free性欧美人与牛,国产又粗又硬又大爽黄老大爷视 ,国产成人人妻精品一区二区三区 ,√天堂8资源中文,国产亚洲精品一区二区三区

廣告
廣告
對(duì)話張麗萍 | AI磁芯損耗建模應(yīng)用還有多遠(yuǎn)?
您的位置 資訊中心 > 對(duì)話 > 正文

對(duì)話張麗萍 | AI磁芯損耗建模應(yīng)用還有多遠(yuǎn)?

2025-02-12 17:19:40 來源:電子變壓器與電感網(wǎng) 作者:周執(zhí) 點(diǎn)擊:2272

AI技術(shù)的出現(xiàn)給磁芯損耗的建模提供了新的方向與機(jī)會(huì)。

過去磁芯損耗建模主要依賴于基于測試數(shù)據(jù)的數(shù)學(xué)擬合公式,這些公式在針對(duì)正弦波、PWM波激勵(lì)下磁芯損耗預(yù)測比較準(zhǔn)確。然而,當(dāng)面對(duì)復(fù)雜的激勵(lì)波形,例如帶有直流偏置的波形,或是由工頻與高頻疊加而成的復(fù)合波形時(shí),現(xiàn)有的磁芯損耗模型無法滿足。

即便有學(xué)者發(fā)表了相關(guān)的研究成果并構(gòu)建了數(shù)學(xué)模型,但這些磁芯損耗模型的實(shí)際應(yīng)用性仍有待商榷。因此,在復(fù)雜激勵(lì)波形以及直流偏置下的磁芯損耗建模方面,采用人工智能技術(shù)進(jìn)行建模,其意義更為重大。

在這一需求背景下,2023年5月,普林斯頓大學(xué)發(fā)起了一項(xiàng)名為“Magnet挑戰(zhàn)賽”的國際競賽,旨在匯聚全球高校與研究機(jī)構(gòu)的力量,共同推動(dòng)AI磁芯損耗建模技術(shù)的發(fā)展。福州大學(xué)作為參賽隊(duì)伍之一,在此次挑戰(zhàn)賽中取得了較為優(yōu)異的成績。本文通過對(duì)話福州大學(xué)功率變換與電磁技術(shù)研究中心的張麗萍老師,深入探究該團(tuán)隊(duì)在挑戰(zhàn)賽中的AI磁芯損耗建模過程,以及這項(xiàng)技術(shù)對(duì)產(chǎn)業(yè)發(fā)展可能帶來的機(jī)會(huì)與挑戰(zhàn)。

張麗萍

01 傳統(tǒng)磁芯損耗計(jì)算的局限性

磁元件在功率變換器中具有不可或缺的重要地位,其損耗占總損耗的20%至30%。磁元件損耗主要分為繞組損耗和磁芯損耗。繞組損耗通常通過仿真手段獲取,由于其呈線性特性,故通過仿真所獲得的繞組損耗數(shù)據(jù)相對(duì)較為精確。

然而,磁芯損耗建模卻存在諸多問題。磁芯損耗受諸多因素影響,即便是以往的經(jīng)典模型,磁芯損耗在面對(duì)復(fù)雜波形時(shí)也可能不再適用。因此,磁芯損耗建模是磁元件設(shè)計(jì)中極為關(guān)鍵且重要的一環(huán)。磁芯損耗建模是開發(fā)高性能電力電子變換器的一大瓶頸所在。

磁芯損耗會(huì)受到諸多因素的影響,例如激勵(lì)波形、工作頻率、工作溫度以及直流偏置等。磁芯損耗可以看作是 B-H曲線包圍面積。

損耗面積

磁芯損耗面積

下面這個(gè)圖展示了不同頻率、不同磁通密度、有無直流偏置、不同溫度、不同激勵(lì)波形以及不同材料對(duì)磁滯回線所產(chǎn)生的影響。

磁滯回線

 

 

上圖來源:H.Li,et al., “How MagNet: Machine Learning Framework for Modeling Power Magnetic Material Characteristics,” IEEE Trans. Power Electron., vol. 38,no.12, pp. 15829–15852. 2023.

