✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Industrial Electronics期刊2026年issue1推送（第3期/共13期）。本期推送共包含10篇研究论文，内容聚焦于智能控制、电力电子与能源系统三大前沿领域。具体研究主题涵盖：面向双臂机器人的混合学习-优化控制、基于增量膨胀分析的锂离子电池健康状态估计、三相降压整流器在复杂工况下的前馈控制、混合构网/跟网型逆变器系统的交互稳定性分析与振荡抑制、模型-数据混合驱动的逆变器鲁棒预测控制、面向功率变换器的物理信息AI自适应仿真器、高效三相制氢电源设计、直流微电网中恒功率负载的无源性控制、三电平变流器的相移模型预测控制，以及基于线性规划的噪声容错kWTA网络及其应用。这些研究代表了工业电子领域在提升系统模型预测控制能力、深度学习方法与数据驱动技术相结合方面的最新进展。这些成果对于提升系统智能化、鲁棒性与能效，具有显著的工程与应用价值。
本期目录
📖 第1篇：面向双臂机器人协同搬运任务的混合学习-优化控制方法
📖 第2篇：锂离子电池增量膨胀分析与健康状态估计
📖 第3篇：三相降压整流器在输入电压不平衡与宽频交流输入下的输入电压比例前馈控制
📖 第4篇：功率水平变化下混合构网型与跟网型逆变器系统的交互稳定性分析与振荡抑制方法
📖 第5篇：面向LC型电压源逆变器的模型-数据混合驱动三矢量鲁棒预测控制
📖 第6篇：NeurPecs：面向功率变换器的物理信息AI自适应电路仿真器
📖 第7篇：基于主动电压注入方法的新型三相高效制氢电源
📖 第8篇：基于观测器的直流/直流功率变换器恒功率负载无源性控制
📖 第9篇：相移模型预测控制在三电平有源中点箝位变流器中的应用
📖 第10篇：基于线性规划的多项式噪声容错kWTA网络及其应用
📖 第1篇
📌 面向双臂机器人协同搬运任务的混合学习-优化控制方法
Hybrid Learning-Optimization Control Methods for Dual-Arm Robots in Cooperative Transportation Tasks
作者：Bin Li，Yiming Jiang，Chenguang Yang
本文聚焦于双臂协作机器人在制造、手术辅助与服务场景下的轨迹规划与实时避障问题，提出了基于模型预测控制与动态运动基元相结合的系统框架。研究目标在于在复杂动态环境中实现高效、稳定且平滑的全局参考轨迹生成与局部自适应避障。系统采用领导者-跟随者架构：操作员远程驱动领导臂，跟随臂通过导纳式控制配合实现力/运动协调。整体信息流为：少量示教数据 → 动态运动基元生成全局参考 → 障碍检测触发局部MPC优化 → 跟随臂基于力觉与导纳调节末端动作。与传统A*/RRT或纯人工势场方法相比，本方法通过选择性优化避免全局重规划，显著缩短计算时延并提高轨迹光滑度，关键创新包括将学习生成的全局参考与局部优化相耦合、以及在多障碍场景下的局部段重构策略。
实现层面上，团队首先通过少量示教轨迹训练运动基元模型，基元采用基于时序的参数化表示以保证平滑性；在推理阶段，当障碍物被检测到时，仅对受影响的轨迹段调用基于模型预测的局部优化器，优化目标包含位姿误差、动力学约束与碰撞成本，约束项包括末端力边界和臂间相对位姿限制。实现要点为：在线MPC采用有限时域、实时计算受限下使用简化动力学模型以降低求解复杂度；关键超参数包括MPC预测步长、权重比例与碰撞裕度；为提升鲁棒性，系统引入感知噪声滤波与基元参考的置信度估计（置信度用于决定是否触发局部优化）。
实验基于Baxter平台开展，包括静态多障碍和动态突发障碍两类场景，对比基线为动态运动基元+人工势场方法。在避障质量、轨迹平滑度与实时性三项指标上均进行了量化测试：在多障碍情形下，提出方法使得轨迹抖动显著降低，轨迹二阶导数峰值降低约35%（用于评估振荡）；局部重构导致平均计算时延下降约42%，系统在多次搬运实验中能维持期望抓持力且完成任务成功率接近100%。结论上，该方法通过将学习能力与局部优化协同，实现了在复杂动态环境中的高效协作搬运，具备较强的工程化可行性与泛化能力。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11121612
📖 第2篇
📌 锂离子电池增量膨胀分析与健康状态估计
Incremental Expansion Analysis and State-of-Health Estimation for Lithium-Ion Batteries
作者：Miao Yu，Yuhao Zhu，Xin Gu，Qi Zhang，Yunlong Shang
本文提出基于增量膨胀分析（IEA）的电池健康状态（SOH）估计方法，通过测量电池在充放电过程中的体积变化并绘制IE曲线，挖掘出与退化相关的机械特征。研究指出IE曲线中的峰值特征能够较稳健地反映内部老化机制，并可作为新的健康指标（HIs）。为实现高精度估计，作者构建了一个融合CNN-LSTM-Attention结构的深度学习模型，其中CNN用于提取局部峰值特征，LSTM用于捕获老化过程的时序依赖，而注意力机制则对重要时间步赋予更高权重。方法上，输入为IE曲线的峰值特征序列，输出为电池SOH估计值，与传统电化学参数方法形成互补。
