學(xué)習(xí)器模型中一般有兩類(lèi)參數(shù),一類(lèi)是可以從數(shù)據(jù)中學(xué)習(xí)估計(jì)得到,還有一類(lèi)參數(shù)時(shí)無(wú)法從數(shù)據(jù)中估計(jì),只能靠人的經(jīng)驗(yàn)進(jìn)行設(shè)計(jì)指定,后者成為超參數(shù)。比如,支持向量機(jī)里面的C,Kernal,game;樸素貝葉斯里面的alpha等。
自動(dòng)機(jī)器學(xué)習(xí)(AutoML)旨在通過(guò)讓一些通用步驟(如數(shù)據(jù)預(yù)處理、模型選擇和調(diào)整超參數(shù))自動(dòng)化,來(lái)簡(jiǎn)化機(jī)器學(xué)習(xí)中生成模型的過(guò)程。AutoML是指盡量不通過(guò)人來(lái)設(shè)定超參數(shù),而是使用某種學(xué)習(xí)機(jī)制,來(lái)調(diào)節(jié)這些超參數(shù)。這些學(xué)習(xí)機(jī)制包括傳統(tǒng)的貝葉斯優(yōu)化,進(jìn)化算法,還有比較新的強(qiáng)化學(xué)習(xí)。當(dāng)我們提起AutoML時(shí),我們更多地是說(shuō)自動(dòng)化數(shù)據(jù)準(zhǔn)備(即數(shù)據(jù)的預(yù)處理,數(shù)據(jù)的生成和選擇)和模型訓(xùn)練(模型選擇和超參數(shù)調(diào)優(yōu))。這個(gè)過(guò)程的每一步都有非常多的選項(xiàng),根據(jù)我們遇到的問(wèn)題,需要設(shè)定各種不同的選項(xiàng)。
對(duì)抗機(jī)器學(xué)習(xí)是一個(gè)機(jī)器學(xué)習(xí)與計(jì)算機(jī)安全的交叉領(lǐng)域。對(duì)抗機(jī)器學(xué)習(xí)旨在給惡意環(huán)境下的機(jī)器學(xué)習(xí)技術(shù)提供安全保障。由于機(jī)器學(xué)習(xí)技術(shù)一般研究的是同一個(gè)或較為穩(wěn)定的數(shù)據(jù)分布,當(dāng)部署到現(xiàn)實(shí)中的時(shí)候,由于惡意用戶(hù)的存在,這種假設(shè)并不一定成立。比如研究人員發(fā)現(xiàn),一些精心設(shè)計(jì)的對(duì)抗樣本(adversarial example)可以使機(jī)器學(xué)習(xí)模型不能成功地輸出正確的結(jié)果。針對(duì)模型的攻擊問(wèn)題,我們主要分為兩大類(lèi),就是從訓(xùn)練階段和推理(inference)階段來(lái)進(jìn)行討論。
生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Networks,GAN)是用于無(wú)監(jiān)督學(xué)習(xí)的機(jī)器學(xué)習(xí)模型,由Ian Goodfellow等人在2014年提出。由神經(jīng)網(wǎng)絡(luò)構(gòu)成判別器和生成器構(gòu)成,通過(guò)一種互相競(jìng)爭(zhēng)的機(jī)制組成的一種學(xué)習(xí)框架,GAN在深度學(xué)習(xí)領(lǐng)域掀起了一場(chǎng)革命,這場(chǎng)革命產(chǎn)生了一些重大的技術(shù)突破,學(xué)術(shù)界和工業(yè)界都開(kāi)始接受并歡迎GAN的到來(lái)。GAN最厲害的地方是它的學(xué)習(xí)性質(zhì)是無(wú)監(jiān)督的,GAN也不需要標(biāo)記數(shù)據(jù),這使得GAN功能強(qiáng)大,因?yàn)閿?shù)據(jù)標(biāo)記的工作非??菰铩?/p>
從1990到2012年,機(jī)器學(xué)習(xí)逐漸走向成熟和應(yīng)用,在這20多年里機(jī)器學(xué)習(xí)的理論和方法得到了完善和充實(shí),可謂是百花齊放的年代。代表性的重要成果有:支持向量機(jī)(SVM,1995)、AdaBoost算法(1997)、循環(huán)神經(jīng)網(wǎng)絡(luò)和LSTM(1997)、流形學(xué)習(xí)(2000)、隨機(jī)森林(2001)。
1980年機(jī)器學(xué)習(xí)作為一支獨(dú)立的力量登上了歷史舞臺(tái)。在這之后的10年里出現(xiàn)了一些重要的方法和理論,典型的代表是:分類(lèi)與回歸樹(shù)(CART,1984)、反向傳播算法(1986)、卷積神經(jīng)網(wǎng)絡(luò)(1989)。
機(jī)器學(xué)習(xí)算法可以按照不同的標(biāo)準(zhǔn)來(lái)進(jìn)行分類(lèi)。按照訓(xùn)練樣本提供的信息以及反饋方式的不同,將機(jī)器學(xué)習(xí)算法分為監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。
