論文の概要: Artificial-Intelligence-Based Hybrid Extended Phase Shift Modulation for
the Dual Active Bridge Converter with Full ZVS Range and Optimal Efficiency
- arxiv url: http://arxiv.org/abs/2308.00381v1
- Date: Tue, 1 Aug 2023 08:48:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-02 14:51:12.531847
- Title: Artificial-Intelligence-Based Hybrid Extended Phase Shift Modulation for
the Dual Active Bridge Converter with Full ZVS Range and Optimal Efficiency
- Title（参考訳）: 完全zvs範囲と最適効率を有するデュアルアクティブブリッジコンバータの人工知能に基づくハイブリッド拡張位相シフト変調
- Authors: Xinze Li, Xin Zhang, Fanfan Lin, Changjiang Sun, Kezhi Mao
- Abstract要約: 人工知能に基づくハイブリッド拡張位相シフト(HEPS)変調を提案する。
1kWのハードウェア実験により、HEPSの有効性が検証され、最大97.1%の最適効率とフルレンジZVS動作を実現した。
- 参考スコア（独自算出の注目度）: 7.061179806642582
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Dual active bridge (DAB) converter is the key enabler in many popular
applications such as wireless charging, electric vehicle and renewable energy.
ZVS range and efficiency are two significant performance indicators for DAB
converter. To obtain the desired ZVS and efficiency performance, modulation
should be carefully designed. Hybrid modulation considers several single
modulation strategies to achieve good comprehensive performance.
Conventionally, to design a hybrid modulation, harmonic approach or piecewise
approach is used, but they suffer from time-consuming model building process
and inaccuracy. Therefore, an artificial-intelligence-based hybrid extended
phase shift (HEPS) modulation is proposed. Generally, the HEPS modulation is
developed in an automated fashion, which alleviates cumbersome model building
process while keeping high model accuracy. In HEPS modulation, two EPS
strategies are considered to realize optimal efficiency with full ZVS operation
over entire operating ranges. Specifically, to build data-driven models of ZVS
and efficiency performance, extreme gradient boosting (XGBoost), which is a
state-of-the-art ensemble learning algorithm, is adopted. Afterwards, particle
swarm optimization with state-based adaptive velocity limit (PSO-SAVL) is
utilized to select the best EPS strategy and optimize modulation parameters.
With 1 kW hardware experiments, the feasibility of HEPS has been verified,
achieving optimal efficiency with maximum of 97.1% and full-range ZVS
operation.
- Abstract（参考訳）: デュアルアクティブブリッジ(DAB)コンバータは、ワイヤレス充電、電気自動車、再生可能エネルギーなど、多くの一般的な用途において重要な実現手段である。
ZVSレンジと効率は、DABコンバータの2つの重要なパフォーマンス指標である。
所望のZVSと効率性を得るためには、変調を慎重に設計する必要がある。
ハイブリッド変調は、いくつかの単一の変調戦略を総合的な性能を達成するために考慮している。
従来、ハイブリッド変調の設計には、調和的アプローチや分割的アプローチが用いられるが、それらは時間を要するモデル構築プロセスや不正確さに苦しむ。
そこで,人工インテリジェンスに基づくハイブリッド位相シフト(HEPS)変調を提案する。
一般に、HEPS変調は、高いモデル精度を維持しながら、煩雑なモデル構築プロセスを緩和する自動化方式で開発される。
HEPS変調では、2つのESS戦略が全操作範囲にわたる全ZVS操作で最適効率を実現すると考えられる。
具体的には、ZVSのデータ駆動モデルの構築と効率向上のために、最先端のアンサンブル学習アルゴリズムである極端な勾配向上(XGBoost)を採用する。
