Задача точной стабилизации напряжения остаётся одной из ключевых в энергетике и электронике. Прорывное решение этой проблемы предложили учёные Пермского национального исследовательского политехнического университета (ПНИПУ), создавшие интеллектуальную систему управления на базе адаптивной нейронной сети.
Ключевые преимущества: скорость, точность, эффективность
Современная электроника, от смартфонов до промышленных роботов, критически зависит от качества электропитания. Колебания напряжения, неизбежные при работе от солнечных панелей, аккумуляторов или в нестабильных сетях, могут привести к сбоям или поломке устройств.
Основой любой современной системы стабилизации напряжения является DC-DC преобразователь — устройство, повышающее или понижающее напряжение. Его работой управляет микроконтроллер, но классические аналоговые схемы управления (на операционных усилителях) имеют фундаментальный недостаток: они работают по жёсткой логике и не способны адаптироваться к нелинейностям реальных компонентов. Это приводит к погрешностям, замедлению реакции и снижению надёжности.
Исследователи из Пермского политеха заменили традиционную аналоговую схему адаптивной нейронной сетью, встроенной в контроллер. Эта сеть, построенная на базе персептрона, в реальном времени анализирует выходное напряжение и автоматически корректирует работу преобразователя, учась компенсировать не только нелинейности компонентов, но и погрешности, вызванные нагревом или старением.
Сравнение с классическим алгоритмом управления показало впечатляющие результаты. Реакция срабатывания ускорилась на 58%, время стабилизации напряжения сократилось с 125 до 79 микросекунд, что позволяет устройствам мгновенно адаптироваться к скачкам в сети. Погрешность стабилизации стремится к нулю, обеспечивая исключительную стабильность выходного напряжения.
Снизилась вычислительная нагрузка. Для достижения результата интеллектуальному алгоритму потребовалось всего 24 итерации против 57 у классического подхода, что более чем вдвое сокращает затраты вычислительных ресурсов.
Вячеслав Никулин - доцент кафедры автоматики и телемеханики ПНИПУЧтобы доказать эффективность разработки, мы провели сравнение в среде компьютерного моделирования, а также с помощью натурного эксперимента. Мы создали две виртуальные копии: одну с интеллектуальным алгоритмом на основе адаптивной нейронной сети, а другую — с классической схемой управления
Особый спрос в возобновляемой энергетике
Разработка открывает новые горизонты для применения ИИ в силовой электронике. Более надёжные, адаптивные и энергоэффективные источники питания востребованы в портативной технике, IoT-устройствах, автономных энергосистемах и робототехнике. С учетом бурного роста возобновляемой энергетики – ветровых и солнечных электростанций, где потребность в таких стабилизаторах особенно высока – разработка пермских ученых будет пользоваться особым спросом. Для России это шаг к укреплению технологического суверенитета в области микроэлектроники и управления питанием.
В русле мирового тренда
В мире же работа пермских учёных вписывается в глобальный тренд: внедрение нейросетевых алгоритмов для управления энергосистемами. В последние годы во многих странах ведется разработка подобных систем. Например, в 2025 году китайские исследователи представили метод глубокого обучения с подкреплением для адаптивного управления напряжением в сетях с возобновляемыми источниками. Ранее тот же Пермский политех успешно применил нейросеть для экономии энергии на нефтяных скважинах.
Что ждёт технологию в будущем?
В краткосрочной перспективе можно ожидать внедрения прототипов в специализированные промышленные проекты. В среднесрочной — выхода на рынок коммерческих решений для автономных систем и умной электроники. В долгосрочной перспективе адаптивные нейросетевые контроллеры могут стать стандартом для построения комплексных интеллектуальных энергосистем, обеспечивая стабильность и эффективность как в пределах одного устройства, так и в масштабах целой сети.
Разработка Пермского политеха — наглядный пример того, как искусственный интеллект перестаёт быть абстрактной технологией и становится конкретным инструментом, решающим прикладные инженерные задачи, от которых зависит работа всего цифрового мира.