基于深度强化学习的 buck 转换器直接栅极控制策略
系统与控制
2025-09-19 v2 系统与控制
摘要
本文提出了一种基于深度强化学习（DRL）的方法，用于直接控制开关器件的栅信号，以实现 buck 转换器的电压调节。不同于传统控制方法，所提方法直接生成通过 DRL 训练的神经网络产生的栅信号，旨在实现高速控制速度和灵活性，同时保持稳定性。仿真结果表明，所提的直接栅控（DGC）方法实现了更快的暂态响应和稳定的输出电压调节，优于传统的 PWM 控制方案。DGC 方法对参数变化和传感器噪声具有很强的鲁棒性，表明其适用于实际的电力电子应用。通过仿真验证了所提方法的有效性。
引用
@article{arxiv.2508.07693,
title = {Deep Reinforcement Learning-Based Control Strategy with Direct Gate Control for Buck Converters},
author = {Noboru Katayama},
journal= {arXiv preprint arXiv:2508.07693},
year = {2025}
}