实现细节包括对膨胀数据的预处理（去噪與归一化）、峰值检测与特征工程（峰值幅值、位置、宽度等）。训练采用公开UMBL数据集，数据增强使用温度/倍率条件的分层采样以提高泛化；损失函数为均方误差（MSE）并加入正则项以防过拟合，优化器采用Adam，初始学习率设为1e-3并使用学习率衰减；关键超参数包括LSTM隐藏单元数、注意力窗口大小与CNN卷积核数量。为增强鲁棒性，模型在不同噪声水平下进行了对抗训练以提高对测量噪声的容忍度。
实验覆盖-5°C、25°C、45°C和0.2C、1.5C、2C等工况，对比基线包括ICA及若干深度模型。结果显示：提出方法在UMBL数据集上的估计误差显著降低，RMSE=0.18%、MAE=0.12%，相较传统ICA误差下降超过50%；模型在跨温度与倍率的泛化测试中表现稳健。结论为：利用电池机械膨胀信号配合深度时序模型，可显著提升SOH估计精度，并为电池管理系统提供一种可行的机械特征诊断途径。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11119229
📖 第3篇
📌 三相降压整流器在输入电压不平衡与宽频交流输入下的输入电压比例前馈控制
Input Voltage Proportional Feedforward Control for Three-Phase Buck Rectifier Under Unbalanced Input Voltages and Wide AC Input Frequency
作者：Qiu Dong，Shuhan Zhou，Zhiqin Zhang，Qingxin Tian，Chuan Sun
本文面向航空电源中三相降压整流器（3ph-BR）在宽频（360–800Hz）且存在输入不平衡时的控制挑战，提出了一种在abc自然坐标系下直接工作的输入电压比例前馈策略。核心思想为通过设计前馈系数重构输入电压，从而在直流侧抑制由输入不平衡产生的二倍频有功脉动。该方法无需锁相环或序分量分离，数学推导证明了电流参考中的零序分量可与输入电压解耦，极大简化了实现复杂度并提高了实时性。
在实现上，研究给出了适用于宽频输入的数字化方案：只需6次乘法即可计算一组前馈系数，重构时间小于1/3输入周期，降低了对DSP运算资源的需求。关键实现要点为：前馈系数的频率无关性证明、在abc坐标系中直接运行以避免PLL延迟、以及对零序分量的显式解耦处理。该方案对硬件友好，易于集成到已有电源控制器中。
实验在1.2 kW样机上进行了验证。结果显示：在严重输入不平衡下，输入电流总谐波失真保持低于5%，输出电压纹波被抑制在1%以下，动态阶跃响应表现出快速恢复能力。结论为：所提前馈控制在航空电源等要求宽频、可靠性高的场景中，能以低计算代价实现优良的电能质量与鲁棒性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11177612
📖 第4篇
📌 功率水平变化下混合构网型与跟网型逆变器系统的交互稳定性分析与振荡抑制方法
Interaction Stability Analysis and Oscillation Suppression Method of Hybrid Grid-Forming and Grid-Following Inverters System With Varying Power Levels
作者：Shumei Chi，Rui Zhang，Alian Chen，Cheng Cheng，Shumin Sun，Peng Yu，Yan Cheng
针对高渗透率可再生能源并网后出现的混合构网型（GFM）与跟网型（GFL）逆变器系统，本文构建了分解阻抗模型以解析二者在不同功率水平下的交互机理。研究发现，单纯增加构网型逆变器输出功率并不能从根本上提高系统对振荡的抑制能力，而跟网型逆变器输出功率的增加反而可能放大振荡风险。基于该物理认识，作者定位了导致耦合振荡的关键项，并提出增强无源性的控制方案。
具体控制策略为在构网型逆变器中引入功率自适应主动阻尼，该机制根据跟网型逆变器的输出功率动态调整阻尼量，从而增强系统无源性并抵消跟网型引入的负电阻效应。实现上通过在线估计跟网型功率并映射到阻尼增益，保证对不同电网阻抗条件与功率配比的适用性。关键实现要点包括阻尼自适应映射函数的设计与稳定性边界分析。
实验验证表明：在跟网型逆变器功率升高导致系统趋于不稳定的情形下，采用传统构网型控制会出现显著振荡；而应用所提的功率自适应主动阻尼后，系统振荡被有效抑制，电能质量得到改善，并且该方案对动态性能影响微小。工程结论为：通过增强构网型逆变器的无源性，能为高比例新能源接入的电力系统提供更可靠的振荡抑制手段。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11131464
