Источники питания на основе возобновляемых и автономных технологий, такие как солнечные панели, аккумуляторные батареи и гибридные энергосистемы, характеризуются значительными колебаниями выходного напряжения, зависящими от условий эксплуатации и нагрузки. Такие изменения затрудняют их прямое использование для питания маломощных электронных устройств, требующих строго фиксированных параметров для применения. Для решения этой задачи ученые Пермского Политеха создали интеллектуальную систему управления напряжением для источников питания постоянного напряжения. Применение адаптивной нейронной сети позволяет увеличить точность стабилизации напряжения, ускорить реакцию системы на 58% и более чем вдвое сократить количество вычислительных операций по сравнению с традиционными решениями.
Статья опубликована в журнале «Электротехника».
Современные электронные устройства — от бытовой техники до сложных автоматизированных систем — напрямую зависят от качества электропитания. Для их корректной и безопасной работы важно, чтобы напряжение оставалось стабильным, даже если источник питания нестабилен. На практике это происходит довольно часто: аккумуляторы постепенно разряжаются, солнечные панели выдают разную мощность в зависимости от погоды, а нагрузка на устройство может резко меняться.
Всё это приводит к колебаниям напряжения, которые способны ухудшить работу электроники или даже вывести её из строя. Именно поэтому задача стабилизации напряжения остаётся актуальной и важной для современной техники.
Основой системы является электронный DC-DC преобразователь —универсальный «переводчик» энергии каждого электронного устройства, который может как повышать, так и понижать напряжение. Его работой управляет небольшой микроконтроллер, который постоянно измеряет выходное напряжение и сравнивает его с заданным заранее значением. Если оно отличается от нужного, система автоматически корректирует свою работу.
При этом важной особенностью в работе преобразователя является электрическая развязка — изоляция, которая отделяет микроконтроллер от высоковольтных компонентов и повышает надёжность и безопасность всей системы. Однако ее внедрение создаёт дополнительные технологические сложности. Ключевая проблема заключается в том, что один из элементов такой развязки — оптопара — работает нелинейно. Это означает, что изменение входного управляющего сигнала не вызывает прямого и равномерного изменения сигнала на выходе. В результате в классических системах управления возникают искажения и погрешности в стабилизации напряжения. Система либо запаздывает с реакцией, либо не может точно выйти на заданный уровень, что снижает общую эффективность и точность преобразователя.
Традиционным решением этой проблемы является использование аналоговых схем на операционных усилителях, которые сравнивают текущее выходное напряжение с необходимым. Однако такой подход не обеспечивает безопасности работы системы. Дело в том, что аналоговые схемы работают по жёсткой, неизменяемой логике и не умеют подстраиваться под изменяющиеся со временем сигналы. В итоге резкие скачки и помехи способны не только вывести систему из строя, но и физически разрушить чувствительные компоненты устройств.
Ученые Пермского Политеха создали систему автоматизированного управления напряжением на базе нейронной сети. Она адаптируется под изменяющиеся колебания на входе и обеспечивает как точность, так и быстродействие. Такой подход позволяет свести погрешность стабилизации к минимуму, ускорить реакцию системы почти на 58% и более чем вдвое сократить вычислительные затраты по сравнению с традиционными методами.
Ключевой отличительной чертой предложенного решения стало применение адаптивной нейронной сети для готового преобразователя. Такая система способна учитывать нелинейности и погрешности, которые неизбежно возникают в реальных электронных компонентах. Со временем она адаптируется к конкретным условиям работы, компенсирует неточности измерений и изменения характеристик элементов, вызванные нагревом или старением. В результате выходное напряжение становится более стабильным, а процесс регулирования — более плавным.
– Одним из преимуществ нашей разработки является использование адаптивных алгоритмов управления. Структуру нейронной сети мы построили на базе персептрона – простой классической модели. Она работает следующим образом. В режиме реального времени микроконтроллер анализирует выходное напряжение преобразователя, сравнивает его с заданным значением и автоматически корректирует режим работы, – объясняет Вячеслав Никулин, доцент кафедры автоматики и телемеханики ПНИПУ.
Например, системе нужно получить на выходе напряжение ровно 15.0 В. Но из-за искажений оптопары микроконтроллер прибора «видит» меньшее значение (14.8 В) и ошибочно решает, что напряжения не хватает. Стандартная система управления увеличит напряжение, что на самом деле приведёт к скачку до 15.3 В. При этом представленная адаптивная нейронная сеть, уже обученная компенсировать эту погрешность, работает иначе. Ее применение позволяет повышать точность стабилизации без ручной перенастройки.
– Чтобы доказать эффективность разработки, мы провели сравнение в среде компьютерного моделирования, а также с помощью натурного эксперимента. Мы создали две виртуальные копии: одну с интеллектуальным алгоритмом на основе адаптивной нейронной сети, а другую — с классической схемой управления. Оба алгоритма тестировались в одной и той же цифровой модели: в них подавались одинаковые «скачки» входного напряжения, имитирующие работу от нестабильного источника, например, солнечной панели. Далее в виртуальной среде и на реальном физическом прототипе фиксировались все ключевые параметры – точность выходного напряжения, скорость реакции на изменения и количество вычислительных итераций, необходимое для стабилизации, – дополнил Вячеслав Никулин.
Анализ показал, что система управления с адаптивной нейронной сетью превосходит классические решения по трем ключевым параметрам. Она обеспечивает высокую точность стабилизации выходного напряжения, то есть, в отличие от стандартных подходов, погрешность разработки стремится к нулю. Также при использовании интеллектуального управления с нейросетью повышается быстродействие системы на 58%. Это значит, что время, за которое напряжение выходит на заданный уровень, сократилось со 125 микросекунд до 79 микросекунд. Такое резкое уменьшение позволяет электронному устройству мгновенно адаптироваться к скачкам, что напрямую повышает его общую производительность. Кроме того, предложенный интеллектуальный алгоритм показал более высокую вычислительную эффективность. Для стабилизации напряжения ему потребовалось всего 24 итерации пересчёта против 57 у классического подхода. Это значит, что система тратит существенно меньше ресурсов для достижения лучшего результата.
Представленная разработка открывает новые возможности применения элементов искусственного интеллекта в источниках питания и является перспективным направлением развития современной электроники. Предложенный подход позволяет создавать более надёжные, адаптивные и энергоэффективные системы, которые могут найти применение в портативной технике, автономных источниках питания, робототехнике и других областях, где стабильность и качество электропитания играют ключевую роль.
Информация предоставлена пресс-службой ПНИПУ
Источник фото: ru.123rf.com