從這些圖表中可以清晰地看出,磁芯的電磁特性呈現(xiàn)出高度非線性的特點(diǎn)。無法通過簡單地對(duì)影響因素進(jìn)行線性變換來準(zhǔn)確計(jì)算磁芯損耗。以往的方程,無論是SE方程、MSE方程還是IGSE方程,其泛化性能都存在一定的局限性。

此外,基于不同的制造工藝和應(yīng)用場合的需求,磁芯的構(gòu)成材料以及幾何形狀存在著顯著差異,這些差異也會(huì)對(duì)磁芯損耗產(chǎn)生影響。面對(duì)如此眾多的影響因素,如何更加精確地對(duì)磁芯損耗進(jìn)行建模,成為了一個(gè)亟待解決的問題。

傳統(tǒng)的磁芯損耗評(píng)估公式大多基于工程經(jīng)驗(yàn)的擬合公式,容易受到頻率、波形、占空比、直流偏置、溫度等諸多因素的影響。為了能夠更準(zhǔn)確地計(jì)算電力電子中常見的PWM(脈沖寬度調(diào)制)波下的磁芯損耗,學(xué)者們提出了改進(jìn)的MSE方程。隨后,又進(jìn)一步發(fā)展出了適用于任意波形的iGSE和i²GSE方程。然而,這些方程中的系數(shù)k、α、β并非固定不變的常數(shù),它們會(huì)隨著直流偏置、工作頻率以及磁密的變化而發(fā)生改變,且這些系數(shù)的變化范圍相當(dāng)廣泛。

鑒于此,構(gòu)建一個(gè)通用的磁芯損耗公式難度頗大,因此需要探索新的針對(duì)磁芯損耗的解決方案。

02基于神經(jīng)網(wǎng)絡(luò)的磁芯損耗建模方法

近年來,以機(jī)器學(xué)習(xí)為代表的人工神經(jīng)網(wǎng)絡(luò)發(fā)展迅猛,在眾多領(lǐng)域都得到了廣泛應(yīng)用,為磁芯損耗建模提供了一種可行方案,部分學(xué)者已開始著手開展基于數(shù)據(jù)驅(qū)動(dòng)的磁芯損耗建模研究。作為數(shù)據(jù)驅(qū)動(dòng)的經(jīng)典算法之一,神經(jīng)網(wǎng)絡(luò)能夠應(yīng)用于磁芯損耗建模中。

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network)是一種模仿生物神經(jīng)網(wǎng)絡(luò)(例如大腦)結(jié)構(gòu)與功能的數(shù)學(xué)模型或計(jì)算模型,用于對(duì)函數(shù)進(jìn)行估計(jì)或近似,已被廣泛應(yīng)用于解決各類問題。

人工神經(jīng)網(wǎng)絡(luò)通常由輸入層、隱含層和輸出層三層構(gòu)成,各層由多個(gè)神經(jīng)元節(jié)點(diǎn)組成,神經(jīng)元節(jié)點(diǎn)之間存在可學(xué)習(xí)的參數(shù)。具體來說,輸入層與隱藏層之間的神經(jīng)元節(jié)點(diǎn)相連,二者之間的連接具有參數(shù),通常稱之為權(quán)重,即對(duì)輸入賦予一定的權(quán)重。

在磁芯損耗建模方面,可將激勵(lì)波形的最大磁通密度,或B曲線、H曲線作為輸入值,同時(shí)輸入磁芯的工作頻率、溫度、直流偏置等各類數(shù)值。輸入數(shù)據(jù)經(jīng)權(quán)重進(jìn)行線性變換后,輸出結(jié)果會(huì)送入激活函數(shù)中。激活函數(shù)的輸出再連接至下一個(gè)節(jié)點(diǎn)的參數(shù),如此層層傳遞,這一過程在神經(jīng)網(wǎng)絡(luò)中被稱為信號(hào)的正向傳播。

信息在神經(jīng)元中傳輸、分析與權(quán)衡,最終得出一個(gè)輸出結(jié)果。將該結(jié)果與通過測量獲取的磁芯損耗進(jìn)行對(duì)比,計(jì)算二者之間的誤差,再利用該誤差進(jìn)行反向傳播,以修正學(xué)習(xí)參數(shù),即修正各網(wǎng)絡(luò)節(jié)點(diǎn)上的權(quán)重,這便是神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

