CN114079379A - 具有智能控制器的dc-dc转换器 - Google Patents

具有智能控制器的dc-dc转换器 Download PDF

Info

Publication number
CN114079379A
CN114079379A CN202110808673.XA CN202110808673A CN114079379A CN 114079379 A CN114079379 A CN 114079379A CN 202110808673 A CN202110808673 A CN 202110808673A CN 114079379 A CN114079379 A CN 114079379A
Authority
CN
China
Prior art keywords
section
output
power conversion
neural network
control
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110808673.XA
Other languages
English (en)
Inventor
李康润
赵钟完
金珉莹
朴东水
崔耿德
夫荣健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sungkyunkwan University School Industry Cooperation
Skye Chip Co ltd
Original Assignee
Sungkyunkwan University School Industry Cooperation
Skye Chip Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sungkyunkwan University School Industry Cooperation, Skye Chip Co ltd filed Critical Sungkyunkwan University School Industry Cooperation
Publication of CN114079379A publication Critical patent/CN114079379A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M3/00—Conversion of dc power input into dc power output
    • H02M3/02—Conversion of dc power input into dc power output without intermediate conversion into ac
    • H02M3/04—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters
    • H02M3/10—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
    • H02M3/145—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal
    • H02M3/155—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only
    • H02M3/156—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators
    • H02M3/158—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators including plural semiconductor devices as final control devices for a single load
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M3/00—Conversion of dc power input into dc power output
    • H02M3/02—Conversion of dc power input into dc power output without intermediate conversion into ac
    • H02M3/04—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters
    • H02M3/10—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
    • H02M3/145—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal
    • H02M3/155—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/0003—Details of control, feedback or regulation circuits
    • H02M1/0012—Control circuits using digital or numerical techniques
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M3/00—Conversion of dc power input into dc power output
    • H02M3/02—Conversion of dc power input into dc power output without intermediate conversion into ac
    • H02M3/04—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters
    • H02M3/10—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
    • H02M3/145—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal
    • H02M3/155—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only
    • H02M3/156—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators
    • H02M3/157—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators with digital control
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/0003—Details of control, feedback or regulation circuits
    • H02M1/0009—Devices or circuits for detecting current in a converter
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/08—Circuits specially adapted for the generation of control voltages for semiconductor devices incorporated in static converters
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/14—Arrangements for reducing ripples from dc input or output
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/38—Means for preventing simultaneous conduction of switches
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M3/00—Conversion of dc power input into dc power output
    • H02M3/22—Conversion of dc power input into dc power output with intermediate conversion into ac
    • H02M3/24—Conversion of dc power input into dc power output with intermediate conversion into ac by static converters
    • H02M3/28—Conversion of dc power input into dc power output with intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode to produce the intermediate ac
    • H02M3/325—Conversion of dc power input into dc power output with intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode to produce the intermediate ac using devices of a triode or a transistor type requiring continuous application of a control signal
    • H02M3/335—Conversion of dc power input into dc power output with intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode to produce the intermediate ac using devices of a triode or a transistor type requiring continuous application of a control signal using semiconductor devices only
    • H02M3/33507—Conversion of dc power input into dc power output with intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode to produce the intermediate ac using devices of a triode or a transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of the output voltage or current, e.g. flyback converters
    • H02M3/33515—Conversion of dc power input into dc power output with intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode to produce the intermediate ac using devices of a triode or a transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of the output voltage or current, e.g. flyback converters with digital control

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Neurology (AREA)
  • Dc-Dc Converters (AREA)

Abstract

由于直流(DC)‑DC转换器的控制器的输入被采样预定时间，因此生成二维状态信息，该二维状态信息的一个轴是输入物理量，另一个轴是时间，该二维状态信息由卷积神经网络处理以确定并输出多个控制信号中的一个。人工智能控制部可以根据多个操作条件或通过根据操作模式应用不同的人工智能引擎而动态确定的操作条件进行操作。

