买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东电邦新能源科技有限公司申请的专利基于物理信息机器学习的功率变换器控制方法、设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119906242B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510087695.X，技术领域涉及：H02M1/00；该发明授权基于物理信息机器学习的功率变换器控制方法、设备及存储介质是由马森标;赵俊皓;马龙设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本基于物理信息机器学习的功率变换器控制方法、设备及存储介质在说明书摘要公布了：本发明涉及功率变换器技术领域，具体地说，涉及基于物理信息机器学习的功率变换器控制方法、设备及存储介质。包括如下步骤：控制系统搭建；数据采集、存储和预处理；模型搭建与评估；模型部署；模型应用；功率变换器运行模式的预测模型选择。本发明设计将物理约束信息嵌入损失函数，利用机器学习算法挖掘控制信号占空比、频率和跳变脉冲数量跟输入电压、输入电流、输出电压、输出电流和温度的关系，并将机器学习控制模型部署到FPGA上，对控制信号的占空比、频率及脉冲跳变数量进行实时预测和控制；通过机器学习模型的非线性能力进行准确建模，可以节省大量的成本，提高模型的准确性。

本发明授权基于物理信息机器学习的功率变换器控制方法、设备及存储介质在权利要求书中公布了：1.基于物理信息机器学习的功率变换器控制方法，其特征在于，包括如下步骤： S1、控制系统搭建：构建包括功率变换器、数据采集及处理模块、机器学习控制算法和控制信号生成器的控制系统架构； 功率变换器至少包括Buck、Boost、Buck-Boost、CUK和谐振转换器，及反激式转换器、正激式转换器、推挽式转换器、半桥式转换器和全桥式转换器，及这些类型转换器的并联拓扑架构，及采用ZVS和ZCS技术降低功率器件开关损耗的功率变换器； 数据采集及处理模块包括控制信号占空比、频率和脉冲跳变数量的采集，输入电压、输入电流、输出电压、输出电流和温度的采集及AD变换； 机器学习控制算法至少包括SVR、RF、BP神经网络、RBF和LSTM；功率变换器的预测模型选择算法也可以采用这些机器学习算法，预测模型选择算法根据功率变换器的运行效率和预测效率，选择功率变换器的拓扑是在PWM模式运行，还是在PFMPSM模式运行； 控制信号生成器根据机器学习算法预测的占空比、频率、脉冲跳变数量，及死区时间，生成脉宽调制PWM信号、脉冲频率调制PFM信号和脉冲阶梯调制PSM信号，通过驱动电路对功率MOS管或者IGBT功率器件进行开关控制； S2、数据采集、存储和预处理：采集功率变换器运行的物理信息和控制信号数据，对采集的数据进行拼接及存储，并对数据进行清洗及归一化预处理； S3、模型搭建与评估：利用机器学习搭建精确的功率变换器运行相关的数学控制模型，并基于损失函数对模型进行评估优化； 所述S3的具体过程包括如下步骤： S3.1、模型搭建与训练：构建采用SVR、RF、RBF、BP神经网络机器学习算法的机器学习控制模型，对复杂情况采用LSTM的深度学习算法；采用机器学习作为控制手段，利用机器学习的非线性映射能力来学习输入电压、输入电流、温度、输出电压、输出电流与脉冲宽度、频率、跳变脉冲数量之间的关系； S3.2、模型评估：将机器学习应用在功率变换器控制系统的设计中，同时将物理约束损失引入到机器学习模型的损失函数中，以反映物理定律或系统特性的惩罚项；设计包括标签损失、考虑输出电压与期望电压之间的误差，及效率损失项的损失函数，以确保输出电压保持在固定值的误差范围内； 所述S3.2中，机器学习在对占空比、频率和脉冲跳变数量进行预测的情况下，标签是占空比、频率和脉冲跳变数量，损失函数根据标签损失、输出电压损失和效率损失进行定义； 使用均方误差MSE或绝对误差MAE来度量输出标签与实际标签的误差，引入输出电压的波动、输出电压与期望电压之间的误差及效率作为约束条件，将约束条件作为损失函数的一部分，即在原始损失函数上添加一个与约束条件相关的惩罚项；如果模型违反了约束条件，则惩罚项会增加损失值，从而鼓励模型调整以满足约束，通过损失函数的惩罚项来引导模型朝向满足条件的方向学习；其中： 使用均方误差MSE来度量标签的预测误差： ； 其中，是第个样本的预测脉冲宽度，是第个样本的实际脉冲宽度，是样本数量； 为了确保输出电压的稳定性，在基本损失函数的基础上引入额外的约束项，即输出电压波动、输出电压偏差和效率约束，相应引入三个惩罚项，即波动惩罚项、电压偏差惩罚项和效率惩罚项； 定义一个惩罚项来衡量输出电压的波动情况： ； 其中，是输出电压的波动函数，即波动惩罚，是第个时间点的输出电压；是第个时间点的输出电压； 定义一个惩罚项来衡量输出电压与目标电压之间的偏差；使用均方误差MSE来度量输出电压与目标电压的误差，即偏差惩罚，作为输出电压的约束条件： ； 其中，是目标输出电压，是输出电压； 引入效率约束帮助机器学习模型更好地理解和预测系统的行为： ； 其中，是输出功率效率约束函数，即功率惩罚；、分别是第个时间点的输入电压和输入电流，、分别是第个时间点的输出电压和输出电流； 将基本损失函数和稳定性约束项结合起来，形成综合损失函数： ； 其中，是第个样本的实际输出电压，是经过归一化的值；是期望的输出电压，是经过归一化的值，这个值是一个固定值； 其中，是一个超参数，用于控制波动惩罚的权重；是一个超参数，用于控制偏差惩罚的权重；是一个超参数，用于控制功率惩罚的权重； S4、模型部署：对模型进行优化、压缩，将训练好的模型编译为适合MCU、ASIC和FPGA的格式，并部署到嵌入式系统上； S5、模型应用：将实时测量的功率变换器运行参数输入对应的预测模型进行实时预测； S6、功率变换器运行模式的预测模型选择：通过功率变换器运行时的运行效率和预测效率，智能选择功率变换器的运行模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东电邦新能源科技有限公司，其通讯地址为：523000 广东省东莞市石排镇李家坊商业街29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。