神經(jīng)網(wǎng)絡(luò)作為一種算法大類,擁有眾多分支,包括在圖像領(lǐng)域應(yīng)用廣泛的CNN(卷積神經(jīng)網(wǎng)絡(luò))、適用于圖數(shù)據(jù)結(jié)構(gòu)的GNN(圖神經(jīng)網(wǎng)絡(luò))以及用于序列數(shù)據(jù)的RNN(循環(huán)神經(jīng)網(wǎng)絡(luò))等,其算法分支極為豐富。

基于神經(jīng)網(wǎng)絡(luò)的磁芯損耗建模,其關(guān)鍵在于明確輸入輸出數(shù)據(jù)類型及網(wǎng)絡(luò)結(jié)構(gòu)。輸入數(shù)據(jù)既可為標(biāo)量數(shù)據(jù),例如頻率、磁密、占空比、溫度和直流偏置等,也可為時(shí)序數(shù)據(jù),如一個(gè)周期內(nèi)B、H曲線,亦或是標(biāo)量數(shù)據(jù)與時(shí)序數(shù)據(jù)的結(jié)合。輸出數(shù)據(jù)則可以是磁芯損耗,或是預(yù)測的H曲線,例如通過B曲線來預(yù)測H曲線。網(wǎng)絡(luò)結(jié)構(gòu)可選擇FNN、CNN、LSTM或Transformer等不同類型的網(wǎng)絡(luò)。

以基于Transformer網(wǎng)絡(luò)的磁芯損耗建模為例,輸入數(shù)據(jù)為時(shí)序數(shù)據(jù)與標(biāo)量數(shù)據(jù)的組合,輸出為時(shí)序數(shù)據(jù)H,最終通過輸出的H與B進(jìn)行積分運(yùn)算,以求得磁芯損耗。所選用的網(wǎng)絡(luò)結(jié)構(gòu)為Transformer網(wǎng)絡(luò),該網(wǎng)絡(luò)包含編碼器與解碼器兩部分。

如圖所示Transformer網(wǎng)絡(luò)的工作流程圖,將一個(gè)周期內(nèi)的時(shí)序數(shù)據(jù)即勵(lì)磁波形/磁通密度曲線B(t)輸入編碼器,編碼出其特征,再與標(biāo)量數(shù)據(jù),即溫度T、頻率f、直流偏置Hdc等進(jìn)行融合。融合后的數(shù)據(jù)輸入至Transformer的解碼器進(jìn)行解碼,最終得出預(yù)測的H波形。將預(yù)測出的H與原始輸入的B進(jìn)行積分,即可計(jì)算得到磁芯損耗。

 

工作流程圖

03 基于Transformer網(wǎng)絡(luò)的磁芯損耗模型

人工智能進(jìn)行模型訓(xùn)練與測試的流程可劃分為研發(fā)階段與最終的應(yīng)用階段。

第一步對(duì)數(shù)據(jù)進(jìn)行采集,在采集數(shù)據(jù)的過程中可能有一些缺失數(shù)據(jù)或者是異常數(shù)據(jù)要進(jìn)行處理,目的就是為了提高數(shù)據(jù)的質(zhì)量,提高機(jī)器學(xué)習(xí)的性能跟泛化能力。

第二步要對(duì)數(shù)據(jù)集進(jìn)行劃分,將數(shù)據(jù)集分為訓(xùn)練集跟測試集。通常情況下,訓(xùn)練集的樣本數(shù)量會(huì)多于測試集,例如可按照8:2的比例進(jìn)行劃分。劃分?jǐn)?shù)據(jù)集后,需利用訓(xùn)練集來優(yōu)化神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù),同時(shí)借助測試集評(píng)估網(wǎng)絡(luò)性能。

第三步就是設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu),選擇合適的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、層數(shù)、神經(jīng)元數(shù)量、激活函數(shù)、輸入/輸出數(shù)據(jù)等,這些選擇就要根據(jù)實(shí)際應(yīng)用和數(shù)據(jù)的一些特點(diǎn)來進(jìn)行選擇。

第四步是訓(xùn)練策略,確定如何訓(xùn)練神經(jīng)網(wǎng)絡(luò),包括網(wǎng)絡(luò)初始化、損失函數(shù)、網(wǎng)絡(luò)參數(shù)優(yōu)化算法、學(xué)習(xí)率更新算法等。

