Diseño de un inversor de clase E con potencia de salida estabilizada utilizando una red neuronal artificial para...

Área de la Ciencia:

• Ingeniería eléctrica
• Ingeniería biomédica
• Inteligencia artificial

Sus antecedentes:

• Los controladores convencionales luchan con las variaciones de carga en los dispositivos implantables.
• La detección precisa de la resistencia a la carga es un desafío en entornos de implantes biomédicos.
• Los circuitos de retroalimentación existentes limitan la eficiencia y la aplicabilidad de los inversores de potencia para implantes.

Objetivo del estudio:

• Diseñar y validar un inversor de clase E independiente de la carga para implantes biomédicos.
• Desarrollar un sistema de control sin retroalimentación para una transferencia de energía inalámbrica estable.
• Superar las limitaciones de los controladores tradicionales en la detección y adaptación a los cambios de resistencia a la carga.

Principales métodos:

• Se empleó una arquitectura de red neuronal artificial dual (ANN) para el control y la estimación de la carga.
• La ANN primaria regulaba el sistema, mientras que una ANN secundaria estimaba la resistencia a la carga del voltaje de entrada de CC y la corriente de entrada promedio.
• Un convertidor de buck, controlado por el ANN primario, mantuvo una potencia de salida constante con un error medio relativo inferior a 0,01.

Principales resultados:

• El sistema alcanzó un rendimiento consistente con una potencia de salida de 2 W a una frecuencia de conmutación de 1 MHz.
• El controlador basado en la red neuronal artificial (ANN) mantuvo con éxito una potencia de salida constante independientemente de las variaciones de carga.
• La validación experimental confirmó los resultados del análisis teórico y de la simulación, demostrando un funcionamiento fiable.

Conclusiones:

• El inversor de clase E independiente de la carga propuesto ofrece una solución compacta y sin retroalimentación para la transferencia de energía inalámbrica.
• Este diseño es muy adecuado para implantes biomédicos, electrónica portátil y dispositivos de consumo portátiles.
• El enfoque de doble ANN aborda efectivamente el desafío de la variabilidad de la carga en los sistemas de suministro de energía.