Description

具有智能控制器的DC-DC转换器
相关申请的交叉引用
本申请要求享有于2020年8月12日向韩国知识产权局提交的、申请号为10-2020-0101414的韩国专利申请的优先权，该申请的全部公开内容通过引用合并于此。
技术领域
公开了一种与电源设备相关的技术。
背景技术
传统上，直流(DC)-DC转换器控制开关脉冲的占空比，以便即使在输入功率或输出负载波动时也能提供稳定的电压。具有内置DC-DC转换器的系统在规格上的要求变得越来越复杂和苛刻，所述规格例如为电压稳定性、建立时间、输出纹波、功率传输效率、器件尺寸、负载电流覆盖范围、输出电压数量等。响应于这些需求，在最近的DC-DC转换器中，开关脉冲的频率变化，或采用多核(multi-core)结构。传统DC-DC转换器的控制器在每个输出条件下在有限的输入范围内起作用。顺序执行该控制器的算法以满足并控制多个输出条件的情况导致难以实现目标特性或由于输出条件之间的干扰而导致时间延迟。
同时，DC-DC转换器针对负载的操作状态或来自负载的需求条件进行优化，例如诸如输出电压的变化、输出电流的增加、稳定的电压等之类的需求条件。然而，当单个负载系统的需求条件动态变化时，对其的响应受到很大限制。
此外，当电源管理设备被实现为一个集成电路时，传统的DC-DC转换设备使用最大功率点跟踪技术来促进能量传输效率的提高。根据该技术，根据负载是轻载还是重载来控制反馈控制模式或核大小。由于该方法在有限状态下追求最佳效率，因此不会考虑现有的累积信息，或者伴随着处理速度限制或由于总是重复相同的控制流程而需要固定的时间量的限制。具体而言，由于诸如效率、建立时间、输出波动(纹波)等众多输出参数无法被同时考虑和处理，而是被依次考虑，因此一个控制回路所需的时间与考虑的输出参数的数量成比例地固定增加。
发明内容
提供此发明内容来以简化形式介绍概念的选择，这些概念将在下面的具体实施方式中被进一步描述。该发明内容不意欲标识要求保护的主题的关键特征或必要特征，也不意欲用于辅助确定要求保护的主题的范围。
以下描述旨在实现能够传递最大功率、同时响应于直流(DC)-DC转换器中的负载需求来优化效率、建立时间和输出纹波的控制。
此外，以下描述旨在提供一种能够针对多个输出参数满足负载的需求条件的DC-DC转换器。
此外，以下描述旨在提供一种能够在宽范围的输出参数上满足负载的需求条件的DC-DC转换器。
此外，以下描述旨在提供一种能够最小化周围元件的完全集成的DC-DC转换器。
此外，以下描述旨在提供一种能够满足负载的动态变化的需求条件的DC-DC转换器。
根据本公开的一个方面，由于DC-DC转换器的控制器的输入被采样预定时间，因此生成二维状态信息，其中二维状态信息的一个轴是输入物理量、另一个轴是时间，该二维状态信息由卷积神经网络处理，以确定并输出多个控制信号之一。
根据其他方面，由人工智能控制部输出到DC-DC转换器的控制信号可以是针对当前控制信号值的增大信号或减小信号。
根据其他方面，人工智能控制部可以根据多个操作条件或通过根据操作模式应用不同的人工智能引擎而动态确定的操作条件进行操作。
根据其他方面，操作模式可以根据在采样窗口期间根据传感器输入生成的二维状态信息来确定。
根据其他方面，可以根据在采样窗口期间从传感器输入生成的二维状态信息是否已经被预先学习，来有选择地将多个人工智能网络中的一个应用到人工智能控制部。
从以下具体实施方式、附图和权利要求书中，其他特征和方面将是显而易见的。
附图说明
图1是示出根据一种实施例的直流(DC)-DC转换装置的配置的框图。
图2是示出根据另一种实施例的DC-DC转换装置的配置的框图。
图3是示出根据又一实施例的DC-DC转换装置的配置的框图。
图4示出了二维状态信息的示例，该二维状态信息是卷积神经网络的输入。
图5是用于描述根据设计目标准备多组二维滤波器和人工神经网络加权系数的过程的概念图。
图6是示出应用了根据本公开的人工智能控制部的DC-DC转换装置的一种实施例的配置的框图。
图7是示出应用了根据本公开的人工智能控制部的DC-DC转换装置的另一种实施例的配置的框图。
在整个附图和具体实施方式中，除非另有说明，否则相同的附图标记将被理解为指代相同的元件、特征和结构。为了清楚、说明和方便，这些元件的相对大小和描绘可能被放大。