📖 第5篇
📌 面向LC型电压源逆变器的模型-数据混合驱动三矢量鲁棒预测控制
Model-Data Hybrid-Driven Triple-Vector Robust Predictive Control for LC-Type VSIs
作者：Zheng Yin，Fujin Deng，Yeyuan Xie，Sayed Abulanwar，Cristian Garcia，Jose Rodriguez，Sergio Vazquez，Leopoldo G. Franquelo
本文针对LC型电压源逆变器（VSI）中传统三矢量模型预测控制（TV-MPC）对参数敏感的问题，提出了一种模型-数据混合驱动的三矢量鲁棒预测控制（MD-TV-RPC）策略。总体框架将基于鲁棒模型的参考生成与基于数据驱动的三矢量预测相结合：前者通过滑模观测器实时估计扰动以提供稳健参考，后者通过历史输入-输出数据在线更新的数据模型来预测未来行为，从而减少对电感电容等物理参数的依赖。
实现细节包括离散积分滑模函数的设计与全阶滑模观测器用于扰动估计（关键约束：观测器带宽与采样率匹配），以及数据模型的在线更新机制（利用滑动窗口的历史数据构建预测矩阵）。关键超参数为滑模增益、数据窗口长度与预测步长；损失函数在成本评估中综合考虑电容电压跟踪误差与开关序列切换成本，以便在鲁棒性与开关频率之间权衡。
实验与对比显示：在参数严重失配（±50%）情况下，MD-TV-RPC仍保持优良跟踪性能，总谐波畸变率稳定在2.52%水准；与传统TV-MPC和两种无模型方法相比，稳态与动态性能均有显著提升。结论：模型与数据驱动的协同设计能够在参数不确定条件下提供强鲁棒性，是实际可再生能源并网逆变器控制的有效路径。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11119062
📖 第6篇
📌 NeurPecs：面向功率变换器的物理信息AI自适应电路仿真器
NeurPecs: Physics-Informed AI-Based Adaptive Circuit Simulator for Power Converters
作者：Xinze Li，Fanfan Lin，Juan J. Rodríguez-Andina，Josep M. Guerrero，Homer Alan Mantooth，Hao Ma
面对传统离线与实时仿真器在参数变化与计算资源受限下的短板，本文提出NeurPecs——一种基于物理信息神经网络（PANN）的自适应电路仿真器。NeurPecs采用双环路架构：功率神经环路嵌入电路物理约束（包括开关寄生参数），控制神经环路建模调制與控制动态，两环路以循环方式交互以覆盖从开关时间尺度到系统动态时间尺度的行为。
实现方面，NeurPecs通过神经表示与物理参数的一一映射实现可训练的参数估计，并运用运行时优化（并行计算、ONNX Runtime等）与TinyML技术在边缘平台上加速推理。关键实现要点包括神经网络结构设计以保证物理一致性、少量训练数据的在线微调策略、以及对寄生参数的可解释映射。
在双有源桥、Buck与反激变换器的案例研究中，NeurPecs平均误差接近1.4%，在资源受限边缘平台上运行速度提升约9.2倍，通过少量硬件数据自适应后能将离线仿真误差再降低2.52%。结论为：NeurPecs在精度与速度间取得良好平衡，为快速硬件在环验证与边缘仿真提供了可行路径。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11120443
📖 第7篇
📌 基于主动电压注入方法的新型三相高效制氢电源
Novel Three-Phase Efficient Power Supply for Hydrogen Production Using Active Voltage Injection Method
作者：Hanlei Tian，Haoran Cui，Wei Han，Jagabar Sathik M.，Guozhuang Liang，Maolin Chen，Saad Mekhilef
本文面向质子交换膜（PEM）电解制氢场景，提出一种将传统12脉冲整流与主动脉冲倍增单元融合的混合电源结构。核心创新在于通过一个仅占总容量3.4%的辅助单元将脉冲数从12提升至48，从而在不大幅增加系统复杂度下显著改善电能质量并降低电解槽的电流纹波损耗。系统主体仍为Y-Y-D移相变压器加双三相桥，辅助单元对剩余功率进行精细调节。
设计细节包括主动单元的电磁集成与同步/移相控制策略，以保证与主整流器协同工作并减少半导体件数量。实现要点是优化磁集成以降低体积与损耗、以及控制策略中的相位调节精度。该结构在制造性上保持对称易实现，适合工业化推广。
在2.2 kW原型机上测试，系统在满载下实现了高达97.4%的整体传输效率，电网侧电流THD降低至3.1%，输出电压纹波系数仅0.376%，产氢率达2068 mL/min。结论：该混合电源能在低成本与高效率间实现良好平衡，是工业级电解制氢的有力方案。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11124314
