← 返回
MagNet-AI:作为磁性元件建模与材料推荐数据表的神经网络
MagNet-AI: Neural Network as Datasheet for Magnetics Modeling and Material Recommendation
| 作者 | Haoran Li · Diego Serrano · Shukai Wang · Minjie Chen |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2023年12月 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 机器学习 深度学习 有限元仿真 功率模块 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | MagNet-AI 神经网络 B-H 磁滞回线建模 电力磁性元件 材料推荐 磁芯材料 机器学习 |
语言:
中文摘要
本文介绍了MagNet-AI平台,该平台展示了“神经网络作为数据表”的概念,用于实现宽运行范围内功率磁性元件的B-H环路建模与材料推荐。研究摒弃了直接展示磁芯材料测量特性的传统方式,转而利用神经网络捕捉B-H环路映射关系,为磁性元件设计提供了高效的数字化解决方案。
English Abstract
This article presents the MagNet-AI platform as an online platform to demonstrate the “neural network as datasheet” concept for $B$–$H$ loop modeling and material recommendation of power magnetics across wide operation range. Instead of directly presenting the measured characteristics of magnetic core materials as time sequences, we employ a neural network to capture the $B$–$H$ loop mapping relat...
S
SunView 深度解读
磁性元件(电感、变压器)是阳光电源组串式/集中式光伏逆变器及PowerTitan/PowerStack储能变流器(PCS)的核心损耗部件。MagNet-AI提出的‘神经网络作为数据表’概念,可显著提升研发阶段磁性元件的设计精度与选型效率,优化高频化趋势下的磁芯损耗评估。建议研发团队引入该AI建模方法,集成至iSolarCloud的底层仿真工具链中,以辅助优化逆变器与PCS的功率密度,并提升在复杂工况下的热管理与可靠性设计水平。