当前位置:首页>>行业资讯>>技术应用>> 神经网络的电力电子器件实现

神经网络的电力电子器件实现

时间:2017-10-14  来源:本网  作者:admin  浏览次数:422

  二、适合于ANN的功率晶体管神经网络理论及其技术将使得电子科学和信息科学产生革命性的飞跃,并将极大地推动人类社会生产和生活智能化、信息化的进程。

  经过最近二十年的研究,神经网络研究已经形成了三个主流方向:神经网络理论研究、神经网络应用研究和神经网络实现技术研究。其中,神经网络理论研究是整个神经网络问题研究的基础,它为神经网络应用和技术实现提供依据和指导;神经网铬应用为神经网络理论研究提出新问题、新课题,给神经网络技术实现提出新的要求,推动神经网络理论及实现技术的发展;神经网络的实现是用相关技术,有效地实现各种神经网络模型及其计算,架起神经网络理论与应用研究之间的桥梁,让神经网络服务于生产和生活。就神经网络应用研究的成果而言,人们已经在自动控制、信息处理、模式识别、优化计算、信号处理、人工智能、经济、交通、管理、材料、军事等诸多领域中应用了神经网络;就实现技术研究而言,人们已经研究了神经网络的电子实现、光学实现、分子实现等方式,并正在设计开发神经网络芯片,并有商业化产品面世。

  注意到这样的两个基本事实:其一,神经网络的应用研究主要是利用了神经网络强大的信息处理能力;其二,神经网络的实现技术研究主要是着眼于一定的信息处理单元。从电学的观点来看,现有的神经网络是一种弱电性质的信号处理系统,神经元的功能是信号处理,流过神经网络的信号是弱电性的小功率流,我们可以称这类神经网络为信号神经网络(SignalNeuralNetworks,简称为SNN)。

  近年来,IGBT、GTO、GTR、MOSFET、MCT、IPM等电力电子器件迅速崛起,人们正在基于LIC技术实现电力电子器件的集成化。这就使得我们想到:能否用电力电子器件来实现神经网络,并使之大功率化,本文试图就这一个问题进行研究。

  电力电子学是研究采用半导体器件实现对电能的控制和变换的科学,它是一门应用于电力技术领域的电子学。其研究内容包括电力电子器件、电力电子电路及装置体积小、容量大等特性,使得它们在神经网络实现技术方面具有巨大的应用价值。我们称这类神经网络为功率神经网络(Power NeuralNetworks,简称PNN)。就功率晶体管而言,包括普通型和快速型两类。目前常用的功率晶体管品种有:快速型静电感应晶体管:800V,60A;1200V,28A、L绝缘栅双极晶体管:1200V,200A功率晶体管与小功率管一样,都具有放大电流和电压的功能。当前功率晶体管主要的技术指标是,开通时间及关断时间均为几微秒,正向压降为1伏左右,漏电流不大于几百微安,通过基极电流的通断实现开关功能,缺点是耐冲击能力差,易受二次击穿而损坏。

  在使用时,必须考虑击穿电压、电流增益、耗散功率和开关速度等相互制约的四个参数。本文将给出几种基于功率晶体管如GTR、MOSFET的Hopfidd型功率神经网络。

  1基于功率晶体管GTR的Hopfield型神经网络管GTR的输出特性如所它们的输出特性函数关系为Uge)它十分类似于所谓的S型神经元特性曲线。

  *国家自然科学基金资助项目(批准号=智能控制技术*络模拟电路,其结构与1984年Hopfield最初给出Hop-field网络模拟电路完全类似。此时设第;个GTR的输出为Ucfi,那么以GTR作为神经元的非线性动态方程如下:其中G是GTR的输人电容,%是第j/个GTR到第个GTR输人端的联结权,/;(。)是第z个GTR的输出特性,即神经元特性,n为GTR个数,氏为GTR的外部输人。

  为了描写Hopfield型功率神经网络的稳定性,可以引人能量函数:此可以证明,Hopfield型功率神经网络的稳定性仍为由于在状态空间中存在该神经网络能量函数*的稳定平衡点,表明Hopfield型功率神经网络最终可以给出所描述问题的稳定解。