具体实施方式
通过参考附图描述的实施例来指定上述方面和其他方面。应当理解，每个实施例的部件可以在该实施例内进行各种组合，或与其他实施例的部件进行各种组合，而无需另外说明或不会彼此矛盾。说明书和权利要求书中所使用的术语应理解为与说明书或提出的技术精神相一致的手段和概念，其原则是发明人可以适当地定义术语的概念，来以最好的方式描述其发明。以下，将参考附图详细描述本公开的优选实施例。
图1是示出根据一种实施例的直流(DC)-DC转换装置的配置的框图。如图所示，根据一种实施例的DC-DC转换装置包括功率转换部100、多个传感器900以及人工智能控制部300。
功率转换部100可以是众多公知的DC-DC转换器中的一种，例如降压转换器、升压转换器、降压-升压转换器、包括这些基本结构的复杂结构或多核结构、包括多个并行的这些结构的结构，等等。这些可以以脉冲宽度调制(PWM)方法和脉冲频率调制(PFM)方法中的一种进行操作。在一个实施例中，功率转换部100可以被实现为一种半导体集成电路。当DC-DC转换器被实现为一种集成电路时，存在减小电感尺寸的问题。当增大开关频率以减小电感尺寸时，反馈回路中的稳定性成为问题，出现用于补偿的电阻或电容的尺寸的问题，并且输出纹波和建立时间增加，从而降低效率。本公开可用于有效地解决这些复杂的控制器问题。
多个传感器900可以是由一个元件或多个元件组成的电路，用于感测物理状态或电路状态，该一个元件或多个元件连接到功率转换部100的每个输入、输出或电路的一个节点或多个节点。
人工智能控制部300在预定时间内多次采样从多个传感器900输出的值，以生成二维状态信息并通过卷积神经网络(CNN)处理该二维状态信息，从而根据分类结果值输出控制功率转换部的操作的多个控制信号。
由全连接层组成的通用人工神经网络的输入数据是一维向量。通常，卷积神经网络提出了一种结构，该结构可以使用这种全连接的人工智能网络，同时保持包括二维图像特征的空间信息。卷积神经网络包括卷积层、非线性激活函数和从输出中提取特性的池化层，其中卷积层包括提取图像特征的滤波器。根据最终池化层的输出生成一维向量，并将该一维向量提供作为全连接的人工智能网络的输入，这将在后文描述。
如上所述，一般来说，卷积神经网络(CNN)可以反映二维图像的特征，以通过通用人工智能网络来对特征进行分类。DC-DC转换器的控制器的输入的物理量(例如输入端电压、输出端电压、温度等)可以根据DC-DC转换器的配置和目标操作规范或特性而在数量、类型或范围上进行变化。它们不具有二维排列，也不具有诸如图像信息的空间信息的特性。
此外，DC-DC转换器的控制器的输出(例如开关脉冲的占空比、频率等)也可以根据DC-DC转换器的配置和目标操作规范或特性而在数量、类型或范围上进行变化。这些是通过反映输入的时间累积特性来确定的，因此可能无法通过在某个时间点对控制器的输入进行分类来确定。
根据本公开的一个方面，二维状态信息(该二维状态信息的一个轴是输入物理量，另一个轴是时间)是通过对DC-DC转换器的控制器的输入采样预定时间而生成的，并且该二维状态信息由卷积神经网络处理以生成多个控制信号。控制器的输入是与DC-DC转换器的环境或信号相关的物理量，因此可以具有连续特性，并且根据本公开的这个方面，控制器的输出可以反映预定时间或预定时段内的输入值。
在一个实施例中，人工智能控制部300可以用在通用处理器中运行的程序指令集来实现，该通用处理器与功率转换部100配置在相同基板或相同封装中。这些程序指令存储在存储器700中。在所例示的实施例中，存储器700可以被实现为一个或多个物理存储器元件。作为另一个例子，人工智能控制部300可以由专用硬件、现场可编程门阵列(FPGA)和通用处理器的组合来实现。
根据其他方面，人工智能控制部输出给DC-DC转换器的控制信号可以是针对当前控制信号值的增大信号或减小信号。根据该方面，本公开的人工智能控制部用于根据预定时段(即采样窗口)期间的输入值确定是增大还是减小当前控制信号。DC-DC转换器的控制信号可以根据物理量(例如占空比、频率、栅极驱动器的大小或容量、以及编码器的大小)的增大或减小对输出或特性产生逐渐影响。人工智能控制部可以通过针对当前值的增大信号或减少信号的形式，根据输入中包含的噪声或人工智能引擎的错误判断中包含的错误，逐渐改变相对于当前状态的特性，并降低风险。