第五步是模型評(píng)估,最終設(shè)計(jì)出來的網(wǎng)絡(luò)要用于模型的評(píng)估,用測試的數(shù)據(jù)集去評(píng)估訓(xùn)練好的模型的性能。

第六步是調(diào)參優(yōu)化,根據(jù)測試結(jié)果調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練策略,不斷迭代,以獲得最終模型。

第七步是部署應(yīng)用,在實(shí)際應(yīng)用中部署最終模型。

以上幾步都屬于演化的過程,要真正落實(shí)到用戶,也就是磁芯廠商要用這個(gè)模型,就要做最終的部署應(yīng)用,也就是最終呈現(xiàn)什么樣的界面給磁芯廠商,使得磁芯廠商能夠在不需要任何機(jī)器學(xué)習(xí)的理論知識(shí)上,只需要輸入輸出數(shù)據(jù),就能得到最終的磁芯損耗結(jié)果。

部署應(yīng)用的效果可參考福州大學(xué)團(tuán)隊(duì)依據(jù)普林斯頓比賽制作的示范模型。在其網(wǎng)站中,配置好輸入?yún)?shù),涵蓋磁芯材料、激勵(lì)波形屬性、溫度、頻率等,網(wǎng)站便會(huì)自動(dòng)生成相應(yīng)的磁芯損耗結(jié)果。

該網(wǎng)站與陳敏杰教授的官方網(wǎng)站類似,網(wǎng)站上公開了一些相關(guān)數(shù)據(jù),并且還部署了一個(gè)UI界面供用戶使用。

從功能層面來看,此類人工智能模型的應(yīng)用與仿真軟件頗為相似,均是輸入?yún)?shù)、輸出結(jié)果,但二者原理存在差異。仿真軟件基于公式或數(shù)值計(jì)算方法進(jìn)行求解,而人工智能模型則基于歷史數(shù)據(jù)學(xué)習(xí)輸入與輸出之間的關(guān)聯(lián)。依據(jù)這種關(guān)聯(lián),可根據(jù)輸入找到對(duì)應(yīng)的輸出。算法越優(yōu)、數(shù)據(jù)越多,人工智能模型的學(xué)習(xí)效果便越好,所學(xué)習(xí)到的關(guān)聯(lián)越接近真實(shí)世界,其找到的輸出結(jié)果也就越精準(zhǔn)。

04 MagNet AI算力規(guī)模

實(shí)際上,磁芯損耗建模所需的算力遠(yuǎn)小于圖像和自然語言處理所需的算力。在參與此次比賽時(shí),福州大學(xué)團(tuán)隊(duì)使用的CPU為8352V,并搭配了三片英偉達(dá)4090 GPU。不過,并非一定同時(shí)啟用三片GPU,福州大學(xué)團(tuán)隊(duì)對(duì)比了單卡、雙卡、三卡的使用情況。

例如,對(duì)于表格中3E6這種材料,其樣本數(shù)為6996個(gè),單卡模型參數(shù)為8194個(gè)。在運(yùn)行3E6模型時(shí),占用的顯存為9.3G,內(nèi)存為12.8G。

材料使用情況

 

也就是說,在優(yōu)化完網(wǎng)絡(luò)結(jié)構(gòu)后,耗時(shí)為4.3小時(shí)。但若考慮到研發(fā)過程中對(duì)網(wǎng)絡(luò)算法的優(yōu)化調(diào)試,最終所需時(shí)間將是4.3乘以100或1000。

這是訓(xùn)練所需的一些算力情況。而部署所需的算力則相對(duì)較少,可部署在服務(wù)器上,或直接使用個(gè)人PC機(jī)。其占用的內(nèi)存與時(shí)間情況可參考右側(cè)圖表。因此,算力規(guī)模與需求、算法以及數(shù)據(jù)量密切相關(guān),有時(shí)還需考慮實(shí)際使用時(shí)的成本問題。

 

算力情況

05  MagNet 比賽過程

Magnet挑戰(zhàn)賽是由普林斯頓大學(xué)電力電子實(shí)驗(yàn)室的陳敏杰教授與IEEE電力電子學(xué)會(huì)聯(lián)合發(fā)起,由谷歌、Enphase等世界著名企業(yè)聯(lián)合承辦的一項(xiàng)挑戰(zhàn)賽。MagNet挑戰(zhàn)賽的宗旨是借助大量測量數(shù)據(jù)對(duì)Steinmetz方程進(jìn)行升級(jí),以期開發(fā)出更為先進(jìn)的磁芯損耗建模方法,進(jìn)而推動(dòng)電力電子學(xué)界對(duì)磁芯材料特性,尤其是磁芯損耗的深入理解。

