物理引导数字孪生实现非线性PMSM实时自适应仿真

2026年10月30日，arXiv Systems and Control 与 Engineering Energy 刊出 Songyang Zhang 等作者的论文，提出推理器在环（IIL）架构，用于非线性永磁同步电机（PMSM）的实时自适应数字孪生。该方法以物理引导机器学习网络单步推进电流并预测转矩，由 GPU 负责重训练、FPGA 执行最后接受的权重。报道称，在阻尼回路、参数偏移及 FEA 校准饱和电机测试中，平均 NMAE 为 0.19%–0.67%，FPGA 核延迟 0.30–0.34 μs，参数偏移电机重训练在 94 s 内接近最终损失。论文称其使被执行模型可从参考数据学习。目前进展限于论文发布与上述实验指标，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。