如图所示，在一个实施例中，人工智能控制部300可以包括图像信息生成部350、卷积神经网络电路部310和输出信号生成部330。
图像信息生成部350对从传感器900输出的值采样预定时间，以生成二维状态信息。图像信息生成部350将从传感器900读取的数字值顺序地存储在缓冲存储器730中。在一个实施例中，缓冲存储器730被实现为静态随机存取存储器(RAM)，该RAM被实现在与功率转换部100和人工智能控制部300相同的封装中。图4示出了二维状态信息的示例，该二维状态信息由图像信息生成部350生成并被输入至卷积神经网络。横轴是时间轴，纵轴是输入变量。当输入变量物理上彼此相邻并具有相似的时间波动时，处理卷积神经网络会是有利的。在该示例中，采样窗口的大小是(tM-t0)。
卷积神经网络电路部310处理二维状态信息以输出分类结果值。卷积神经网络电路部310输出每个分类结果的概率值，但在本公开中，仅选择具有最高概率的一个分类结果值。根据本公开的一个方面，卷积神经网络电路部310根据预定时段(即采样窗口)期间的输入值确定并输出多组控制信号之一。例如，卷积神经网络电路部310的输出可以具有以下形式。
[表1]
核选择字 2比特(00,01,10)
PWM/PFM选择字 1比特{0(PWM)或者1(PFM)}
占空比控制字 4比特
开关频率控制字 2比特
在该示例中，核选择字为当功率转换器具有多核结构时选择多个核中的一个核的控制字。例如，当功率转换器具有包括三个核的结构时，核选择字可以是能够具有按照小核到大核的顺序的{00、01和10}之一的2比特字。
PWM/PFM选择字是选择功率转换器的操作模式为PWM方法和PFM方法之一的控制字。例如，PWM/PFM选择字可以是1比特字，其在0的情况下指示PWM模式并且在1的情况下指示PFM模式。
占空比控制字指定功率转换器的PWM开关脉冲的占空比值。例如，当功率转换器具有能够以16步改变占空比的结构时，占空比控制字可以是4比特字。
开关频率控制字是控制功率转换器的开关频率的控制字。例如，示例性功率转换器可以包括参考频率生成电路和多路复用参考频率生成电路，该多路复用参考频率生成电路包括分频器和多路复用器，该分频器通过对生成的参考频率信号进行分频来生成并输出四个开关频率，该四个开关频率被输入到该多路复用器，并且该多路复用器具有2比特选择输入端，开关频率控制字被施加给该2比特选择输入端。
在表1中的实施例的情况下，卷积神经网络电路部310的输出由9比特组成，其为2比特的核选择字、1比特的PWM/PFM选择字、4比特的占空比控制字和2比特的开关频率控制字的总和，并且输入的二维状态信息被分类为3×2×16×2＝192个类中的一类。
输出信号生成部330根据分类结果值生成并输出控制功率转换部100的操作的控制信号。例如，在上述表1所示的例子的情况下，输出信号生成部330从卷积神经网络电路部310的输出9比特中分离出控制字，以将该控制字输出到功率转换部100的相应节点。
根据其他方面，如另一实施例，卷积神经网络电路部310可以被配置为根据预定时段(即采样窗口)期间的输入值来确定是增大还是减小每个当前控制信号。在这种情况下，每个控制字可以是表示增大或减小的1比特字，或表示增大值或减小值的有符号的二进制字，例如3比特有符号的二进制字。
当每个控制字由表示增大或减小的1比特字组成时，卷积神经网络电路部310的输出由4比特组成，其为1比特的核选择字、1比特的PWM/PFM选择字、1比特的占空比控制字和1比特的开关频率控制字的总和，并且输入的二维状态信息被分类为2×2×2×2＝16个类中的一类。
在该实施例中，输出信号生成部330根据分类结果值生成并输出控制功率转换部100的操作的控制信号。例如，在上文描述的实施例的情况下，输出信号生成部330从卷积神经网络电路部310的输出4比特中分离出控制字，并根据对应的输出值增大或减小存储的当前控制信号值，以将控制字输出至功率转换部100的相应节点。在当前控制信号值为最大值并且对应的输出值为“增大(1)”时，输出信号生成部330可以操作以维持输出值。此外，在当前控制信号值为最小值并且对应的输出值为“减小(0)”时，输出信号生成部330可以操作以维持输出值。在这种情况下，在所例示的实施例中，当前控制信号值可以被存储在存储器700中。
