LEARNING
用于高保真无刷直流电机建模的残差物理信息神经网络
Haitham El-Hussieny
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种基于残差网络的物理信息神经网络，用于学习无刷直流电机的连续时间六状态动力学模型。该网络在标准CPU上训练不到两分钟，推理延迟低至0.1-22微秒，比传统ODE求解器快118倍，适用于实时观测和控制应用。
关键词
Physics-Informed Neural NetworkBLDC motor modelingreal-time controlresidual networkcurriculum learning
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018