利用为微控制器优化的微型神经网络增强电机磁场定向控制
机器学习
2025-02-04 v1 系统与控制
系统与控制
摘要
神经网络在资源受限的微控制器上的部署势头渐增，推动了微型神经网络（Tiny Neural Networks）的诸多进展。本文介绍了一种微型前馈神经网络 TinyFC，并将其集成到永磁同步电机（PMSMs）的磁场定向控制（FOC）中。比例-积分（PI）控制器因其简单性而广泛应用于 FOC，但其在处理非线性动态方面的局限性阻碍了精度。为解决此问题，我们设计了一个仅含 1,400 个参数的轻量级 TinyFC，以在满足微控制器计算和内存限制的同时增强 FOC 性能。我们应用了包括剪枝、超参数调优和 8 位整数量化在内的先进优化技术，以减小模型体积，同时保持网络有效性。仿真结果表明，所提出的方法显著减少了超调量，最高可达 87.5%，其中剪枝后的模型实现了完全消除超调，凸显了微型神经网络在实时电机控制应用中的潜力。
引用
@article{arxiv.2502.00532,
title = {Enhancing Field-Oriented Control of Electric Drives with Tiny Neural Network Optimized for Micro-controllers},
author = {Martin Joel Mouk Elele and Danilo Pau and Shixin Zhuang and Tullio Facchinetti},
journal= {arXiv preprint arXiv:2502.00532},
year = {2025}
}
备注
This paper has been submitted to the EDGE AI Research Symposium 2025 (https://conf.researchr.org/home/tinyml-symp-2025#Call-for-papers previously known as tinyML Research Symposium). It was peer reviewed and camera ready updated accordingly to reviewer's feedback. It will be presented in EDGE AI FOUNDATION Austin 2025 (https://www.edgeaifoundation.org/events/austin-2024)