卷积神经网络电路部310用标注的学习数据来学习。市场上可买到的电路设计工具提供接近真实电路的仿真结果。在本公开中，学习数据是从仿真结果中获得的，同时在由电路设计工具生成的功率转换部100的建模中以各种方式改变输入参数。通过学习确定的卷积神经网络的二维滤波器和全连接的人工智能网络的加权系数可以存储在存储器700的配置信息存储器710中。在一个实施例中，配置信息存储器710被实现在构成缓冲存储器730的同一静态RAM上。
图2是示出根据另一种实施例的DC-DC转换装置的配置的框图。根据其他方面，DC-DC转换装置还可以包括控制选择部370。该控制选择部370响应于设置指令将来自配置信息存储器710的一组对应的二维滤波器和人工神经网络加权系数应用到卷积神经网络电路部310。在一个实施例中，该设置指令可以通过操作模式指示按钮被手动输入。为此，在配置信息存储器710中准备并存储了多组二维滤波器和人工神经网络加权系数。每组可以根据预定的设计目标进行准备。图5是用于描述根据设计目标准备多组二维滤波器和人工神经网络加权系数的过程的概念图。在该附图中，效率是指输出功率与输入功率的比值，建立时间是输出达到并保持在阶跃输入电压的预定波动范围内所需的时间，输出波动(纹波)是指输出电压的波动范围。所例示的示例表示这三种设计目标参数，但是在扩展的实施例中，也可以考虑更多的设计目标参数。在附图中指示的点41、43和45是指这些设计目标参数在设计期间被考虑的权重。附图标记41的设计目标是将效率、建立时间和输出波动这三者统一考虑的设计方案。附图标记43是其中效率和建立时间受到相同权重并且输出波动的权重被设置为较小值的设计方案。附图标记45是其中效率和输出波动受到相同权重并且建立时间的权重被设置为较小值的设计方案。
这个设计目标的权重可以通过对卷积神经网络的学习数据进行标注来实现。例如，通过电路仿真得到设计目标参数，通过在输入/输出波动的状态下以类似图4的方式通过传感器改变输入参数的方式来赋予对应于满足期望设计目标的输入参数的分类结果值，该输入参数例如占空比/核选择/频率等。
根据其他方面，根据一个方面的DC-DC转换装置还可以包括操作模式确定部390。该操作模式确定部390根据多个传感器900的输出确定操作模式，并输出设置指令。例如，当负载突然波动导致输出电压波动剧烈时，可以输出设置指令，以选择为了减小输出电压的波动范围而优化的操作模式。此外，当长时间保持稳定的负载状态时，可以输出设置指令以选择针对效率而优化的操作模式。
图3是示出根据又一实施例的DC-DC转换装置的配置的框图。如图所示，根据其他方面的DC-DC转换装置还可以包括径向基函数神经网络(RBFNN)电路部340和智能网络引擎选择部320。
径向基函数神经网络电路部340是使用径向基函数作为激活函数的人工神经网络。输出是神经元参数和输入值的径向基函数值的线性组合。径向基函数神经网络电路部340可以从第二配置信息存储器750读取并初始化神经元参数。智能网络引擎选择部320进行控制，使得在生成的二维状态信息是预先学习的状态信息时，该生成的二维状态信息被径向基函数神经网络处理，以及在生成的二维状态信息是新的状态信息时，该生成的二维状态信息由卷积神经网络处理。
图6是示出应用了根据本公开的人工智能控制部的DC-DC转换装置的一种实施例的配置的框图。本实施例的DC-DC转换装置作为本申请人于2019年12月10日提交并于2020年7月14日注册的、专利号为2,135,873的专利的实施例之一公开。在该专利中，应用了常规的基于规则的控制器。所引用的框图是基于该专利公开的图3中所示的实施例应用本公开的人工智能控制器的实施例。为了同时满足输出波动或建立时间，需要在控制流程上固定时间，但是应用本公开，可以缩短控制周期，从而可以提高性能。
