論文の概要: Artificial-Intelligence-Based Triple Phase Shift Modulation for Dual
Active Bridge Converter with Minimized Current Stress
- arxiv url: http://arxiv.org/abs/2308.00382v1
- Date: Tue, 1 Aug 2023 08:49:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-02 14:51:35.332357
- Title: Artificial-Intelligence-Based Triple Phase Shift Modulation for Dual
Active Bridge Converter with Minimized Current Stress
- Title（参考訳）: 電流応力を最小化した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三相シフト変調
- Authors: Xinze Li, Xin Zhang, Fanfan Lin, Changjiang Sun, Kezhi Mao
- Abstract要約: 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。
- 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: The dual active bridge (DAB) converter has been popular in many applications
for its outstanding power density and bidirectional power transfer capacity. Up
to now, triple phase shift (TPS) can be considered as one of the most advanced
modulation techniques for DAB converter. It can widen zero voltage switching
range and improve power efficiency significantly. Currently, current stress of
the DAB converter has been an important performance indicator when TPS
modulation is applied for smaller size and higher efficiency. However, to
minimize the current stress when the DAB converter is under TPS modulation, two
difficulties exist in analysis process and realization process, respectively.
Firstly, three degrees of modulation variables in TPS modulation bring
challenges to the analysis of current stress in different operating modes. This
analysis and deduction process leads to heavy computational burden and also
suffers from low accuracy. Secondly, to realize TPS modulation, if a lookup
table is adopted after the optimization of modulation variables, modulation
performance will be unsatisfactory because of the discrete nature of lookup
table. Therefore, an AI-based TPS modulation (AI-TPSM) strategy is proposed in
this paper. Neural network (NN) and fuzzy inference system (FIS) are utilized
to deal with the two difficulties mentioned above. With the proposed AI-TPSM,
the optimization of TPS modulation for minimized current stress will enjoy high
degree of automation which can relieve engineers' working burden and improve
accuracy. In the end of this paper, the effectiveness of the proposed AI-TPSM
has been experimentally verified with a 1 kW prototype.
- Abstract（参考訳）: デュアルアクティブブリッジ(DAB)コンバータは、その卓越した電力密度と双方向の電力伝達能力のために多くの用途で人気がある。
現在までに、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技術の一つとみなすことができる。
ゼロ電圧切替範囲を広げ、電力効率を大幅に向上できる。
現在、DABコンバータの電流応力は、TPS変調を小型化、高効率化するための重要な性能指標となっている。
しかし、DABコンバータがTPS変調下にある場合の電流応力を最小限に抑えるため、解析過程と実現過程には2つの困難がある。
まず、TPS変調における3次変調変数は、異なる動作モードにおける電流応力の解析に困難をもたらす。
この解析と推論のプロセスは計算の重荷を生じさせ、また精度も低くなる。
次に、tps変調を実現するために、変調変数の最適化後にルックアップテーブルを採用すると、ルックアップテーブルの離散性により変調性能が不満足となる。
そこで本稿では,AIベースのTPS変調(AI-TPSM)戦略を提案する。
ニューラルネットワーク(nn)とファジィ推論システム(fis)は、上記の2つの困難に対処するために利用される。
提案したAI-TPSMでは、電流応力を最小限にするためのTPS変調の最適化が、エンジニアの作業負担を軽減し、精度を向上させるための高度な自動化を享受する。
本稿では,提案するAI-TPSMの有効性を1kWのプロトタイプを用いて実験的に検証した。
関連論文リスト
- BiT-MamSleep: Bidirectional Temporal Mamba for EEG Sleep Staging [9.917709200378217]
BiT-MamSleepは,Triple-Resolution CNN(TRCNN)を統合し,効率的なマルチスケール特徴抽出を行う新しいアーキテクチャである。
BiT-MamSleepにはAdaptive Feature Recalibration (AFR)モジュールと時間拡張ブロックが組み込まれている。
4つの公開データセットの実験は、BiT-MamSleepが最先端の手法を大幅に上回っていることを示している。
論文 参考訳（メタデータ） (2024-11-03T14:49:11Z) - 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) - 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) - Artificial-Intelligence-Based Hybrid Extended Phase Shift Modulation for
the Dual Active Bridge Converter with Full ZVS Range and Optimal Efficiency [7.061179806642582]
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。
論文 参考訳（メタデータ） (2023-08-01T08:48:35Z) - Quantization Variation: A New Perspective on Training Transformers with Low-Bit Precision [45.69716658698776]
本稿では,トランスフォーマーによる低ビット量子化学習の難しさを識別する。
本稿では,視覚と言語変換の両面での変動を考慮した量子化手法を提案する。
我々のソリューションは2ビットのSwin-TとバイナリBERTベースを大幅に改善し、3.35%と1.4%の精度向上を実現した。
論文 参考訳（メタデータ） (2023-07-01T13:01:39Z) - Teacher Intervention: Improving Convergence of Quantization Aware
Training for Ultra-Low Precision Transformers [17.445202457319517]
量子化対応トレーニング(QAT)は、実装コストとエネルギー消費を減らすための有望な方法である。
本研究は,超高精度事前学習型変圧器の高速収束QATのための,TI(Teacher Intervention)と呼ばれる能動的知識蒸留法を提案する。
論文 参考訳（メタデータ） (2023-02-23T06:48:24Z) - 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) - Stabilizing Voltage in Power Distribution Networks via Multi-Agent
Reinforcement Learning with Transformer [128.19212716007794]
本稿では,変圧器を用いたマルチエージェント・アクタ・クリティカル・フレームワーク(T-MAAC)を提案する。
さらに、電圧制御タスクに適した新しい補助タスクトレーニングプロセスを採用し、サンプル効率を向上する。
論文 参考訳（メタデータ） (2022-06-08T07:48:42Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳（メタデータ） (2022-03-26T20:37:14Z) - An Artificial Neural Network-Based Model Predictive Control for
Three-phase Flying Capacitor Multi-Level Inverter [2.3513645401551333]
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。
論文 参考訳（メタデータ） (2021-10-15T13:54:08Z) - Global Vision Transformer Pruning with Hessian-Aware Saliency [93.33895899995224]
この研究はヴィジュアルトランスフォーマー(ViT)モデルの共通設計哲学に挑戦する。
遅延を意識した規則化による直接遅延低減を実現し,すべての層や構造に匹敵する新しいヘッセン型構造解析基準を導出する。
DeiT-Baseモデルで反復的なプルーニングを実行すると、NViT(Novel ViT)と呼ばれる新しいアーキテクチャファミリが生まれ、パラメータをより効率的に利用する新しいパラメータが現れる。
論文 参考訳（メタデータ） (2021-10-10T18:04:59Z)
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。