッチングを維持しながら最小電流応力スキームを第一段階後に得ることができた。第2段階では,Q学習アルゴリズムの訓練結果を用いて,計算時間とメモリ割当を減らすためにANNを訓練した。その後,陰関数のようなANNの訓練されたエージェントは,全連続操作範囲の下でリアルタイムで最適位相シフト角度をオンラインに提供することができる。最後に,提案した最適化スキームの有効性を実証するために,詳細なシミュレーションと実験結果を示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *位相シフト ,  最適化 ,  *電流 ,  最適制御 ,  ニューラルネットワーク ,  記憶割当 ,  有効性 ,  連続操作 ,  エージェント ,  強化学習 ,  運転モード ,  電力効率
準シソーラス用語： Q学習 ,  オンライン , 【Automatic Indexing@JST】

分類 (1件)： 電動機  (NB07030U)

タイトルに関連する用語 (3件)： 三重 ,  位相シフト ,  電流ストレス