如图所示，根据实施例的电源设备包括多路复用参考时钟生成部130、开关脉冲生成部120和DC-DC转换部110。多路复用参考时钟生成部130输出具有不同频率的多个参考时钟信号中的一者。例如，多路复用参考时钟生成部130可以以1MHz-1.9MHz的频率生成具有100KHz间隔的十个频率的参考时钟信号。从生成的参考时钟信号中选择一者并输出。如另一示例，多路复用参考时钟生成部130可以包括单时钟生成电路，该单时钟生成电路生成并输出具有所指示的频率的参考时钟信号。例如，参考时钟可以通过可控可变分频器被分频并输出。
开关脉冲生成部120生成并输出通过改变从多路复用参考时钟生成部130输出的参考时钟信号的占空比而获得的开关脉冲。DC-DC转换部110通过开关脉冲生成部120输出的开关脉冲来切换输入功率，然后将输入功率转换为DC功率并输出该DC功率。在一个实施例中，DC-DC转换部110可以是降压转换器。开关脉冲生成部120生成并输出改变了参考时钟的占空比的开关脉冲。将输入时钟信号调制为具有给定占空比的PWM调制是已知技术。可以通过电压或数字编码信息来指示占空比。
开关脉冲生成部120可以包括多路复用占空比信号生成部121和占空比选择部123。多路复用占空比信号生成部121生成多个开关脉冲信号，其中参考时钟被调制为具有不同的占空比。在一个实施例中，多路复用占空比信号生成部121包括九个信号生成部，这九个信号生成部输出占空比为10％至90％的开关脉冲信号，同时分别与参考时钟信号同步。用于将输入脉冲信号调制为具有给定占空比的PWM调制的技术是众所周知的技术。
占空比选择部123输出多个开关脉冲信号中由人工智能控制部300输出的占空比控制信号选择的一个信号。在一个实施例中，占空比选择部123是多路复用器。在所例示的实施例中，多路复用器的选择输入是占空比跟踪控制部193输出的数字字节。DC-DC转换部110通过开关脉冲来切换输入功率，然后将输入功率转换为DC电压并输出该DC电压。在一个实施例中，DC-DC转换部110可以是降压转换器。
在所例示的实施例中，人工智能控制部300输出的控制信号包括占空比控制信号和开关频率控制信号。占空比控制信号被输入，作为构成占空比选择部123的多路复用器的选择输入。开关频率控制信号被输入到多路复用参考时钟生成部130，以选择提供给开关脉冲生成部120的参考时钟的频率。例如，开关频率控制信号可以被输入，作为多路复用参考时钟生成部130的可变分频器的控制字。由于图7所示实施例的具体操作已在该专利公开中进行了详细描述，因此将省略详细描述。
图7是示出应用了根据本公开的人工智能控制部的DC-DC转换装置的另一种实施例的配置的框图。所示的DC-DC转换装置包括多核DC-DC转换部110。也就是，包括DC-DC转换装置的多组核电路，每组核电路包括主开关晶体管、电感和输出电路。根据本公开的方面实现的人工智能控制部300通过输入电流传感器911和输入电压传感器913检测输入端VIN的电流和电压。此外，人工智能控制部300通过输出电流传感器951和输出电压传感器953检测输出端VOUT的电流和电压。在这种情况下，电流传感器可以包括温度补偿电路。在一种实施例中，人工智能控制部300可通过温度传感器930感测温度并反映控制中的温度。
根据本公开的方面实现的人工智能控制部300例如将上述实施例中的核选择字输出到核选择控制器173以选择多个核电路中的一个。在这种情况下，人工智能控制部300通过可变栅极驱动器控制器171选择适合驱动主开关晶体管的栅极驱动器。此外，人工智能控制部300向PWM/PFM模式控制器151输出控制字以控制两种操作模式之间的选择，并将控制字输出到死区时间控制器153以控制选择最佳死区时间。此外，通过将控制字输出到软启动控制器155并控制带隙参考电压137的灵活启动操作，可以提高操作的稳定性。
根据本公开，可以同时处理DC-DC转换器的复杂输入以满足设计目标或系统需求。此外，通过同时处理多个输出参数的方法，可以避免与所考虑的输出参数的数量成比例增加的固定处理延迟。因此，由于可以进行高速控制，所以可以提高最佳值的精度。此外，可以满足效率、建立时间和输出纹波可能相互冲突的系统的需求。此外，可以满足系统中动态变化的需求条件。
在以上描述中，本公开通过参考附图的实施例进行了描述，但不限于此，并且本公开应当被解释为包括本领域技术人员可以清楚地推导出的各种修改示例。权利要求旨在包括这些修改示例。

