This paper presents adaptive impedance control of an upper limb robotic exoskeleton using biological signals. First, we develop a reference musculoskeletal model of the human upper limb and experimentally calibrate the model to match the operator's motion behavior. Then, the proposed novel impedance algorithm transfers stiffness from human operator through the surface electromyography (sEMG) signals, being utilized to design the optimal reference impedance model. Considering the unknown deadzone effects in the robot joints and the absence of the precise knowledge of the robot's dynamics, an adaptive neural network control incorporating with a high-gain observer is developed to approximate the deadzone effect and robot's dynamics and drive the robot tracking desired trajectories without velocity measurements. In order to verify the robustness of the proposed approach, the actual implementation has been performed using a real robotic exoskeleton and a human operator.

Inductive power transfer (IPT) converters are resonant converters that attain optimal energy efficiencies for a certain load range. To achieve maximum efficiency, it is common to cascade the IPT converter with front-side and load-side dc/dc converters. The two dc/dc converters are normally controlled cooperatively for the requirements of output regulation and maximum efficiency tracking using a control technique based on perturbation and observation, which is inevitably slow in response. In this paper, a decoupled control technique is developed. The load-side dc/dc converter is solely responsible for output regulation, while the front-side converter is responsible for impedance-matching of the IPT converter by controlling its input-to-output voltage ratio. The controls are linear and therefore fast. DC and small-signal transfer functions are derived for designing the control parameters. The performances of fast regulation and high efficiency of the IPT converter system are verified using a prototype system.

ABSTRACT The insulated gate bipolar transistor (IGBT) is one of the most important power semiconductor devices in power electronics and is also prone to failure. High junction temperature and junction temperature fluctuation of IGBT are the main causes of IGBT module aging failure. The high‐precision monitoring of the junction temperature of the IGBT module is a prerequisite for IGBT life prediction, which is crucial for reducing maintenance costs and improving equipment reliability. Therefore, an IGBT junction temperature estimation method based on long short‐term memory (LSTM) neural network and sliding window estimation model is proposed and applied in practical industrial scenarios. This method uses the operating data of the motor drive device in the actual industrial application scenario as the training and test data set and uses the external operating parameters of the IGBT module to estimate the junction temperature of the IGBT module. Compared with the internal operating parameters of the IGBT module based on switching transient, the external operating parameters are easier to collect and process, and more suitable for practical application scenes. A sliding window estimation model is proposed to estimate the junction temperature of the IGBT module. Compared with the point‐to‐point estimation method, the sliding window estimation method can capture the influence of historical operation data better and has a higher capability of time series data estimation. The IGBT junction temperature estimation of sliding windows is realized by the LSTM neural network, which is more suitable for time series estimation in real industrial scenarios. The experimental results show that the estimation accuracy of the sliding window estimation method is better than that of the point‐to‐point estimation method, and the accuracy of the sliding window estimation method based on LSTM is better than that of the sliding window estimation method based on other machine learning models. It proves that the proposed method can better capture the dynamic process of the system and has higher estimation accuracy.

In inductive power transfer (IPT) systems, air gap variations can cause fluctuations in the parameters of the loosely coupled transformers (LCT), potentially compromising resonant tank performance, output stability and transfer efficiency. To address this issue, this paper introduces a novel multi-loop control strategy for a single-stage power-source IPT system. Specifically, the proposed system replaces traditional compensation capacitors with switch-controlled capacitors (SCCs) on both sides and incorporates a semi-active rectifier (SAR) on the secondary side. On this basis, a control strategy is identified and implemented with three loops, including a secondary tuning loop using a gradient descent method to counteract coupler parameter variations due to misalignment, a load matching loop for tracking optimal efficiency and a primary-side input impedance tuning loop for maintaining constant power output. This strategy maintains optimal efficiency and constant power output despite dynamic variations in LCT parameters, coupling coefficients, and load conditions. Notably, it eliminates the need for direct detection of LCT self-inductance and mutual inductance parameter variations. Furthermore, the system operates at a fixed frequency and achieves zero-voltage switching (ZVS), enhancing overall efficiency. Finally, a 500 W experimental setup is established to validate the feasibility and effectiveness of the proposed system.

Abstract This paper presents a magnetic coupler design method for WPT systems based on stacking machine‐learning algorithms. A synthetic dataset generated by ANSYS Maxwell is used for training and evaluating machine‐learning models. Stacking technology effectively combines the results from multiple models and make best predictions. The designed model allows us to obtain the optimal values of the coil inner radius and number of turns , when other coil design parameters such as the coil outer radius , the wire diameter , and the coil inductance , are given based on the application environment. The proposed method provides practical solutions meeting design requirements quickly, easily accommodating magnetic couplers with ferrite cores, and showing advantages in designing magnetic couplers with optimal power transfer efficiency.