← 返回
基于SINDy-PINN-PSO的车载充电机变压器气隙设计高效算法
Efficient Algorithm Based on SINDy-PINN-PSO for Transformer Air-Gap Design in OBC
| 作者 | Geun Wan Koo · Joon-Young Jeon · Jun-Yeol Ryu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2026年1月 |
| 技术分类 | 电动汽车驱动 |
| 技术标签 | 充电桩 机器学习 有限元仿真 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | SINDy PINN PSO 变压器气隙 OBC 优化算法 有限元分析 |
语言:
中文摘要
本文提出了一种结合稀疏非线性动力学识别（SINDy）、物理信息神经网络（PINN）与粒子群优化（PSO）的算法，用于优化车载充电机（OBC）变压器的气隙设计。相比传统的有限元分析方法，该算法显著缩短了变压器气隙配置的计算时间，提升了设计效率。
English Abstract
This letter proposes a sparse identification of nonlinear dynamics—physics informed neural network—particle swarm optimization algorithm for optimizing the air-gap design of transformers used in on-board chargers. The proposed algorithm significantly reduces the computation time required for optimizing the transformer air-gap configuration compared with conventional approaches employing finite ele...
S
SunView 深度解读
该研究提出的算法在磁性元件设计领域具有显著的降本增效潜力。对于阳光电源的电动汽车充电桩业务，车载充电机（OBC）及充电模块的功率密度与效率至关重要。通过引入SINDy-PINN-PSO算法，研发团队可大幅缩短变压器等磁性元件的迭代设计周期，减少对繁琐有限元仿真（FEA）的依赖。建议将此算法集成至研发设计工具链中，优化高频磁性元件的损耗与体积，从而提升充电桩产品的功率密度，增强在快充市场中的竞争力。