基于PINN的非线性电路直流工作点求解方法

• 全文链接
• 请求原文

作   者：

蔡固顺;  刘锦辉;  张馨丹;  黄钊;  王泉; 

作者机构：

西安电子科技大学广州研究院;  西安电子科技大学计算机科学与技术学院; 

关键词：

物理信息神经网络;  电路直流分析;  预测模型;  非线性器件; 

期刊名称：

西安电子科技大学学报

i s s n：

1001-2400

年卷期：

2024 年 51 卷 006 期

页   码：

91-103

摘   要：

物理信息神经网络是一种新型深度学习模型，但是却无法很好解决高阶非线性方程在电路直流分析中难以求解的问题。为此，提出了一种基于物理信息神经网络的新型学习仿真模型，用于实现对非线性电路直流工作点的高效仿真分析与精确求解。特别地，文中同时将非线性器件的优安特性方程与修正节点分析方程作为损失函数的正则化项，通过将节点导纳矩阵与独立电源值作为先验知识直接代入物理信息神经网络中进行训练，得到直流工作点学习仿真模型，以有效预测节点电压值，实现对不同器件模型的非线性求解。在3种典型的非线性器件上验证了所提出的物理信息神经网络学习模型。仿真结果表明，所提出的物理信息神经网络学习模型与理论值相比，最大相对误差不超过4.30%,有效解决了传统数值算法在求解非线性电路直流工作点时难以收敛的问题。相比于Gmin法和源步进法，所提物理信息神经网络模型的平均预测精度分别提高了0.11%和0.23%。在需要更少样本的情况下，具有更好的学习效率与稳定性。