分级PINN用于buck变换器参数估计

Samuela Rokocakau 等人提出一种分阶段物理信息神经网络（PINN），从时域数据辨识 DC buck 变换器的电感、电容和寄生电阻，梯度按 L→C→rL→rC 的顺序释放，该顺序来自灵敏度分析。 论文称，五阶段方案将 L 和 C 恢复到 5% 以内、串联 ESR 到 10% 以内；三阶段变体达到同等精度且快 11%。84 因子扫描显示，训练后的 PINN 在四个元件同时扰动 8% 时仍准确，5 ms 内波形 RMSE 为 2.6×10⁻²，比同时训练的基线好一个数量级。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。