リアルタイムNAF機械学習を用いた広範な動作条件下での降圧コンバータの動作改善

カテゴリ：研究会(論文単位)

論文No：SPC25151,MD25067

グループ名：【D】産業応用部門 半導体電力変換/【D】産業応用部門 モータドライブ合同研究会

発行日：2025/9/15

タイトル(英語)：Real-Time NAF-Machine Learning for Improvement of Wide-Range Operation of Buck Converter

著者名：越後谷 涼(青山学院大学),伊藤 龍太(青山学院大学),渡邊 瞭(青山学院大学),佐藤 佑樹(青山学院大学),松本 洋和(青山学院大学)

著者名(英語)： Ryo Echigoya(Aoyama Gakuin University),Ryuta Ito(Aoyama Gakuin University),Ryo Watanabe(Aoyama Gakuin University),Yuki Sato(Aoyama Gakuin University),Hirokazu Matsumoto(Aoyama Gakuin University)

キーワード：降圧コンバータ,ＮＡＦ,ニューラルネットワーク,機械学習,Buck Converter,NAF,Neural Network,Machine learning

要約(日本語)：本研究は、リアルタイムNAF機械学習を実現し、バックコンバータの広範な動作条件下での動作性能改善に適用する。NAF制御は、Q学習から派生し、連続値の入力/出力が可能である。NNを小規模化できる新たなるNAF構造を提案し、計算時間短縮のため並列処理を施してFPGAに実装することでリアルタイムによる学習を実現させた。またその結果、学習後のNAFエージェントは高い性能で制御できることを確認した。

要約(英語)：This paper presents real-time NAF-Machine Learning. A novel NAF architecture and implementation method of the NAF agent NN in FPGA are proposed. Experiments validate that the trained NAF agent can control a buck converter with high performance under wide operating conditions.

本誌：2025年9月18日-2025年9月19日半導体電力変換/モータドライブ合同研究会-1

本誌掲載ページ：9-14p

原稿種別：日本語

PDFファイルサイズ：1,987Kバイト