고정자 자속 연계(stator flux linkages)는 동기 기계(SMs)의 최적 제어를 위한 핵심 요소 역할을 한다. 그러나 이들은 복잡하고 비선형적인 특성을 지니고 있어, 이를 온라인에서 정확하게 모델링하고 식별하는 일은 여전히 매우 어렵다. 이러한 맥락에서 자속 연계를 모델링하기 위한 신경망 기반 학습 전략이 유망한 후보로 여겨지고 있으나, 그 적용은 현재까지 주로 신경망의 오프라인 학습에 크게 국한되어 왔다. 따라서 본 연구에서는 동기 기계의 자속 연계를 정확하게 모델링하기 위한 물리 기반 온라인 학습 방법을 제시한다. 제안된 방법은 신경망을 온라인으로 학습하여 자속 연계를 지배하는 물리 법칙을 습득하되, 모델이 내재한 물리적 제약을 준수하도록 한다. 신경망 가중치를 갱신하기 위한 학습 규칙은 1차 최적성 조건(first-order optimality conditions)을 만족하도록 정식화되며, 제안된 방법은 온라인 자속 연계 추정기로 활용될 수 있다. 제안 방법의 유효성은 35 kW 내부 영구자석 동기 기계(IPMSM) 구동에 대해 수행한 시뮬레이션 결과를 통해 검증된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.