← 返回

用于中频变压器三维磁场建模的分层物理嵌入神经网络框架

Hierarchical Physics-Embedding Neural Network Framework for 3D Magnetic Modeling of Medium-Frequency Transformers

作者 Xiao Yang · Liangcai Shu · Dongsheng Yang
期刊 IEEE Transactions on Power Electronics
出版日期 2025年3月
技术分类 拓扑与电路
技术标签 机器学习 深度学习 有限元仿真 多物理场耦合
相关度评分 ★★★★ 4.0 / 5.0
关键词 神经网络 三维磁场建模 中频变压器 物理嵌入 有限元分析 磁性元件
语言:

中文摘要

针对复杂几何结构中频变压器三维磁场建模数据获取困难的问题,本文提出了一种分层物理嵌入神经网络框架。该方法通过将物理定律融入神经网络,在保证模型精度的同时显著提升了计算效率,有效解决了传统有限元分析在复杂磁性元件建模中计算量大、数据依赖性强的问题。

English Abstract

Neural network (NN) technology is revolutionizing the modeling paradigm in the engineering arena, simultaneously enhancing model precision and process speed. Nevertheless, a large amount of training data is an unattainable requirement in the magnetic component modeling issue, especially when dealing with the 3D magnetic behaviors in complex geometry. In this work, to establish an accurate 3D magne...
S

SunView 深度解读

中频变压器是阳光电源储能系统(如PowerTitan、PowerStack系列)及光伏组串式逆变器中高频隔离环节的核心部件。该研究提出的物理嵌入神经网络技术,可显著缩短变压器磁性设计与优化周期,提升磁芯损耗预测精度。建议研发团队将其应用于高功率密度变换器的磁性元件设计,通过AI辅助仿真替代部分繁琐的有限元计算,从而加速新一代高效、轻量化逆变器及PCS产品的开发进程,提升产品竞争力。