論文の概要: An Artificial Neural Network-Based Model Predictive Control for
Three-phase Flying Capacitor Multi-Level Inverter
- arxiv url: http://arxiv.org/abs/2110.08101v1
- Date: Fri, 15 Oct 2021 13:54:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-18 17:59:28.516889
- Title: An Artificial Neural Network-Based Model Predictive Control for
Three-phase Flying Capacitor Multi-Level Inverter
- Title（参考訳）: 三相フライングコンデンサ多レベルインバータのためのニューラルネットワークに基づくモデル予測制御
- Authors: Parisa Boodaghi Malidarreh, Abualkasim Bakeer, Ihab S. Mohamed, Lantao
Liu
- Abstract要約: モデル予測制御(MPC)は、単純な概念、高速な動的応答、優れた参照追跡のため、パワーエレクトロニクスで広く使われている。
最適なスイッチング状態を予測するためにシステムの数学的モデルに依存するため、パラメトリックな不確実性に悩まされる。
本稿では,ニューラルネットワーク(ANN)に基づくモデルフリー制御戦略を提案する。
- 参考スコア（独自算出の注目度）: 2.3513645401551333
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Model predictive control (MPC) has been used widely in power electronics due
to its simple concept, fast dynamic response, and good reference tracking.
However, it suffers from parametric uncertainties, since it directly relies on
the mathematical model of the system to predict the optimal switching states to
be used at the next sampling time. As a result, uncertain parameters lead to an
ill-designed MPC. Thus, this paper offers a model-free control strategy on the
basis of artificial neural networks (ANNs), for mitigating the effects of
parameter mismatching while having a little negative impact on the inverter's
performance. This method includes two related stages. First, MPC is used as an
expert to control the studied converter in order to provide the training data;
while, in the second stage, the obtained dataset is utilized to train the
proposed ANN which will be used directly to control the inverter without the
requirement for the mathematical model of the system. The case study herein is
based on a four-level three-cell flying capacitor inverter. In this study,
MATLAB/Simulink is used to simulate the performance of the proposed control
strategy, taking into account various operating conditions. Afterward, the
simulation results are reported in comparison with the conventional MPC scheme,
demonstrating the superior performance of the proposed control strategy in
terms of getting low total harmonic distortion (THD) and the robustness against
parameters mismatch, especially when changes occur in the system parameters.
- Abstract（参考訳）: モデル予測制御(MPC)は、単純な概念、高速な動的応答、優れた参照追跡のためにパワーエレクトロニクスで広く使われている。
しかし、次のサンプリング時に使用する最適な切換状態を予測するためにシステムの数学的モデルに直接依存するため、パラメトリックな不確実性に悩まされている。
その結果、不確実なパラメータは、未設計のMPCにつながる。
そこで本稿では, ニューラルネットワーク(ANN)に基づくモデルフリー制御方式を提案し, パラメータミスマッチの影響を軽減し, インバータの性能に悪影響を及ぼす。
この方法は2つの関連する段階を含む。
第一に、mpcは、学習データを提供するために、学習されたコンバータを制御する専門家として、第二段階では、得られたデータセットを使用して、システムの数学的モデルを必要とせずに、直接インバータを制御するために使用される提案されたanを訓練する。
このケーススタディは4レベル3セルキャパシタインバータをベースとしている。
本研究では,各種動作条件を考慮したMATLAB/Simulinkを用いて,提案した制御戦略の性能をシミュレートする。
その後,従来のmpc法と比較してシミュレーション結果が報告され,システムパラメータの変化が顕著である場合において,高調波歪み(thd)の低減とパラメータミスマッチに対するロバスト性の観点から,提案手法の優れた性能を示す。
関連論文リスト
- Dropout MPC: An Ensemble Neural MPC Approach for Systems with Learned Dynamics [0.0]
そこで本研究では,モンテカルロのドロップアウト手法を学習システムモデルに応用した,サンプリングベースアンサンブルニューラルMPCアルゴリズムを提案する。
この手法は一般に複雑な力学を持つ不確実なシステムを対象としており、第一原理から派生したモデルは推論が難しい。
論文 参考訳（メタデータ） (2024-06-04T17:15:25Z) - Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。
これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。
本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
論文 参考訳（メタデータ） (2024-04-17T02:04:10Z) - Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining [50.00291020618743]
この研究は、大規模なデータセットを再計算し、再トレーニングすることなくオンラインチューニングが可能な、新しいパラメータ適応型AMPCアーキテクチャを導入している。
資源制約の厳しいマイクロコントローラ(MCU)を用いた2種類の実カートポールシステムの揺らぎを制御し,パラメータ適応型AMPCの有効性を示す。
これらの貢献は、現実世界のシステムにおけるAMPCの実践的応用に向けた重要な一歩である。
論文 参考訳（メタデータ） (2024-04-08T20:02:19Z) - Online Variational Sequential Monte Carlo [49.97673761305336]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。
オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文 参考訳（メタデータ） (2023-12-19T21:45:38Z) - Sub-linear Regret in Adaptive Model Predictive Control [56.705978425244496]
本稿では,STT-MPC (Self-Tuning tube-based Model Predictive Control) について述べる。
システム力学を最初に認識したアルゴリズムと比較して,アルゴリズムの後悔を解析する。
論文 参考訳（メタデータ） (2023-10-07T15:07:10Z) - Multirotor Ensemble Model Predictive Control I: Simulation Experiments [0.0]
アンサンブル表現されたガウス過程は、初期時間の最適利得を決定するために後方計算を行う。
端末制御と制御問題のためのEMPCを構築し、シミュレーション・同一双対研究の制御に適用する。
論文 参考訳（メタデータ） (2023-05-22T01:32:17Z) - Towards Long-Term Time-Series Forecasting: Feature, Pattern, and
Distribution [57.71199089609161]
長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。
トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。
LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
論文 参考訳（メタデータ） (2023-01-05T13:59:29Z) - MoEfication: Conditional Computation of Transformer Models for Efficient
Inference [66.56994436947441]
トランスフォーマーベースの事前学習言語モデルは、パラメータ容量が大きいため、ほとんどのNLPタスクにおいて優れた性能を実現することができるが、計算コストも大きい。
スパースアクティベーション現象に基づく条件計算により,大規模モデル推論を高速化する。
そこで本研究では,モデルサイズが等しいMoE(Mix-of-experts)バージョン,すなわちMoEficationに変換することを提案する。
論文 参考訳（メタデータ） (2021-10-05T02:14:38Z) - High-bandwidth nonlinear control for soft actuators with recursive
network models [1.4174475093445231]
本稿では,Newton-Raphson を用いたソフトアクチュエータの高帯域幅,軽量,非線形出力追跡手法を提案する。
この手法により、従来のRNNモデルと比較してモデルサイズを縮小し、制御ループ周波数を増大させることができる。
論文 参考訳（メタデータ） (2021-01-04T18:12:41Z) - DISCO: Double Likelihood-free Inference Stochastic Control [29.84276469617019]
確率自由推論のためのベイズ統計学における現代シミュレータのパワーと最近の技術を活用することを提案する。
シミュレーションパラメータの後方分布は、システムの潜在的非解析モデルによって伝播される。
実験により、制御器の提案により、古典的な制御やロボット工学のタスクにおいて、優れた性能と堅牢性が得られることが示された。
論文 参考訳（メタデータ） (2020-02-18T05:29:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。