該比賽提供了15種磁芯在多種工況下的測量數(shù)據(jù),樣本數(shù)量接近20萬個(gè)。參賽隊(duì)伍需依據(jù)這些數(shù)據(jù)對(duì)磁芯損耗進(jìn)行建模,以便能夠快速預(yù)測新型磁芯在未經(jīng)歷工況下的磁芯損耗情況。比賽的評(píng)價(jià)指標(biāo)包含三個(gè)部分:第一項(xiàng)為綜合性能指標(biāo),涵蓋磁芯損耗的精度與參數(shù)量;第二項(xiàng)從理論角度考量是否將數(shù)學(xué)與物理相結(jié)合進(jìn)行建模;第三項(xiàng)則是評(píng)估軟件或代碼的優(yōu)化性能。

MagNet挑戰(zhàn)賽對(duì)標(biāo)的是斯坦福大學(xué)李飛飛教授提出的ImageNet挑戰(zhàn)賽,后者極大地推動(dòng)了圖像人工智能在圖像數(shù)據(jù)里面的發(fā)展。而MagNet的主要目的是要促進(jìn)電力電子高頻磁領(lǐng)域的開源文化,形成新一代利用先進(jìn)的人工智能技術(shù)的電力電子高頻磁工程師開放式社區(qū)。

此次比賽吸引了來自全球18個(gè)國家的40支知名高校與研究機(jī)構(gòu)隊(duì)伍報(bào)名參賽,其中25支隊(duì)伍提交了初賽結(jié)果,24支隊(duì)伍提交了決賽結(jié)果。整個(gè)比賽過程歷時(shí)近10個(gè)月。

在初賽階段,主辦方提供了10種已知磁芯的大量測量數(shù)據(jù),參賽團(tuán)隊(duì)需開發(fā)半自動(dòng)或全自動(dòng)的算法框架,對(duì)這些數(shù)據(jù)進(jìn)行處理,并據(jù)此生成10種磁芯的磁芯損耗預(yù)測模型。測試數(shù)據(jù)是在參賽者完成初賽時(shí),利用5000個(gè)未包含在訓(xùn)練數(shù)據(jù)中的樣本來測試模型精度的。

進(jìn)入決賽階段,主辦方提供了5種未知磁芯的測量數(shù)據(jù),并針對(duì)不同材料設(shè)置了各類挑戰(zhàn),例如小數(shù)據(jù)挑戰(zhàn)、特殊材料挑戰(zhàn)等。這里的挑戰(zhàn)指的是部分測量數(shù)據(jù)并不向參賽者開放,比如某些溫度下的測量數(shù)據(jù)存在缺失,這對(duì)模型的泛化能力提出了較高要求。

例如,對(duì)于未知磁芯A,主辦方提供的訓(xùn)練數(shù)據(jù)共有2432個(gè)樣本,其中涵蓋了正弦激勵(lì)、方波激勵(lì)以及梯形波激勵(lì)等多種激勵(lì)方式,這些激勵(lì)方式的總數(shù)超過2000個(gè)。然而,在測試階段,主辦方卻使用了7000多個(gè)樣本來對(duì)參賽團(tuán)隊(duì)的磁芯損耗模型進(jìn)行測試。通常情況下,在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中,訓(xùn)練樣本數(shù)應(yīng)多于測試樣本數(shù),但此次比賽的情況卻恰恰相反。

此外,還有特殊材料挑戰(zhàn),包括溫度挑戰(zhàn)、波形挑戰(zhàn)、頻率挑戰(zhàn)等。即在主辦方提供的訓(xùn)練數(shù)據(jù)中,部分溫度、波形、頻率等數(shù)據(jù)并未向參賽者提供。但在最終測試時(shí),主辦方會(huì)使用這些未提供的數(shù)據(jù)來測試參賽團(tuán)隊(duì)的模型,以此檢驗(yàn)?zāi)P偷姆夯芰?,看其是否能夠適應(yīng)不同材料,以及是否能夠較為準(zhǔn)確地進(jìn)行預(yù)測。

