面向无线电力传输系统的 LCC-S 谐振变换器深度强化学习辅助频率控制
系统与控制
2025-05-06 v1 系统与控制
摘要
本文提出了一种新颖的基于深度强化学习（DRL）的控制策略，用于在 LCC-S 谐振变换器中实现精确且鲁棒的输出电压调节，该变换器专为无线电力传输应用而设计。与依赖手动整定 PI 控制器或启发式整定方法的传统方法不同，我们的方法利用双延迟深度确定性策略梯度（TD3）算法来系统地优化 PI 控制器参数。我们采用直接分段仿射（DPWA）建模技术捕捉复杂的变换器动态特性，为处理其非线性提供了一种结构化的方法。这种集成不仅消除了手动整定的需要，还增强了在不同工作条件下的控制适应性。仿真和实验结果证实，所提出的基于 DRL 的整定方法在稳定性、鲁棒性和响应时间方面显著优于传统方法。这项工作展示了 DRL 在电力电子控制中的潜力，为传统控制器设计方法提供了一种可扩展且数据驱动的替代方案。
引用
@article{arxiv.2505.01850,
title = {Deep Reinforcement Learning-Aided Frequency Control of LCC-S Resonant Converters for Wireless Power Transfer Systems},
author = {Reza Safari and Mohsen Hamzeh and Nima Mahdian Dehkordi},
journal= {arXiv preprint arXiv:2505.01850},
year = {2025}
}