# 物理引导机器学习

永磁同步电机的实时数字孪生此前依赖离线辨识参数或有限元查表，机器一变就要重算映射。Inferencer-in-the-Loop架构让现场可编程门阵列执行一个物理引导的神经网络，由GPU在旁路用参考数据重训，验证通过后才切换权重。在阻尼绕组、参数偏移和有限元标定的饱和电机上，同一核形式平均归一化绝对误差为0.19%–0.67%，实测内核延迟0.30–0.34微秒；在200瓦驱动上，残差形式在六段留出运行中的误差为实测均方根的5.9%–9.4%。

永磁同步电机的实时数字孪生此前依赖离线辨识参数或有限元查表，机器一变就要重算映射。Inferencer-in-the-Loop架构让现场可编程门阵列执行一个物理引导的神经网络，由GPU在旁路用参考数据重训，验证通过后才切换权重。在阻尼绕组、参数偏移和有限元标定的饱和电机上，同一核形式平均归一化绝对误差为0.19%–0.67%，实测内核延迟0.30–0.34微秒；在200瓦驱动上，残差形式在六段留出运行中的误差为实测均方根的5.9%–9.4%。