以下便是福州大學(xué)團(tuán)隊(duì)在此次比賽中所采用的輸入信息與輸出信息。核心思想是提出一個(gè)多階段遷移學(xué)習(xí)框架,將已在已知磁芯上學(xué)習(xí)到的知識(shí)進(jìn)行復(fù)用,基于少量數(shù)據(jù)實(shí)現(xiàn)對(duì)新磁芯損耗的建模。

 

輸入輸出信息

 

遷移學(xué)習(xí)是一種機(jī)器學(xué)習(xí)范式,它將一個(gè)領(lǐng)域中的知識(shí)遷移并應(yīng)用到另一個(gè)相關(guān)領(lǐng)域。在訓(xùn)練數(shù)據(jù)量有限的情況下,遷移學(xué)習(xí)能夠加快模型的學(xué)習(xí)速度并提高模型性能。在舊任務(wù)中具有通用性的知識(shí)可以被遷移至新任務(wù),常見的方法包括模型預(yù)訓(xùn)練與微調(diào)。

網(wǎng)絡(luò)模型的具體微調(diào)方法為:在10種磁芯材料中進(jìn)行預(yù)訓(xùn)練,訓(xùn)練出一個(gè)通用模型。然后將該通用模型作為10種磁芯材料的訓(xùn)練基礎(chǔ),從而得出10種磁芯材料的專用模型。

例如,針對(duì)3C90、3C94、N87等材料,分別訓(xùn)練出專用磁芯損耗模型。隨后,將這些專用磁芯損耗模型應(yīng)用于五種未知材料中,通過微調(diào)參數(shù),獲得五種未知材料中性能最佳的磁芯損耗模型,即獲得最佳的A、B、C、C、E這五種未知材料的磁芯損耗模型。這便是第一階段與第二階段的整個(gè)微調(diào)過程。

多階段遷移學(xué)習(xí)相較于傳統(tǒng)遷移學(xué)習(xí),增加了遷移的過渡階段,形成了“從通用到專用、從一般到特殊”的平滑知識(shí)遷移路徑,從而提升了磁芯特性知識(shí)的跨磁芯遷移效率。此外,還提出了循環(huán)微調(diào)訓(xùn)練策略,以緩解模型陷入局部最優(yōu)的問題。

訓(xùn)練過程

 

以下是對(duì)ABCDE這五種未知材料,運(yùn)用比賽中的模型所獲得的一些誤差分析。從分析結(jié)果中,可以發(fā)現(xiàn)一個(gè)頗為有趣的現(xiàn)象:在所有未知新磁芯的測試中,源自N87的第一階段預(yù)訓(xùn)練磁芯損耗模型均取得了較為優(yōu)異的效果。

五種未知材料

 

據(jù)此,可以得出以下幾點(diǎn)結(jié)論:一是,數(shù)據(jù)模型驅(qū)動(dòng)能夠?qū)W習(xí)到磁芯的部分磁特性知識(shí);二是,數(shù)據(jù)驅(qū)動(dòng)模型在某些磁芯上所學(xué)到的知識(shí)具有一定的普適性,可以應(yīng)用于其他磁芯損耗的建模工作。換言之,當(dāng)使用N87模型來訓(xùn)練ABCDE這五種未知模型時(shí),取得了較為理想的效果。

06 AI磁芯損耗建模的意義及挑戰(zhàn)

在磁芯損耗建模中應(yīng)用AI技術(shù),將為電力電子行業(yè)帶來新的增長點(diǎn)和商業(yè)模式。

首先,在產(chǎn)品設(shè)計(jì)階段,通過精確預(yù)測磁芯損耗,設(shè)計(jì)人員可以選擇損耗更小的磁芯材料。例如,在相同溫度下對(duì)不同型號(hào)(如PC95、PC96等)的磁芯進(jìn)行磁芯損耗預(yù)測,從而篩選出損耗更低的型號(hào)用于實(shí)際應(yīng)用。

其次,AI技術(shù)還可應(yīng)用于新材料配方的研發(fā)。以錳鋅鐵氧體為例,通過預(yù)測不同錳、鋅含量對(duì)損耗的影響,可以找到損耗最小的材料配比,為磁芯制造商提供指導(dǎo)意義。

