✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Power Electronics 2026年issue1推送（第1期/共15期）。本期推送共包含10篇研究论文，聚焦于高性能电机驱动控制、先进电力电子变换器及智能控制策略等核心领域。具体研究主题涵盖自适应固定时间控制、无模型预测控制、滑模控制、有源电力滤波器、并网变流器同步、微型神经网络在线学习等方向。这些工作展示了电力电子与电机控制领域在提升系统鲁棒性、效率及智能化水平方面的前沿探索。本期选文对于工程化应用具有直接参考价值，可推动航空电推进、机器人驱动、电动汽车充电与分布式电源的技术进步与可靠性提升。
本期目录
📖 第1篇：应对未知扰动的永磁同步电机自适应固定时间控制
📖 第2篇：基于自组织Hermite模糊神经网络的实用终端滑模控制及其在有源电力滤波器中的应用
📖 第3篇：基于微型神经网络的永磁同步电机超局部无模型预测控制
📖 第4篇：基于电流饱和度的并网变流器混合同步控制策略
📖 第5篇：面向毫米级计算系统的自适应动态负载功率追踪低功耗电源管理单元
📖 第6篇：基于超临界分岔的永磁同步电机抗干扰位置跟踪滑模控制
📖 第7篇：兼容三相/单相输入的单级六开关全桥电动汽车充电器拓扑研究
📖 第8篇：一种低电压应力、连续输入输出电流的四开关宽输出电压功率因数校正器
📖 第9篇：一种适用于两并联三相两电平功率变换器协调PWM方案的通用低频零序环流抑制方法
📖 第10篇：一种适用于DC/AC逆变器的模型无关在线学习控制策略
📖 第1篇
📌 应对未知扰动的永磁同步电机自适应固定时间控制
Adaptive Fixed-Time Control for Permanent Magnet Synchronous Motors With Unknown Disturbances
作者：Ruiqi Xu，Jianxing Liu，Xinpo Lin，Shun Cai，Zhuang Liu，Yabin Gao，Ligang Wu
本文面向航空电推进等高性能驱动场景，针对永磁同步电机（PMSM）在实际运行中常见的参数失配与未知扰动提出了整体解决方案。文章构建了两层控制框架：电流环采用改进的无差拍预测电流控制（DPCC）并融合扰动观测模块，速度环设计为自适应固定时间滑模控制器（AFTSMSC）。系统输入为电压参考与速度命令，输出为滤波后的电流与实际转速。为弥补传统DPCC在模型误差下的弱点，本文提出了一个与初始状态无关的固定时间扰动观测器（FTDO），用于在线估计并补偿集总扰动，从而提升电流环鲁棒性；速度环则通过二阶积分滑模流形实现对抖振的抑制与收敛时间的严格约束，构成协同控制架构，相较现有方法在机理上明确考虑了扰动估计与自适应律的联动。
在实现细节上，系统基于电机电路离散化模型，电流环采样与控制在微秒级周期内完成；FTDO采用固定时间收敛观测律，其参数设计遵循李雅普诺夫稳定性分析，保证估计误差在设计的固定时间内收敛。速度环的自适应律通过在线更新项来调整滑模增益，避免依赖扰动上界的先验信息，从而降低过调节风险。关键实现要点包括观测器收敛时间与自适应律增益的协同调优；软件实现上强调在定时中断中完成观测与控制计算，以满足实时性要求；硬件部署需保证ADC与PWM的同步以减少采样延迟。
实验在包含电阻、电感和磁链等多种参数失配的工况下展开，对比基线包括常规DPCC、PI速度控制器与已有的固定时间滑模控制（FTSMC）。结果显示：基于FTDO的电流控制在q轴电流稳态误差上最大降低了76.36%；速度环在启动与扰动恢复过程中，AFTSMSC的启动用时较FTSMC缩短了51.52%，同时实现了更小的超调与更短的调节时间。除此之外，实验还报告了电流波形抖动显著降低、控制输入更平滑等工程指标，最终得出结论：该方法在不依赖扰动先验的前提下，能显著提升PMSM的动态与稳态性能，具备良好的工程适用性与推广价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11112658
📖 第2篇
📌 基于自组织Hermite模糊神经网络的实用终端滑模控制及其在有源电力滤波器中的应用
Practical Terminal Sliding Mode Control of Active Power Filters by Self-Organizing Hermite Fuzzy Neural Network
作者：Shixi Hou，Jienan Han，Yundi Chu，Cheng Zhou，Juntao Fei
本文聚焦电网谐波补偿的实用工程问题，提出了一种将实用终端滑模控制（PTSMC）与自组织Hermite模糊神经网络（SOHFNN）相结合的控制策略，应用于有源电力滤波器（APF）。研究首先分析了传统终端滑模控制在靠近平衡点时可能出现的奇异性问题，并采用双曲正切函数字段来构造Lipschitz连续的滑模面以消除奇异现象；此外，在控制律中嵌入了超螺旋滑模（STSMC）以平滑控制信号并提升动态跟踪能力。
