← 返回
| 作者 | Min S. Jeong · Jin H. Jang · Eun S. Lee |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2023年11月 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 充电桩 强化学习 有限元仿真 机器学习 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 感应电能传输 无线电动汽车 强化学习 磁芯结构设计 有限元法 互感 优化 |
语言:
中文摘要
本文提出了一种利用强化学习（RL）算法优化无线电动汽车（WEV）感应电能传输（IPT）磁芯结构的新方法。由于IPT系统难以通过理论分析直接求得互感最大值，传统设计依赖于基于有限元法（FEM）的直觉式迭代过程。本文通过RL算法实现了磁芯结构的自动化优化设计，显著提升了设计效率与性能。
English Abstract
In this article, optimal inductive power transfer (IPT) core structures for wireless electric vehicle (WEV), which can be derived by optimal reinforcement learning (RL) algorithms, are newly proposed. Because the IPT cannot be theoretically analyzed to find a maximum value of mutual inductance for the optimal core structure design, intuitive and iterative process based on finite element method ana...
S
SunView 深度解读
该研究探讨的无线充电（IPT）技术是电动汽车充电领域的前沿方向。虽然阳光电源目前的充电桩业务主要集中在有线直流快充领域，但随着无线充电技术的商业化进程，该技术可作为未来充电桩产品线的技术储备。文中提到的“强化学习+有限元仿真”的优化设计方法，不仅适用于IPT磁芯设计，也可推广至阳光电源现有组串式逆变器电感设计、储能变流器（PCS）磁性元件优化以及高功率密度模块的散热结构设计中，有助于缩短研发周期，提升产品功率密度。