その後、状態ベース適応速度制限付き粒子群最適化(PSO-SAVL)を用いて、最適なESS戦略を選択し、変調パラメータを最適化する。
1kWのハードウェア実験により、HEPSの有効性が検証され、最大97.1%の最適効率とフルレンジZVS動作を実現した。
関連論文リスト
- Harnessing the Power of Gradient-Based Simulations for Multi-Objective Optimization in Particle Accelerators [5.565261874218803]
本稿では, 粒子加速器の深部微分可能強化学習アルゴリズムを用いてMOO問題の解法における微分可能性の効果を示す。
基礎となる問題は、個々の状態と行動の両方に厳密な制約を課し、ビームのエネルギー要求に対する累積的(グローバル)制約を課している。
論文 参考訳（メタデータ） (2024-11-07T15:55:05Z) - EPS-MoE: Expert Pipeline Scheduler for Cost-Efficient MoE Inference [49.94169109038806]
本稿では,新しいパイプラインスケジューラであるEPS-MoEを紹介する。
その結果,既存の並列推論手法に比べて,プリフィルスループットが平均21%向上していることが判明した。
論文 参考訳（メタデータ） (2024-10-16T05:17:49Z) - Rapid and Power-Aware Learned Optimization for Modular Receive Beamforming [27.09017677987757]
マルチインプット・マルチアウトプット(MIMO)システムは無線通信技術において重要な役割を果たす。
モジュールハイブリッドシステムにおけるビームフォーミングのための電力指向最適化アルゴリズムを提案する。
低分解能位相シフトによる計算の高速化を通じて、学習者によって効率の良いビームフォーミングがいかに促進されるかを示す。
論文 参考訳（メタデータ） (2024-08-01T10:19:25Z) - Efficient Modulation for Vision Networks [122.1051910402034]
我々は、効率的なビジョンネットワークのための新しい設計である効率的な変調を提案する。
変調機構が特に効率的なネットワークに適していることを実証する。
私たちのネットワークは、精度と効率のトレードオフをうまく達成できます。
論文 参考訳（メタデータ） (2024-03-29T03:48:35Z) - Artificial-Intelligence-Based Triple Phase Shift Modulation for Dual
Active Bridge Converter with Minimized Current Stress [7.061179806642582]
トリプル位相シフト(TPS)は、DABコンバータの最も先進的な変調手法の1つである。
DABコンバータの電流応力は、TPS変調を適用した際の重要な性能指標である。
本稿では,AIベースのTPS変調(AI-TPSM)戦略を提案する。
提案したAI-TPSMの有効性は1kWのプロトタイプで実験的に検証されている。
論文 参考訳（メタデータ） (2023-08-01T08:49:55Z) - A Learning-based Adaptive Compliance Method for Symmetric Bi-manual Manipulation [13.061684545690882]
シンメトリバイマニュアル操作は、軌道上での操作において必須のスキルである。
従来の手法では、モーションプランニングとコンプライアンスコントロールは2つの別々のモジュールと見なされてきた。
本稿では,対称的双方向操作の効率性とロバスト性を向上させる学習型適応コンプライアンスアルゴリズム(LAC)を提案する。
論文 参考訳（メタデータ） (2023-03-27T14:51:29Z) - Hybrid Evolutionary Optimization Approach for Oilfield Well Control
Optimization [0.0]
油田生産の最適化は、地下モデルの複雑さと関連する非線形性のために困難である。
本稿では,2つのハイブリッドな進化的最適化手法の有効性について述べる。
論文 参考訳（メタデータ） (2021-03-29T13:36:51Z) - Optimization-Inspired Learning with Architecture Augmentations and
Control Mechanisms for Low-Level Vision [74.9260745577362]
本稿では,GDC(Generative, Discriminative, and Corrective)の原則を集約する,最適化に着想を得た統合学習フレームワークを提案する。
フレキシブルな組み合わせで最適化モデルを効果的に解くために,3つのプロパゲーティブモジュールを構築した。
低レベル視覚タスクにおける実験は、GDCの有効性と適応性を検証する。
論文 参考訳（メタデータ） (2020-12-10T03:24:53Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm
for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。
これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。
その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文 参考訳（メタデータ） (2020-07-09T10:19:22Z) - Optimization-driven Deep Reinforcement Learning for Robust Beamforming
in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。
我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。
過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-05-25T01:42:55Z)
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。