← 返回
基于机器学习的Delta与反Delta耦合器优化及其在电动汽车无线充电中的应用
Delta and Inverse Delta Coupler Optimization Using Machine Learning for Wireless Power Transfer Electric Vehicle Charging Application
| 作者 | Rahulkumar J · Narayanamoorthi R |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年1月 |
| 技术分类 | 电动汽车驱动 |
| 技术标签 | 充电桩 强化学习 机器学习 有限元仿真 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 无线电能传输 电动汽车充电 Delta和反向Delta耦合器 机器学习 强化学习 感应耦合器 抗偏移能力 |
语言:
中文摘要
本文提出了一种新型Delta与反Delta(Δ–∇)几何结构的无线电能传输(WPT)耦合器,旨在提升电动汽车充电系统的效率、轻量化水平及抗偏移能力。通过引入基于机器学习的强化学习算法,实现了对该耦合器几何参数的优化设计,显著提升了系统性能。
English Abstract
A wireless resonant inductive power transfer (WRIPT)-based electric vehicle charging system requires an efficient lightweight inductive coupler with high misalignment tolerance. This article proposes a new delta and inverse delta (Δ–∇) coil geometry coupler and a machine learning (ML)-based reinforcement algorithm for Δ–∇ coupler optimization. Δ–∇ is a combination of Δ and ∇ geometry coils, which ...
S
SunView 深度解读
该研究聚焦于无线充电技术的耦合器优化,属于电动汽车充电领域的前沿探索。虽然阳光电源目前的充电桩产品线主要以有线直流快充为主,但随着未来自动驾驶及智慧交通的发展,无线充电有望成为iSolarCloud智能运维平台下的一项增值服务。建议研发团队关注该类耦合器在轻量化与抗偏移方面的设计思路,将其作为未来高阶充电解决方案的技术储备,以应对高端乘用车市场对便捷充电体验的潜在需求。