如在MagNet AI部署應(yīng)用的網(wǎng)站上,用戶可以通過輸入相關(guān)數(shù)據(jù)自動(dòng)生成磁芯損耗的結(jié)果。該網(wǎng)站類似于普林斯頓比賽中的開源平臺(tái),網(wǎng)站是一個(gè)公開的平臺(tái),可供所有人使用,允許用戶輸入磁芯數(shù)據(jù)并生成磁芯損耗結(jié)果,這可以被視為一個(gè)磁芯損耗建模的人工智能平臺(tái)。

目前,網(wǎng)站中使用的磁芯種類有限,張麗萍老師表示福州大學(xué)功率變換與電磁技術(shù)研究中心會(huì)繼續(xù)測量其他磁芯,并不斷補(bǔ)充到平臺(tái)上。而使用該平臺(tái)的企業(yè)輸入的磁芯損耗數(shù)據(jù)越多,越有助于算法的優(yōu)化。然而,目前這些平臺(tái)仍處于實(shí)驗(yàn)階段,尚未完全實(shí)現(xiàn)應(yīng)用。主要面臨以下難題:

一是測量手段缺乏統(tǒng)一的標(biāo)準(zhǔn)。不同的測量方法可能導(dǎo)致磁芯損耗數(shù)據(jù)出現(xiàn)偏差。測量結(jié)果的精度更多地取決于測量手段和方法的一致性。因?yàn)樗蓄A(yù)測都基于測量數(shù)據(jù),如果測量手段和方法不同,測得的磁芯損耗結(jié)果可能會(huì)有差異。因此,平臺(tái)的精度需要通過行業(yè)內(nèi)的共同檢驗(yàn)來定義,例如將磁芯損耗誤差控制在5%-10%以內(nèi)可視為合理范圍。

平臺(tái)的準(zhǔn)確性需要通過使用者,尤其是電力電子行業(yè)和磁元件相關(guān)行業(yè)的共同檢驗(yàn)來驗(yàn)證。如果平臺(tái)上測得的磁芯損耗與企業(yè)實(shí)際測得的磁芯損耗存在差異,可以反饋給平臺(tái)開發(fā)者,平臺(tái)方會(huì)進(jìn)行改進(jìn),從而使平臺(tái)不斷完善。

二是磁芯損耗建模需要大量數(shù)據(jù)樣本,缺乏企業(yè)共享數(shù)據(jù)。在多種磁芯材料的建模中共享同一模型框架,并在該框架內(nèi)盡可能提高模型精度,這樣才更有利于推動(dòng)磁芯損耗建模平臺(tái)的完善。鑒于獲取大量樣本數(shù)據(jù)的測量工作量較大,因此需要尋求小樣本數(shù)據(jù)訓(xùn)練模型。

張麗萍老師提到,希望國內(nèi)磁芯廠家能夠共享其磁芯損耗測量數(shù)據(jù),這將對(duì)AI磁芯損耗建模的推進(jìn)起到重要作用。 然而,目前各磁芯廠家測量的具體的磁芯損耗數(shù)據(jù)不是公開的。在這種情況下,推動(dòng)磁芯損耗建模領(lǐng)域的發(fā)展速度相對(duì)較慢。若磁芯廠家能夠公開測量磁芯損耗數(shù)據(jù)將對(duì)該領(lǐng)域的發(fā)展起到一定推動(dòng)作用。否則,僅依靠高校的力量,推進(jìn)AI磁芯損耗建模的速度將更為緩慢。

結(jié)語

AI磁芯損耗建模應(yīng)用具有前沿性,能夠讓企業(yè)從材料配方研發(fā)到產(chǎn)品設(shè)計(jì),通過精確預(yù)測磁芯損耗,該技術(shù)可以顯著提高磁芯損耗預(yù)測的準(zhǔn)確性,同時(shí)降低研發(fā)成本并提升效率,對(duì)整個(gè)行業(yè)而言,具有重要的推動(dòng)作用。

但相關(guān)平臺(tái)仍處于實(shí)驗(yàn)階段,距離真正的商業(yè)化應(yīng)用還有一定的距離。為了加速這一進(jìn)程,需要企業(yè)與高校聯(lián)合打造。企業(yè)共享磁芯損耗數(shù)據(jù)是關(guān)鍵一步,這將使高校在研發(fā)階段能夠獲取大量不同種類磁芯的數(shù)據(jù),從而推動(dòng)模型的完善。此外,測量手段和測量平臺(tái)的標(biāo)準(zhǔn)化也是實(shí)現(xiàn)標(biāo)準(zhǔn)化應(yīng)用的重要前提。只有當(dāng)這些條件具備時(shí),AI磁芯損耗建模的標(biāo)準(zhǔn)化應(yīng)用才將指日可待。

