Binäre neuronale Netze für Mehrlevel-Umrichter

• Antragsteller: Professor Dr.-Ing. Christoph Hackl
• Fachliche Zuordnung: Elektrische Energiesysteme, Power Management, Leistungselektronik, elektrische Maschinen und Antriebe
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 527294051

Es sollen binäre neuronale Netze (BNN) zum ersten Mal für Mehrlevel-Umrichter eingesetzt werden, um deren Potential in den Bereichen Modulationsverfahren, Beobachterentwurf, Fehlerdetektion & -diagnose (FDD) und fehlertolerante Regelung von leistungselektronischen Systemen zu untersuchen. Hierdurch sollen folgende Forschungsfragen beantwortet werden: - Ist eine Implementierung von BNNs auf FPGA-basierten Realzeit-Systemen von Mehrlevel-Umrichtern machbar? - Ist die Anwendung von BNN in den Bereichen Modulation, Beobachterentwurf, Fehlerdetektion & -diagnose und fehlertoleranter Regelung von Mehrlevel-Umrichtern zielführend? - Ist eine Verbesserung der Zuverlässigkeit und Performanz von Mehrlevel-Umrichtern mithilfe von BNN-basierten Modulationsverfahren, Beobachterimplementierungen, FDD und fehlertoleranten Regelverfahren zu erreichen? Das chilenisch-deutsche Forschungsprojekt wird vom Labor für mechatronische und regenerative Energiesysteme (LMRES) an der Hochschule München, Deutschland und dem Power Energy Conversion Laboratory (PECLAB), Pontifical Catholic University of Chile, Chile durchgeführt. Die enge Zusammenarbeit der beiden Labore soll Antworten auf obige Fragen für die am häufigsten eingesetzten Mehrlevel-Umrichter-Topologien - der Dual-Star Chopper Cell Modular Multilevel Cascade Converters (DSCC-MMCC) und der Triple-Star Bridge Cell Modular Multilevel Cascade Converters (TSBC-MMCC) - geben. Der Fokus des LMRES liegt hierbei auf dem DSCC-MMCC, während das PECLAB vorrangig den TSBC-MMCC untersuchen wird.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Chile
• Partnerorganisation: Agencia Nacional de Investigación y Desarrollo (ANID)
• Kooperationspartner: Professor Dr.-Ing. Felix Rojas Lobos