📖 第8篇
📌 基于观测器的直流/直流功率变换器恒功率负载无源性控制
Observer-Based Passivity Control for DC/DC Power Converters With Constant Power Loads
作者：Wensheng Luo，Tingyu Shi，Abraham Marquez，Jose I. Leon，Ligang Wu，Leopoldo G. Franquelo
针对恒功率负载（CPL）在直流微电网中引发的负阻抗导致的不稳定问题，本文提出一种基于无源性控制并结合非线性扰动观测器的方案。研究以双向Buck-Boost变换器为对象，通过能量耗散原理设计控制器以主动衰减CPL引发的振荡，同时由观测器实时估计CPL功率并动态补偿控制器扰动。
实现要点包括非线性扰动观测器的收敛设计（保证有限时间收敛）、观测器误差反馈用于补偿控制器输入、以及计算复杂度的优化以适配工程实现。关键超参数为观测器带宽與补偿增益，系统仅需实时计算补偿扰动以减少处理开销，较传统方法可将执行时间缩短12%–157%不等。
在50V输入、100V总线平台上经50–450W的CPL阶跃测试，提出方案在电压超调与调节时间等指标上优于积分式无源控制和滑模观测器方法：输出电压暂态响应加速约93.3%、电压超调下降约86.2%。结论为：观测器驱动的无源性控制在保证大信号稳定性与改善暂态性能方面具有明显优势，且计算负担更小，便于工程部署。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11169322
📖 第9篇
📌 相移模型预测控制在三电平有源中点箝位变流器中的应用：改进的稳态控制输入参考
Phase-Shifted Model Predictive Control With Improved Steady-State Control Input Reference for Three-Level Active-NPC Converters
作者：Cristian Castillo，Cristian Garcia，Pablo Acuna，Andres Mora，Ricardo Aguilera，Pablo Lezana
针对三电平有源中点箝位（3L-ANPC）变流器在兼顾动态响应、稳态性能与计算效率方面的挑战，本文提出了一种相移模型预测控制（PS-MPC）策略，并首次为3L-ANPC推导了包含特定三次谐波分量的稳态控制输入参考。该参考信号旨在改善电容电压平衡与输出电流跟踪精度，同时保持固定开关频率的优点。
方法实现上构建了针对每个载波的平均同步模型，将非活跃开关组合视为与载波状态相关的恒定扰动，从而线性化模型并允许逐载波顺序优化占空比。关键实现点为载波同步平均化、顺序优化机制与控制输入的三次谐波参考设计；主要超参数包括载波频率、占空比搜索步长与控制惩罚项。
在基于DSP F28379D的平台实验中，所提PS-MPC在保持与PS-PWM相当的稳态低谐波特性同时，实现了与FCS-MPC相当的快速动态响应，并且在电容电压平衡速度上显著快于纯PS-PWM。计算开销方面，执行时间相比FCS-MPC降低约54%，相比改进型PS-MPC ∆u降低约73%，证明其工程实现可行性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11176444
📖 第10篇
📌 基于线性规划的多项式噪声容错kWTA网络及其应用
A $k$WTA Network Based on Linear Programming Under Polynomial Noises With Applications
作者：Mei Liu，Junsheng Ding，Xin Lv，Zhengtai Xie
本文研究面向多机器人协同与模式识别场景下的k胜者全取（kWTA）操作，提出一种基于线性规划且对多项式噪声具有容错能力的PNT-kWTA网络。该方法将kWTA问题转化为线性规划形式以降低建模复杂度，并通过噪声补偿机制处理由设备老化或系统非线性引起的多项式扰动，理论上证明了在此类噪声下的鲁棒性与收敛性。
实现细节包括将原始选择问题表述为带松弛变量的LP问题，设计在线噪声估计与补偿项以修正LP系数，优化时采用快速LP求解器以满足实时性要求。关键实现要点为噪声补偿模块的参数化形式与分布式求解时的共识更新约束，确保在分布式多机器人系统中能并行、高效执行。
在仿真与E-puck2机器人平台实验中，PNT-kWTA在无噪声及不同阶次多项式噪声下均能快速、精确地完成kWTA選擇，残差稳定在10^-6量级，并能消除动态输入引起的滞后误差。系统在多机器人目标跟踪任务中实现动态优胜者切换，证明其在实时决策與鲁棒分布式协调方面的应用价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11165510
点击关注 获取更多精彩