Claims (9)

1.一种直流(DC)-DC转换装置，包括：
功率转换部；
多个传感器，被配置成检测所述功率转换部的每个部分的状态；以及
人工智能控制部，被配置成对所述多个传感器输出的值采样预定时间，以生成二维状态信息，并通过卷积神经网络对所述二维状态信息进行处理，以根据分类结果值输出控制所述功率转换部的操作的多个控制信号。
2.根据权利要求1所述的DC-DC转换装置，其中，所述多个控制信号中的至少一个是针对当前控制信号值的增大信号或减小信号。
3.根据权利要求1所述的DC-DC转换装置，其中，所述人工智能控制部包括图像信息生成部、卷积神经网络电路部以及输出信号生成部，所述图像信息生成部被配置成对所述多个传感器输出的所述值采样所述预定时间，以生成所述二维状态信息，所述卷积神经网络电路部被配置成对所述二维状态信息进行处理以输出所述分类结果值，所述输出信号生成部被配置成根据所述分类结果值生成控制所述功率转换部的所述操作的所述多个控制信号。
4.根据权利要求1所述的DC-DC转换装置，还包括：
配置信息存储器，在所述配置信息存储器中存储了至少一个二维滤波器和人工神经网络加权系数；以及
控制选择部，被配置成响应于设置指令，将来自所述配置信息存储器的一组对应的二维滤波器和人工神经网络加权系数应用于所述卷积神经网络电路部。
5.根据权利要求4所述的DC-DC转换装置，还包括：操作模式确定部，被配置成根据所述多个传感器的输出确定操作模式，以输出所述设置指令。
6.根据权利要求3所述的DC-DC转换装置，其中，所述人工智能控制部还包括径向基函数神经网络(RBFNN)电路部和智能网络引擎选择部，所述智能网络引擎选择部进行控制，使得在预先学习的状态信息的情况下，所生成的二维状态信息由所述径向基函数神经网络进行处理，以及在新的状态信息的情况下，所生成的二维状态信息由所述卷积神经网络进行处理。
7.根据权利要求1所述的DC-DC转换装置，其中，所述多个传感器包括被配置成检测所述功率转换部的输入电压的输入电压传感器、被配置成检测所述功率转换部的输入电流的输入电流传感器、被配置成检测所述功率转换部的输出电压的输出电压传感器和被配置成检测所述功率转换部的输出电流的输出电流传感器。
8.根据权利要求1所述的DC-DC转换装置，其中，由所述控制信号生成部生成的所述控制信号包括占空比控制信号和开关频率控制信号，所述占空比控制信号在所述功率转换部的脉冲宽度操作期间控制占空比，所述开关频率控制信号控制所述功率转换部的开关频率。
9.根据权利要求7所述的DC-DC转换装置，其中，由所述控制信号生成部生成的所述控制信号还包括核选择信号、栅极驱动器选择信号、死区时间控制信号和模式选择信号，所述核选择信号根据所述分类结果值选择所述功率转换部的核，所述栅极驱动器选择信号选择所述功率转换部的栅极驱动器，所述死区时间控制信号控制所述功率转换部的死区时间，所述模式选择信号选择所述功率转换部的脉冲宽度调制(PWM)操作模式和脉冲频率调制(PFM)操作模式中的一者。
CN202110808673.XA 2020-08-12 2021-07-16 具有智能控制器的dc-dc转换器 Pending CN114079379A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200101414A KR102193264B1 (ko) 2020-08-12 2020-08-12 지능화된 제어기를 가진 직류-직류 변환기
KR10-2020-0101414 2020-08-12