在实现层面，SOHFNN以Hermite正交多项式作为隐藏层激活函数，实现了对输入信息的高效编码，网络同时结合模糊规则与特征选择机制，并具备自组织结构以根据任务需要动态增删神经元。训练过程采用在线或离线混合更新：在线阶段用于实时补偿未知扰动，离线阶段用于结构初始化和参数预估。关键实现要点包括Hermite 激活选择与自组织准则，并通过正则化项与特征选择避免过拟合，确保在工况突变时仍具备良好泛化能力。
仿真与硬件原型实验覆盖稳态与动态负载突变场景，与PI控制、分数阶滑模控制和常规模糊神经网络方法对比。稳态测试中，系统将电网电流THD从补偿前的40.30%降至1.08%；在负载突增突降的瞬态测试中，SOHFNN-STPTSMC能在短时间内恢复低THD并维持输出稳定，且控制器对元件参数摄动表现出显著鲁棒性。实验结论指出：该方案兼具高精度、强鲁棒性与良好实时性，适合在复杂电能质量治理场景中推广应用。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11143927
📖 第3篇
📌 基于微型神经网络的永磁同步电机超局部无模型预测控制
Tiny Neural Network-Based Ultra-Local Model-Free Predictive Control for PMSMs
作者：Yang Shen，Zhenxiao Yin，Fobao Zhou，Yujia Zhang，Xueyan Wang，Hang Zhao
本文提出一种将物理先验与轻量级神经网络相融合的超局部无模型预测控制（MFPC）框架，用于永磁同步电机（PMSM）的电流与速度控制。核心思想是利用增量式控制思想结合一个精简的微型神经网络（Tiny-NN）模块，在线学习控制器关键参数的补偿量，从而在缺乏精确电机参数模型时仍能实现高性能的预测控制。控制器输入包括速度误差序列与电流测量，输出为对预测控制中关键参数的实时校正。
实现细节方面，Tiny-NN结构极其紧凑，仅数个隐藏单元，激活函数依据电机物理特性定制，以增强可解释性。在线学习采用融合物理梯度与网络梯度的更新律，更新频率与控制周期匹配以保证实时性；为了保证稳定性与鲁棒性，设计了在线更新约束与物理一致性正则化，并在控制器中设置计算开销上限以适配高速电机驱动平台。
实验在加速与减速工况、参数失配及不同负载下验证。关键数据表明：加速过程中q轴电流超调由35.8%降至9%；调节时间由12.9 ms缩短至2.6 ms；减速时超调由17.04%降至0.75%。此外，Tiny-NN在线学习带来的额外计算延时仅约1.1 μs，几乎可忽略，表明该方法在保持极低计算成本的同时显著提升控制性能，适合装备于四足机器人与无人机等对重量与功耗敏感的平台。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11141355
📖 第4篇
📌 基于电流饱和度的并网变流器混合同步控制策略
Current Saturation Ratio-Based Hybrid Synchronization Control of Grid-Forming Converters
作者：Tianyi Xu，Shan Jiang，Georgios Konstantinou
本文针对可再生能源高渗透率电网中并网变流器（GFM）的同步问题，提出了一种基于电流饱和度（CSR）的混合同步控制（CSR-HSC）策略。论文指出传统的PSL与PLL各有短板：PSL在电流受限时易失步，PLL在弱电网下同步精度受限。为此，CSR-HSC以电流限制器的饱和程度作为扰动严重性的代理量，并据此动态调整PSL与PLL分量的权重，实现从稳态精确功率跟踪到大扰动跟踪能力的平滑切换。
在控制实现上，系统计算并实时更新CSR指标并将其映射为PSL/PLL权重比，同时考虑限流器启停对控制回路的影响。关键实现要点包括权重平滑映射函数与对等效有功设定偏移的补偿机制，以保证在恢复稳态后能够恢复精确功率跟踪。该方法还能允许在稳态下增加PLL比例增益以提升频率跟踪精度，同时避免扰动时造成的失步。
实验在电网频率跌落与电压暂降等典型扰动工况下对比了CSR-HSC与传统PSL及已有HSC方法，结果显示CSR-HSC在同步稳定性与恢复速度方面均显著优于对照方案；在弱电网条件下也保持了较好的鲁棒性。关键结论是：以电流饱和度为决策变量的动态权重分配不仅提高了系统在极端工况下的容错能力，还在稳态下保证了功率跟踪精度，因而具有很高的工程推广价值，尤其适用于高比例新能源接入的场景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11155131
📖 第5篇
📌 面向毫米级计算系统的自适应动态负载功率追踪低功耗电源管理单元
Low-Power Power Management Unit With Adaptive Dynamic Dynamic Load Power Tracking for Millimeter-Scale Computing Systems
作者：Minseob Shim，Ehab A. Hamed，Yuyang Li，Wonil Seok，Seokhyeon Jeong，Yejoong Kim，Wanyeong Jung，Inhee Lee
本文针对毫米级多层堆叠计算系统的能源约束提出了一种具备自适应动态负载功率追踪能力的低功耗电源管理单元（PMU）。该PMU基于开关电容（SC）DC-DC转换器，为处理器提供多个电压轨（1.5V与0.7V），并通过一个复制处理器时钟的金丝雀振荡器提前感知处理器由睡眠向活跃模式的转换，从而在负载跃升前预先提升VCO开关频率以增强输出驱动能力，显著改善瞬态响应。
设计要点包括在f_VCO与f_OSC之间建立非线性比例映射以匹配处理器功耗的次线性增长特性，从而避免过大的功率裕量；引入基于CERO的泄漏型VCO实现从1.89 Hz到104 MHz的宽频范围与低能耗运行；并通过预判式频率提升策略来压低瞬态压降。关键实现要点为金丝雀信号捕捉与VCO频率映射两部分的精确标定与低功耗实现。
在180 nm工艺的3.5×1.5×2.0 mm毫米级系统上测试，系统在从睡眠（120 nA）到活跃（10 μA）快速跃变过程中仅出现3–6 mV的输出电压跌落；在活跃模式功率范围79–409 μW与睡眠模式41–72 nW下，功率转换效率（PCE）均超过50%，温度敏感性小于1.9%。与固定频率设计相比，动态追踪策略在真实负载突变场景下效率提升最高达37%，充分表明该PMU在极低能耗环境下的实用性与工程价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11145933
📖 第6篇
📌 基于超临界分岔的永磁同步电机抗干扰位置跟踪滑模控制
Supercritical Sliding Mode Control for Position Tracking of PMSM With Disturbance Rejection
作者：Jisu Kim，Sunghyun Choi，Dongwon Yun
针对PMSM在高动态工况下位置跟踪对鲁棒性与精度的双重要求，本文提出了一种受超临界叉形分岔理论启发的非线性滑模面设计，并配套一个新颖的趋近律以提升收敛速度并抑制抖振。该滑模面能够更好地刻画系统非线性动力学，从而在未知扰动和参数偏差下仍维持精确跟踪。系统还集成了观测与补偿模块，以减小对精确模型的依赖。
在算法实现上，提出的趋近律通过设计频率选择性衰减项显著降低控制信号高频成分，有效将抖振幅度降低超过50%。同时，引入的比例积分观测器（PIO）与等效输入扰动（EID）框架协同工作，实现了对匹配与非匹配扰动的估计与补偿。关键实现要点为非线性滑模面参数的标定与PIO观测带宽的折衷设计。
理论上通过李雅普诺夫方法证明了闭环稳定性；仿真与实验比较表明，新方法的收敛速度比传统滑模提高了约5.6 倍，并在存在频繁负载变化或外部扰动时实现了更优的跟踪精度与控制平滑性。工程结论是：基于分岔启发的滑模设计可为机器人关节、电动车动力系统等高动态应用提供可行且高效的控制方案。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11143896
📖 第7篇
📌 兼容三相/单相输入的单级六开关全桥电动汽车充电器拓扑研究
Three/Single-Phase Compatibility Single-Stage EV Charger With Six-Switch Full-Bridge Configuration
作者：Ba Phu Do，Million Gerado Geda，Huu-Phuc Kieu，Dinh Bao Hung Nguyen，Sunju Kim，Sewan Choi
为提升车载充电器的效率与功率密度，本文提出了一种单级无电解电容AC–DC变换器拓扑，该拓扑在直流侧采用六开关全桥结构，并可兼容三相与单相电网输入。交流侧由三个交错的图腾柱模块组成，通过Δ联接高频变压器与直流侧互联。该设计通过占空比调制与功率解耦技术，在宽电池电压范围内实现了软开关与良好功率质量。
实现上提出了专门的占空比调制策略以扩展ZVS工作区并改善电网电流THD；对单相运行，集成降压型功率解耦电路以吸收二次谐波，无需额外外置元件。关键实现参数包括开关节拍与占空比映射，以及不平衡控制算法用于抑制低频谐波与应对电网电压骤变。
实验在11 kW原型机上验证，峰值效率可达96.8%，电网电流THD低至2.5%。与传统直流侧采用三模组全桥的方案相比，本拓扑将开关数量减少约一半，并在效率、THD与系统复杂度方面展现明显优势，适合高功率车载充电器的工程化实现。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11130627
📖 第8篇
📌 一种低电压应力、连续输入输出电流的四开关宽输出电压功率因数校正器
A Four-Switches Wide-Output-Voltage PFC With Low Voltage Stress and Continuous Input–Output Currents
作者：Jiangpeng Yang，Yousong Zhou，Yanni Ming，Jingchi Wu，Shun Wang，Yuhao Deng，Xiaojun Deng，Yun Yang，Zeliang Shu
针对需要宽直流输出电压的应用（如电动汽车充电），本文提出了一种四开关PFC拓扑，能够在48V–400V的宽输出范围内稳定运行，同时保持较低的器件电压应力与输入/输出电流连续性。拓扑通过高低电压两种模式（HVM与LVM）切换，实现升压或升降压功能，且所有开关器件承受的电压应力仅等于输出电压，从而显著降低器件选型成本。
实现细节强调模式切换逻辑、功率解耦策略以及在低电压模式下的中间電容能量管理。关键实现要点包括模式切换控制、LVM功率解耦与电压应力限定三部分，这些设计确保在宽电压范围内均能实现高效率与低纹波输出。
400W原理样机测试结果显示：峰值效率达97.25%，功率因数始终高于0.99，电网电流THD小于5%。这些指标表明该拓扑在宽电压应用中具备明显竞争力，尤其适合电动汽车与其它需要多轨电压等级的系统。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11153891
📖 第9篇
📌 一种适用于两并联三相两电平功率变换器协调PWM方案的通用低频零序环流抑制方法
A General Low-Frequency Zero-Sequence Circulating Current Suppression Approach for Coordinated PWM Schemes in Two-Parallel Three-Phase Two-Level Power Converters
作者：Zhiyong Zeng，Yuanyuan Tong，Stefan M. Goetz
并联功率变换器在提升功率密度方面具有天然优势，但制造公差导致的电感不平衡会产生低频零序环流，影响系统可靠性。本文提出了一种与现有协调PWM方案兼容的低频零序环流抑制策略，通过向各相注入差模信号并对占空比进行非均匀重分配，从而产生所需的低频共模电压差来抵消环流，而不破坏原有矢量序列的高频优化特性。
文章建立了通用的占空比重分配规则，并在两类典型协调PWM（箝位式与非箝位式）上验证方法的适用性。关键实现要点包括差模注入角度与占空比再分配规则，确保在抑制低频环流的同时保留高频段的优化收益。
实验与频谱分析表明，所提方法能在不同调制比、额定电感与不平衡度条件下，将低频环流抑制到可忽略水平，且激活前后输出电流與高频环流、共模电压的频谱几乎一致，证明该方法在工业级并联变换器中具有较强适用性，为提升并联系统在航空及大功率驱动场景中的可靠性提供了实用方案。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11145233
📖 第10篇
📌 一种适用于DC/AC逆变器的模型无关在线学习控制策略
A Model-Independent Online Learning-Based Control Strategy for DC/AC Inverters
作者：Zifan Lin，Yulin Liu，Wenxiang Du，Qingle Sun，Herbert Ho-Ching Iu，Tyrone Fernando，Xinan Zhang
本文提出一种基于障碍李雅普诺夫函数（BLF）引导的径向基函数神经网络（RBFNN）在线学习控制器，用于DC/AC逆变器的电流跟踪控制。该方案完全在线学习、无需离线训练或系统参数先验，通过时变性能函数将跟踪误差约束在预设边界内，同时引入双RBFNN分别估计系统不确定性与外部扰动，从而实现模型无关的鲁棒控制。
实现上，控制器由在线权重更新律、扰动观测器与BLF性能约束组成。关键实现要点包括在线权重律与性能边界设计，以保证所有闭环信号有界且满足预设跟踪精度。计算复杂度低，适合嵌入式逆变器实时控制平台，且易于与三电平NPC等拓扑集成。
在3L-NPC逆变器平台上的实验结果显示：相比自适应MPC与基于强化学习的控制器，本方法执行时间分别减少约22.1%与99.41%；稳态输出电流THD低于3.6%；在负载阶跃响应中展现出更短调节时间與更小超调，且长时间运行验证表明其在降低器件温升方面也具有优势。研究表明该在线学习控制器在工业逆变器中具备良好实用性与工程可行性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11147171
点击关注 获取更多精彩