Ученые Пермского Политеха разработали интеллектуальную систему управления напряжением для источников постоянного тока, работающих в условиях нестабильного питания. Решение основано на адаптивной нейронной сети и позволяет повысить точность стабилизации, ускорить реакцию системы на изменения почти на 58% и более чем вдвое сократить вычислительные затраты по сравнению с традиционными методами. Об этом «Газете.Ru» сообщили в пресс-службе образовательного учреждения.
Современные автономные источники энергии — солнечные панели, аккумуляторы и гибридные системы — подвержены значительным колебаниям выходного напряжения из-за изменений нагрузки и условий эксплуатации. Для питания маломощной электроники такие колебания критичны: даже небольшие отклонения могут ухудшить работу устройств или привести к их выходу из строя. Поэтому задача точной и быстрой стабилизации напряжения остаётся одной из ключевых в силовой электронике.
В основе разработки лежит DC–DC-преобразователь, который может повышать или понижать напряжение, а его работу контролирует микроконтроллер. Дополнительную сложность создаёт электрическая развязка, необходимая для безопасности: используемая в таких схемах оптопара работает нелинейно, из-за чего классические алгоритмы управления реагируют с задержкой или допускают погрешности.
Традиционно эту проблему решают с помощью аналоговых схем на операционных усилителях, однако они не способны адаптироваться к изменяющимся условиям и со временем теряют точность. В новой системе пермские исследователи применили адаптивную нейронную сеть на базе персептрона, встроенную в микроконтроллер преобразователя. Она в реальном времени анализирует отклонения напряжения и корректирует управление с учётом нелинейностей и погрешностей компонентов.
«Наша нейросеть со временем подстраивается под конкретные условия работы, компенсирует искажения измерений и изменения характеристик элементов из-за нагрева или старения», — пояснил доцент кафедры автоматики и телемеханики ПНИПУ Вячеслав Никулин.
Эффективность подхода проверяли в компьютерном моделировании и на физическом прототипе. Сравнение с классической системой управления показало, что нейросетевой алгоритм выводит напряжение на заданный уровень быстрее — за 79 микросекунд вместо 125 — и требует всего 24 итерации пересчета против 57 у традиционного решения. При этом погрешность стабилизации стремится к нулю без ручной перенастройки.
Разработка открывает возможности для внедрения элементов искусственного интеллекта в источники питания и может найти применение в портативной технике, автономных энергосистемах, робототехнике и другой электронике, где особенно важны стабильность, надёжность и энергоэффективность.
Ранее в России нашли способ создать «вечный» барьер от лесных пожаров.