Publications (1)

Publication Number Publication Date
CN114079379A true CN114079379A (zh) 2022-02-22

Family

ID=74086759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110808673.XA Pending CN114079379A (zh) 2020-08-12 2021-07-16 具有智能控制器的dc-dc转换器

Country Status (4)

Country Link
US (1) US11955888B2 (zh)
EP (1) EP3955450A1 (zh)
KR (1) KR102193264B1 (zh)
CN (1) CN114079379A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113794371B (zh) * 2021-09-17 2023-06-30 深圳市科雷特能源科技股份有限公司 直流对直流转换方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2135873A (en) 1934-11-22 1938-11-08 Bausch & Lomb Process of making metal reflectors
JP4850730B2 (ja) * 2006-03-16 2012-01-11 キヤノン株式会社 撮像装置、その処理方法及びプログラム
WO2016096887A1 (en) 2014-12-16 2016-06-23 Hella Kgaa Hueck & Co. Pfc rectifier and method for operating a pfc rectifier
KR101945620B1 (ko) * 2017-06-20 2019-02-07 울산대학교 산학협력단 보상된 증분 컨덕턴스를 이용한 최대 전력점 추적 장치 및 방법
CN108199600B (zh) 2018-01-18 2019-10-22 扬州大学 一种全桥逆变器的自适应动态面控制器
US11493558B2 (en) 2018-04-27 2022-11-08 Semiconductor Energy Laboratory Co., Ltd. Estimation method of state of charge of power storage device and estimation system of state of charge of power storage device
KR102135873B1 (ko) 2019-12-10 2020-07-21 주식회사 스카이칩스 스위칭 주파수의 동적 스케일링 기능을 가지는 전원 공급 장치
US20220083114A1 (en) * 2020-09-16 2022-03-17 Infineon Technologies Austria Ag AI based Error Prediction for Power Conversion Regulators

Also Published As

Publication number Publication date
KR102193264B1 (ko) 2020-12-22
US20220052606A1 (en) 2022-02-17
EP3955450A1 (en) 2022-02-16
US11955888B2 (en) 2024-04-09

Similar Documents

Publication Publication Date Title
KR101374033B1 (ko) 스위칭 전력 공급기용 제어기, 시스템 및 스위칭 전력공급기 제어 방법
US8395365B2 (en) Non-linear PWM controller
US20230216409A1 (en) Simo dc to dc converter
WO2004072589A2 (en) Digital control system and method for switched mode power supply
US11575322B2 (en) Electrical power converter
US8982588B2 (en) Method and an apparatus for controlling the output voltage of a boost converter composed of plural bridge devices
KR20070017501A (ko) 디지털 전원제어시스템의 필터보상계수를 통신하는 방법 및 시스템
KR20070004710A (ko) 스위칭모드 전원장치에서 향상된 동적조정을 제공하는ａｄｃ 전달함수
US10505454B2 (en) Cross regulation reduction in single inductor multiple output (SIMO) switching DC-DC converters
EP3972100A1 (en) Ai-based error prediction for power conversion regulators
He et al. A novel scheme for sliding-mode control of DC-DC converters with a constant frequency based on the averaging model
US20230244881A1 (en) Computing circuitry
CN114079379A (zh) 具有智能控制器的dc-dc转换器
KR101640206B1 (ko) 충전 제어를 통해 크로스 레귤레이션을 감소시킨 다중출력 벅컨버터 및 그 변환 방법
Dhivya et al. Neural network controller for boost converter
US11837958B2 (en) Multiphase power converter
Saktheeswaran et al. Experimental validation of multi-loop controllers for two-level cascaded positive output boost converter
Chundhu et al. Novel programmable solar based SIMO converter for SMPS applications with IoT infrastructure
Mohammadzadeh et al. Application of mixture of experts in machine learning-based controlling of DC-DC power electronics converter
Abegaz Dynamic switching control of buck converters using unsupervised machine learning methods
Liu et al. A neural network PID controller with dynamic structure adjustment for DC-DC switching converters
Charan et al. Improving Transient Response of Cuk Converters Using Artificial Neural Network Based Controller
CN117977911A (zh) 一种谐振变换器的控制电路、控制方法和存储介质
Al-Kamil Voltage Controller for Simulating Transition between Boost–Buck-Boost Converter
Van Kien et al. DESIGN OF ROBUST FUZZY CONTROLLER FOR BUCK CONVERTERS OPTIMISED BY DIFFERENTIAL EVOLUTION ALGORITHM

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination