✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Industrial Electronics期刊2025年issue12推送（第2期/共27期）。本期推送共包含10篇研究论文，内容聚焦于智能系统与先进控制技术，涵盖电力电子系统可靠性设计、混沌系统抗退化分析、时间序列预测、多机器人协同导航、电机故障诊断、高效电机驱动控制、机电制动系统控制、鲁棒系统辨识以及DC-DC变换器智能控制等多个前沿领域。 本期研究成果丰富，具有较高的理论价值与广泛的工程应用潜力。
本期目录
📖 第1篇：面向可靠性设计的电力电子系统主动学习框架
📖 第2篇：一种抗退化的混沌映射及其统计鲁棒性分析
📖 第3篇：基于通道独立双向门控Mamba与交互循环机制的时间序列预测方法
📖 第4篇：基于几何图神经网络的多自主移动机器人协同导航
📖 第5篇：基于旋转变压器谐波比指标的电机转子偏心故障诊断
📖 第6篇：基于零序电压分量的多模块永磁同步电机偏心故障诊断
📖 第7篇：矩阵变换器供电永磁同步电机驱动的高效无电流传感器模型预测控制
📖 第8篇：基于滑模方法的机电制动系统混合功率控制策略
📖 第9篇：基于拉普拉斯分布的含异常值变量误差系统鲁棒辨识
📖 第10篇：基于非线性自回归外生模型与自适应动态规划算法的高增益DC-DC变换器神经网络控制
📖 第1篇
📌 面向可靠性设计的电力电子系统主动学习框架
An Active Learning Framework for Reliability-Oriented Power Electronics Design
作者：Xinyue Zhang，Xin Zhao，Jie Kong，Jiacheng Sun，Xiaohua Wu，Chaoqiang Jiang，Yi Zhang
本文围绕电力电子系统的可靠性导向设计（ROD）中的核心难题——如何确定数据驱动方法所需的最小数据量，提出了一种创新的主动学习框架，旨在以最小数据量实现高精度预测，提升设计效率。该框架结合了代理模型（如高斯过程回归）和改进主动学习策略，通过智能选择信息量最大的样本训练，综合考虑样本的空间多样性与模型预测不确定性，并引入加权距离度量，解决输入参数高度相关导致的冗余采样问题。
训练过程中，模型采用高斯过程回归，结合改进主动学习策略在采样阶段实现对信息丰富样本的选择。该方法减少了对大规模标签数据的依赖，有效减少了模型训练的计算复杂度。关键实现包括对采样样本的空间多样性和预测不确定性的动态权衡，优化采样策略以提升模型泛化能力。
实验验证基于牵引变流器设计，主动学习策略仅需451个训练样本即可实现决定系数R²>0.99，显著优于传统随机采样（大于1500样本）、贪婪采样（738样本）及基于熵的主动学习（686样本），降低了至少34.26%的样本标注工作量。同时，与耗时37.8小时的传统穷举法相比，整体计算时间降低近90%，仅3.81小时。实验平台测量结温并预测器件寿命，误差低于10%，验证了该代理模型的有效性。该框架还支持多目标优化，能够高效识别帕累托最优解，展现出良好的实用性和扩展性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11087453
📖 第2篇
📌 一种抗退化的混沌映射及其统计鲁棒性分析
An Anti-Degradation Chaotic Map and Its Statistical Robustness Analysis
作者：Jin Liu，Kehui Sun，Huihai Wang，Wenhao Liu
本文针对数字平台在有限计算资源和实时需求下，混沌系统受动力学退化影响严重的问题，提出了以遍历率指标量化退化程度，并设计了一种新型抗退化混沌映射。该映射无需额外操作，能在任意计算精度下保持高遍历率，有效避免数字混沌系统常见的周期收敛或固定点吸引问题，提高了混沌系统的安全性和稳定性。
实现方面，研究将该混沌映射应用于伪随机数生成器，检验其抗退化能力。在低计算精度下，NIST随机性测试通过率明显优于传统与最新逻辑映射。研究采用数字信号处理器平台实现，实测数据与数值仿真高度吻合，验证了该映射的实用性和鲁棒性。这一系统性框架兼顾了理论分析与实验实现，为数字混沌系统设计提供了创新解决思路。
实验与测试覆盖多种代表性混沌系统，证实传统系统在低精度下均存在动力学退化，而新映射以其无需额外操作的抗退化性能尤为突出。该方法适用于资源受限的物联网与实时加密通信领域，兼顾了安全性与实现成本，是数字混沌领域的重要突破。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11080665
📖 第3篇
📌 基于通道独立双向门控Mamba与交互循环机制的时间序列预测方法
Channel Independence Bidirectional Gated Mamba With Interactive Recurrent Mechanism for Time Series Forecasting
作者：PengHua Li，XinYou Zheng，Sheng Xiang，Jie Hou，Yi Qin，Mekhrdod Subhoni Kurboniyon，Wei Ren
本文针对工业物联网等领域中长序列、多通道时间序列预测的难题，提出了一种创新模型——通道独立双向门控Mamba与交互循环机制（CIBG-Mamba-IRM），以提升多维序列预测的准确性与鲁棒性。该模型设计两大核心模块，分别处理通道内时序模式和跨通道依赖关系。
CIBG-Mamba模块融合了Mamba状态空间模型与门控循环单元，为每通道设计了三个Mamba增强循环单元，独立处理前向及后向信息，有效捕捉长期趋势与局部细节。交互循环机制（IRM）则通过设计自适应状态转移函数，动态融合不同通道历史隐藏状态，强化跨维度信息交互，解决变量耦合带来的建模挑战。
在ETT、Exchange及新发布的新能源汽车空调系统年度运行数据集（NEVAC）上，CIBG-Mamba-IRM表现出卓越性能。均方误差降低3.3%，尤其在NEVAC数据集上优势明显。消融实验确认两个模块均贡献于性能提升。该模型兼顾计算效率和参数规模，适用于复杂工业多变量时序预测需求，具备广泛应用前景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11077763
📖 第4篇
📌 基于几何图神经网络的多自主移动机器人协同导航
Collaborative Navigation of Multiple Autonomous Mobile Robots via Geometric Graph Neural Network
作者：Weining Lu，Qingquan Lin，Litong Meng，Chenxi Li，Bin Liang
本文聚焦于物流、农业等领域多自主移动机器人系统的实时协同路径规划，提出了基于几何图神经网络（GeoGNN）的多机器人协同路径规划方法（MRPP-GeoGNN），该方法不依赖全局地图，仅依托局部感知与通信信息完成动态协作。
GeoGNN通过融合邻居机器人的传感器数据和相对位置嵌入，利用几何函数实现对旋转不变性的保持，提取局部环境特征，为各机器人提供面向多个前进方向的动作决策。训练过程中采用ROS平台自动生成专家数据，确保模型适应实际传感器数据特性，并采用分布式执行架构实现机器人自主决策。
综合仿真与物理实验表明，与CNN和其他GNN基线相比，MRPP-GeoGNN在准确率上提升约5%，流程时间减少18%，成功率提升4%。实验验证证明其能有效利用邻居信息，提高路径效率。该研究为多机器人协同导航提供了创新融合框架，具重要工程应用价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11045143
📖 第5篇
📌 基于旋转变压器谐波比指标的电机转子偏心故障诊断
Eccentricity Diagnosis of Electric Machines Using Harmonic Ratio-Based Indices From Resolvers
作者：Jiayue Zhou，Zechuan Lin，Xi Xiao
针对电机转子偏心故障的诊断难题，本文提出了一种基于变磁阻旋转变压器（VRR）输出信号谐波比指标的故障诊断方法，用于克服传统方法受工况变化和额外传感器依赖的不足。核心创新是利用主导谐波幅值比代替绝对幅值或相位，避免环境与安装误差的干扰。
研究建立了VRR偏心解析模型，结合有限元分析及实验数据，采用自研8槽3极VRR装置，机械结构可精确控制偏心距。结果表明，诊断指标与偏心距呈高度线性相关（决定系数R²达0.9869），且对转速变化表现出良好鲁棒性，优于传统MCSA等方法。
该方法具备非侵入性、高精度和适用性广三大优势，支持静态和动态偏心及多激励模式。文中还提出基于WDFT和自适应滤波的在线诊断算法，实现加速工况下的实时故障识别，为工业预测性维护奠定基础。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11091591
📖 第6篇
📌 基于零序电压分量的多模块永磁同步电机偏心故障诊断
Eccentricity Fault Diagnosis in Multimodule Permanent Magnet Synchronous Machines Based on Zero-Sequence Voltage Component
作者：Haolan Zhan，Wei Liu，Zekai Lyu，Shuangxia Niu，Lijian Wu，K. T. Chau
本文针对多模块永磁同步电机（PMSM）中偏心故障的诊断难题，提出了基于零序电压分量的非侵入式在线诊断方法。该方法利用多模块固有的旋转不对称特性，通过提取各分区单元零序电压三次谐波幅值，简化诊断流程，区分静态、动态及混合偏心。
通过短时傅里叶变换提取特征，定义了不对称性指标和波动性指标以区分偏心类型。实验在8极48槽四模块PMSM上模拟多种偏心，诊断结果对转速、负载具较好鲁棒性，提升了整数槽绕组电机的故障检测灵敏度。
该方法兼顾高灵敏度和非侵入性，适用于静态与动态偏心诊断，有效提升多模块PMSM的健康管理与运行安全，为工业应用提供了实用诊断新方案。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11045904
📖 第7篇
📌 矩阵变换器供电永磁同步电机驱动的高效无电流传感器模型预测控制
Efficient Current Sensorless Model Predictive Control for Matrix Converter-Fed PMSM Drives
作者：Ali Sarajian，Quanxue Guan，Ibrahim Harbi，Peyman Haghgooei，Davood Arab Khaburi，Ralph Kennel，Patrick Wheeler，Jose Rodriguez
本文针对矩阵变换器（MC）供电永磁同步电机（PMSM）驱动中传统模型预测控制（MPC）依赖多传感器且计算量大的问题，提出了一种高效无电流传感器有限控制集模型预测控制（FCS-MPC）方案，保障系统性能同时显著降低硬件复杂度。
方法核心在于通过查找表将开关状态候选数量从27减少至5，结合新的源电流参考值计算方法，实现预测迭代次数减少至2次，代价函数评估降至5次，整体计算成本降低约12%。设计三个Luenberger观测器分别估计MC源侧和负载侧三相电流及负载转矩，完全去除电流和转矩传感器，极大降低系统硬件成本。
仿真及实验验证显示，即使电气与机械参数存在波动，所提方案仍保持良好鲁棒性和性能，表现与传统传感器方案相当。该研究为高性能MC-PMSM驱动提供了计算高效且硬件简化的控制策略，适用资源受限和成本敏感场景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11078412
📖 第8篇
📌 基于滑模方法的机电制动系统混合功率控制策略
Hybrid Power Control Strategy for Electromechanical Braking System Based on Sliding Mode Approach
作者：Yiyun Zhao，Fanbiao Li，Bingqiang Li，Yang Shi，Ligang Wu，Chunhua Yang，Weihua Gui
针对轨道交通机电制动（EMB）系统的高动态夹紧力控制需求，本文提出了新型混合功率趋近律（NHPRL），有效解决传统滑模趋近律抖振和响应速度不足问题，优化夹紧力控制性能。
通过设计反余切型辅助函数和优化指数项，实现了增益系数实时调节，使远离滑模面时增益自动提升以加快收敛，靠近时降低增益抑制抖振。结合线性扩张状态观测器（LESO），实现对扰动的前馈补偿，显著提高系统动态响应和工况适应能力。
实验平台验证结果显示，NHPRL控制策略在阶跃响应中达到90%夹紧力所需时间分别较传统功率趋近律和快速趋近律缩短21ms和13ms；正弦信号跟踪的制动死区时间分别减少65%和56%，表明其在动态特性优化方面具有显著优势。该方法为EMB系统的工业化应用提供了坚实理论基础。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11040074
📖 第9篇
📌 基于拉普拉斯分布的含异常值变量误差系统鲁棒辨识
Laplace Distribution Based Robust Identification of Errors-in-Variables Systems With Outliers
作者：Fan Guo，Kun Liu，Biao Huang
本文针对工业过程建模中存在的输入输出均受噪声干扰且包含异常值（Outliers）的变量误差（EIV）系统，提出基于拉普拉斯分布的鲁棒EIV辨识方法，有效应对经典方法对异常值的敏感性问题。
研究创新使用峰度更高的拉普拉斯分布描述输出异常值，参数通过解析解估计，避免了t分布自由度参数难求问题。采用期望最大化（EM）算法与粒子滤波相结合，E步利用加权粒子集近似非线性状态后验，M步更新EIV及非线性输入模型参数，实现输入输出带噪和异常值的同步鲁棒辨识。
连续发酵反应器仿真和多水箱实物实验表明，REIV-L方法在不同异常值比例下均优于传统鲁棒回归、GP回归和基于t分布的REIV-t。异常值比例高达15%时，依旧保持高估计精度和稳定性，显示出杰出鲁棒性，为工业过程异常值干扰条件下系统辨识提供了强有力的技术保障。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11018104
📖 第10篇
📌 基于非线性自回归外生模型与自适应动态规划算法的高增益DC-DC变换器神经网络控制
Neural Network Control Based on Nonlinear Autoregressive Exogenous Model and Adaptive Dynamic Programming Algorithm for High-Gain DC-DC Converter
作者：Zelong Yang，Liangzong He
针对新能源领域高增益DC-DC变换器输出电压控制中的不确定性与非线性问题，本文提出基于非线性自回归外生模型（NARX）与自适应动态规划（ADP）算法的神经网络控制方法，实现数据驱动、模型无关的高性能控制。
设计完全数据驱动的控制框架，无需精确数学模型，通过NARX模型精准捕捉变换器动态行为，提供必要的梯度和等效信息。使用ADP算法离线优化神经网络权重，以最小化综合性能指标（含电压稳定时间、超调量、稳态误差），训练得到的控制器可直接应用于实际硬件。
仿真与实验结果显示，NNC-ADP方案相比传统PI控制与无模型自适应控制，在电压突变及负载跳变工况表现出更快响应、更低超调量和优异抗干扰能力。例如，电压从140V跳变至180V时，稳态时间仅37ms且无超调。该方案有效实现了控制器从仿真到实体的无缝迁移，为智能功率变换器控制提供了先进范式。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11006704
点击关注 获取更多精彩