基于强化学习的多工作点LLC变换器参数优化
机器学习
2023-03-02 v1
摘要
电路优化是一个由专家完成且困难耗时的过程，但也日益由复杂算法承担。本文采用强化学习(RL)方法来优化LLC变换器在多个工作点的参数，这些工作点对应于不同开关频率下不同输出功率时变换器的高效率。在训练期间，RL智能体学习到针对特定问题的优化策略，从而能在预定义范围内对任意目标和边界条件进行优化。结果表明，训练后的RL智能体能够基于基波近似(FHA)的LLC变换器仿真，在50个调参步内求解两个工作点、功率效率大于90%的新优化问题。因此，这一AI技术有望在功率电子及更广领域中，以数据驱动的策略提取增强专家驱动的设计流程。
引用
@article{arxiv.2303.00004,
title = {Parameter Optimization of LLC-Converter with multiple operation points using Reinforcement Learning},
author = {Georg Kruse and Dominik Happel and Stefan Ditze and Stefan Ehrlich and Andreas Rosskopf},
journal= {arXiv preprint arXiv:2303.00004},
year = {2023}
}
备注
5 pages, 6 figures, results were already presented at CEFC 2022