機(jī)器學(xué)習(xí)已經(jīng)成為了當(dāng)今的熱門(mén)話(huà)題,但是從機(jī)器學(xué)習(xí)這個(gè)概念的誕生到機(jī)器學(xué)習(xí)技術(shù)的普遍應(yīng)用經(jīng)過(guò)了漫長(zhǎng)的過(guò)程。在機(jī)器學(xué)習(xí)發(fā)展的歷史長(zhǎng)河中,眾多優(yōu)秀的學(xué)者為推動(dòng)機(jī)器學(xué)習(xí)的發(fā)展做出了巨大的貢獻(xiàn)。
那么,哪種 PWM 技術(shù)最適合您的電機(jī)控制應(yīng)用?當(dāng)然有很多選擇可供選擇,每一種都具有獨(dú)特的優(yōu)點(diǎn)和缺點(diǎn)。在關(guān)于該主題的最后一篇文章中,我們將討論直流和交流電機(jī)的再生。由于電動(dòng)和混合動(dòng)力汽車(chē)的普及,這在過(guò)去十年中已成為一個(gè)更加相關(guān)的話(huà)題。在這些應(yīng)用中,再生發(fā)生在直流母線(xiàn)中,最終連接到車(chē)輛中的直流電池組。但我們將在這篇文章中看到,我們也可以將其再生回交流電源,例如交流電網(wǎng)。
那么,哪種 PWM 技術(shù)最適合您的電機(jī)控制應(yīng)用?希望到現(xiàn)在為止,您已經(jīng)了解 PWM 過(guò)程的用途有多么廣泛,以及該過(guò)程中的細(xì)微變化如何對(duì)電機(jī)性能產(chǎn)生巨大影響。在之前有關(guān)該主題的文章中,我僅討論了適用于 H 橋中直流電機(jī)的技術(shù)。但在這篇文章中,讓我們將討論擴(kuò)展到多相電機(jī)。要將這些技術(shù)應(yīng)用于三相逆變器,我們所要做的就是再添加一個(gè)半橋。
那么,哪種 PWM 技術(shù)最適合您的電機(jī)控制應(yīng)用?到目前為止,您可能已經(jīng)猜到?jīng)]有“一種”P(pán)WM 技術(shù)對(duì)所有應(yīng)用都是最佳的。但是我們今天要討論的技術(shù)非常接近。它被稱(chēng)為單極 4 象限 PWM 技術(shù)(形式 II)。
那么,哪種 PWM 技術(shù)最適合您的電機(jī)控制應(yīng)用?到目前為止,我們已經(jīng)研究了三種不同的 PWM 技術(shù)。有些可以將能量再生回直流電源,有些則不能。但它們都有一個(gè)共同特征:?jiǎn)螛O電壓波形。換句話(huà)說(shuō),對(duì)于任何給定的 PWM 周期,電機(jī)電壓波形在 Vbus 和地之間或 –Vbus 和地之間轉(zhuǎn)換。在這篇文章中,我們將研究雙極PWM 技術(shù)的主張。對(duì)于每個(gè) PWM 周期,電機(jī)電壓波形在 Vbus 和 –Vbus 之間轉(zhuǎn)換,產(chǎn)生的電機(jī)電壓波形幅度是單極 PWM 的兩倍。為此,我們將連接 H 橋。
PWM是一種對(duì)模擬信號(hào)電平進(jìn)行數(shù)字編碼的方法。通過(guò)高分辨率計(jì)數(shù)器的使用,方波的占空比被調(diào)制用來(lái)對(duì)一個(gè)具體模擬信號(hào)的電平進(jìn)行編碼。PWM信號(hào)仍然是數(shù)字的,因?yàn)樵诮o定的任何時(shí)刻,滿(mǎn)幅值的直流供電要么完全有(ON),要么完全無(wú)(OFF)。電壓或電流源是以一種通(ON)或斷(OFF)的重復(fù)脈沖序列被加到模擬負(fù)載上去的。通的時(shí)候即是直流供電被加到負(fù)載上的時(shí)候,斷的時(shí)候即是供電被斷開(kāi)的時(shí)候。只要帶寬足夠,任何模擬值都可以使用PWM進(jìn)行編碼。
隨著技術(shù)的進(jìn)步,我們用來(lái)控制電機(jī)的技術(shù)也變得越來(lái)越復(fù)雜。與稅收不同,這通常是一件好事,因?yàn)樗梢宰屛覀兊钠?chē)大膽地去到以前沒(méi)有汽車(chē)去過(guò)的地方。但時(shí)不時(shí)地,我認(rèn)為退后一步,只見(jiàn)樹(shù)木不見(jiàn)森林是有益健康的。您的應(yīng)用程序是否真的需要超快速的扭矩響應(yīng)和層層疊疊的觀察器才能完成工作?就像我的稅收一樣,你真的需要使用復(fù)雜到必須聘請(qǐng)電機(jī)控制專(zhuān)業(yè)人員為你做的技術(shù)嗎?難道您不想使用一種可以讓您全神貫注的技術(shù)嗎?有時(shí)候,越簡(jiǎn)單越好!這就是我對(duì) InstaSPIN-BLDC? 如此興奮的原因!
電動(dòng)汽車(chē)技術(shù)是汽車(chē)行業(yè)的未來(lái),電池和快速充電系統(tǒng)的不斷快速發(fā)展。在不犧牲充電時(shí)間的情況下,研發(fā)工作正在進(jìn)行中,以確保電池的尺寸更小,并且在充電時(shí)間內(nèi)的功耗最小。