MODELLO COMPORTAMENTALE DI UN LOOP DI CONTROLLO DIGITALE PER CONVERTITORI DC-DC BASATO SU RETE NEURALE

The objective of the thesis activity is to propose a behavioral model of a digital control loop for DC-DC converters based on a Neural network. In the examined scenario, a buck converter controlled by a PID is considered. The proposed method leverages the adeptness of the Neural network in precisely predicting actual values of the circuit parameters that significantly influence the operation of the feedback control loop. Infact, accurate prediction of the actual values of the analog components that are critical to the calculation of PID parameters can enhance the efficacy of the control loop and the overall performance of the converter. Additionally, by estimating the on-resistance of the MOSFETs, the equivalent series resistances of the capacitor and inductor, insights can be gained into the operational status of the DC-DC converter, as well as the ability to anticipate potential future failures due to component aging.

L'obiettivo dell'attività di tesi è proporre un modello comportamentale di un loop di controllo digitale per convertitori DC-DC basato su una rete neurale. Nello scenario esaminato viene considerato un convertitore buck controllato da un PID. Il metodo proposto sfrutta l'abilità della rete neurale nel prevedere con precisione i valori effettivi dei parametri del circuito che influenzano in modo significativo il funzionamento del loop di controllo. Infatti, una previsione accurata dei valori effettivi dei componenti analogici critici per il calcolo dei parametri PID può migliorare l'efficacia del loop di controllo e le prestazioni complessive del convertitore. Inoltre, stimando la resistenza di attivazione dei MOSFET, le resistenze in serie equivalenti del condensatore e dell'induttore, è possibile sia ottenere informazioni sullo stato operativo del convertitore DC-DC, sia anticipare potenziali guasti futuri dovuti a componenti invecchiamento.