 

本文為嗶哥嗶特資訊原創(chuàng)文章,未經(jīng)允許和授權(quán),不得轉(zhuǎn)載,否則將嚴(yán)格追究法律責(zé)任;

閱讀延展
磁芯損耗 磁芯
  • 美信科技如何逆周期突圍磁性元器件市場

    美信科技如何逆周期突圍磁性元器件市場

    2024 年行業(yè)調(diào)整期,磁性元器件企業(yè)美信科技研發(fā)投入同比增長 14.1%!一體成型電感磁芯成型壓力降低 50%,車規(guī)級(jí)產(chǎn)品批量打入汽車電子供應(yīng)鏈,傳統(tǒng)與新興業(yè)務(wù)如何雙輪驅(qū)動(dòng)?

  • 淺談微晶磁芯保護(hù)盒制作設(shè)計(jì)

    淺談微晶磁芯保護(hù)盒制作設(shè)計(jì)

    介紹微晶磁芯保護(hù)盒的制作

  • 升壓電感中的磁芯氣隙仿真優(yōu)化設(shè)計(jì)方法

    升壓電感中的磁芯氣隙仿真優(yōu)化設(shè)計(jì)方法

    升壓電感越來越多地應(yīng)用在新能源汽車中,在升壓電感磁芯氣隙設(shè)計(jì)過程中,經(jīng)常遇到大氣隙分段設(shè)置的問題。如何優(yōu)化磁芯氣隙仿真設(shè)計(jì)?

  • 直徑102mm 安可遠(yuǎn)突破大體積磁芯一體成型瓶頸

    直徑102mm 安可遠(yuǎn)突破大體積磁芯一體成型瓶頸

    當(dāng)前金屬軟磁粉芯一體成型壓強(qiáng)有多大?一體成型主要面臨哪些挑戰(zhàn)?安可遠(yuǎn)是如何克服這些挑戰(zhàn)的?他們能實(shí)現(xiàn)一體成型的磁芯最大體積是多少?

  • 印度軟磁鐵氧體廠商Cosmo介紹

    印度軟磁鐵氧體廠商Cosmo介紹

    2023年9月30日,印度商工部發(fā)布公告稱,應(yīng)印度國內(nèi)企業(yè)Cosmo提交的申請(qǐng),對(duì)原產(chǎn)于或進(jìn)口自中國的軟磁鐵氧體磁芯啟動(dòng)反傾銷調(diào)查。

  • 高頻變壓器交流電阻ACR計(jì)算解析

    高頻變壓器交流電阻ACR計(jì)算解析

    自從人類進(jìn)入電器時(shí)代以來,變壓器這個(gè)零部件是缺一不可的元件,目前變壓器有低頻變壓器和高頻變壓器兩種劃分;低頻變壓器可以用直流電阻計(jì)算直流DCR,而高頻變壓器計(jì)算交流ACR要復(fù)雜的多,由于頻率增高,繞組層數(shù),線經(jīng)選擇,磁芯氣息,肌膚效應(yīng),臨近效應(yīng),電容效應(yīng)等。

微信

第一時(shí)間獲取電子制造行業(yè)新鮮資訊和深度商業(yè)分析,請(qǐng)?jiān)谖⑿殴娰~號(hào)中搜索“嗶哥嗶特商務(wù)網(wǎng)”或者“big-bit”,或用手機(jī)掃描左方二維碼,即可獲得嗶哥嗶特每日精華內(nèi)容推送和最優(yōu)搜索體驗(yàn),并參與活動(dòng)!

發(fā)表評(píng)論

  • 最新評(píng)論
  • 廣告
  • 廣告
  • 廣告
廣告
粵B2-20030274號(hào)   Copyright Big-Bit ? 2019-2029 All Right Reserved 大比特資訊 版權(quán)所有     未經(jīng)本網(wǎng)站書面特別授權(quán),請(qǐng)勿轉(zhuǎn)載或建立影像,違者依法追究相關(guān)法律責(zé)任