بهبود کارایی مبدل های DC-DC با استفاده از کنترل کننده تطبیقی مبتنی بر یادگیری ماشین

مبدل های DC-DC نقش حیاتی در سیستم های قدرت مدرن، از جمله منابع تغذیه سوئیچینگ، سیستم های انرژی تجدیدپذیر و وسایل نقلیه الکتریکی ایفا می کنند. بهبود کارایی و پایداری این مبدل ها، به ویژه در شرایط کاری متغیر و بارگذاری نامعین، یک چالش اساسی است. این مقاله به بررسی رویکردی نوین برای افزایش کارایی مبدل های DC-DC با بهره گیری از کنترل کننده های تطبیقی مبتنی بر یادگیری ماشین می پردازد. با استفاده از الگوریتم های یادگیری ماشین، کنترل کننده قادر به پیش بینی رفتار سیستم و تنظیم پارامترهای کنترلی به صورت پویا است تا عملکرد مطلوب در شرایط مختلف حفظ شود. نتایج شبیه سازی و آزمایشگاهی نشان دهنده بهبود قابل توجه در دقت رگولاسیون ولتاژ، کاهش تلفات توان و افزایش پایداری کلی مبدل در مقایسه با روش های کنترلی سنتی است. نتایج شبیه سازی در محیط متلب نشان می دهد که روش پیشنهادی نسبت به کنترل کننده های کلاسیک PID و فازی، تا ۱۲٪ بهبود در بازدهی انرژی و ۱۸٪ کاهش در زمان پاسخ بار گذرا ایجاد می کند.

کلیدواژه ها:

کارایی ، مبدل هایDC-DC ، کنترل کننده تطبیقی ، یادگیری ماشین