  采用GTR作为神经元器件,必须注意以下问题:在篼频时,应设法减小GTR的开关能量损耗;选择适当的驱动电路,驱动电路必须开关速度快、能耗低、尺寸小,建议采用集成化的驱动电路如法国THOMSON公司的基极驱动芯片UAA4002;根据功率神经网络的容量,选择适当的保护电路。对于小功率神经网络,可采用jC缓冲电路,对于较大容量的功率神经网络,可采用充放电型只―CVD缓冲电路或J-C-VD缓冲电路。

  2基于功率场效应晶体管的HopfieW型神经网络功率场效应晶体管MOSFET的输出特性如所示。

  它的输出特性函数关系为它十分类似于所谓的S型神经元特性曲线。

  以MOSFET作为神经元,也可以构造功率Hp-field网络模拟电路,其结构与Hopfield最初给出的Hopfield网络模拟电路类似。此时设第2个MOSFET的输出为智能控制技术*如下:c.令其中G'是MOSFET的输人电容,Ty是第j/个MOSFET输出到第i个MOSFET输人端的联结权,/;(*)是第i个MOSFET的输出特性,即神经元特性,为MOSFET个数,民为MOSFET的外部输人。

  为了描写Hopfield型功率神经网络的稳定性,也可以引人能量函数:由于/;(*)是S形函数,故/fU.)单调递增。由此可以证明,基于MOSFET的Hopfield型功率神经网络的稳定性仍为由于在状态空间中存在该神经网络能量函数*的稳定平衡点,表明基于MOSFET的Hopfield型功率神经网络最终也可以给出所描述问题的稳定解。

  采用MDSFET作为神经元器件,必须注意以下问题:MOSFET开关时间与输人输出电容关系密切,应选择合适的输人输出电容;选择适当的驱动电路,驱动电路必须开关速度快、能耗低、尺寸小,建议采用集成化的驱动电路如美国国际整流器公司(IR公司)生产的IR2110高压浮动MOS栅极驱动集成电路;对于MOSFET功率神经网络的保护,主要是栅源过压保护、漏源过压保护、过热保护和静电保护等几个方面。

  三、PNN与SNN的比较我们知道,神经网络是一种抽象结构,是一种可以用微分方程描述的计算模型。国际著名的神经网络专家,第一家神经计算机公司的创始人和神经网络实现技术研究的领导人Hecht- Nielson给神经网络的定义是:“神经网络是一个以有向图为拓朴结构的动态系统,它通过对连续或断续式的输人作状态响应而进行信息处理。”由于小功率的晶体管和大功率的晶体管都可以对连续或断续式的输入作状态响应,因而均可以用来作为神经器件构造的基石。但是,基于小功率的晶体管构造的SNN与基于大功率的晶体管构造的PNN在结构、运行模式等方面还是有很大区别的。

  基于率的晶体管构造的SNN主要有如下特点:主要用于信息处理,神经元及网络能耗在绝对数值上较小;驱动电路及保护电路较简单;单个神经元和整个神经网络结构简单,器件数量较少;在神经元和神经网络的技术指标上,主要关心信号处理的速度、信噪比、中心频率、频带宽度等。

  基于大功率的晶体管构造的PNN主要有如下特点:主要用于能量变换,神经元及网络能耗在绝对数值上较大;驱动电路及保护电路较复杂,有时要采用专门的集成电路;单个神经元和整个神经网络结构比较复杂,器件数量较多;在神经元和神经网络的技术指标上,主要关心电功率容童、功率因数、能量变换的速度、谐波总畸变宰、工作频率、能量变换效率等。

  与现有的神经网络相比,功率神经网络的应用范围是在强电领域。我们预计,基于PNN,可以设计出神经变压器、神经互感器、神经整流器、神经谐波抑制器等大童全新的功率仪器设备。这些仪器设备的特点是体积小、重量轻、效率高,更重要的是,它们具有学习、自适应、容错、记忆等智能功能。

相关资讯
资讯推荐
热门新闻排行
  1. ROBUSCHI风机 ▏污水处理节能27.6%
  2. 纳米电子器件中的噪声及其应用研究
  3. 木林森、万润科技、三雄极光等9企三季报一览
  4. 从小网到大网,LoRa究竟会雄霸一方,还是一统天下?
  5. Micro LED两大应用并进,电视墙显示器率先走入量产
  6. 5G网络标准制定:预计今年年底完成中间版本
  7. C端市场大局难逆 B端支付创新能否重引银行对公业务荣光?
  8. LoRa联盟主席:与NB-IoT并非竞争关系
更多>>视频分享
在线客服系统