← 返回
一种基于物理信息神经网络与交叉注意力的磁芯损耗模型
A Magnetic Core Loss Model Based on Physics-Informed Neural Network With Cross-Attention
| 作者 | Yunhao Xiao · Chi Li · Zedong Zheng |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2026年1月 |
| 技术分类 | 拓扑与电路 |
| 技术标签 | 功率模块 可靠性分析 热仿真 机器学习 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 磁芯损耗 物理信息神经网络 (PINN) 交叉注意力机制 电力电子系统 高频运行 热设计 |
语言:
中文摘要
软磁材料损耗机制复杂，是电力电子系统分析的瓶颈。随着高频化趋势，磁性元件温升对损耗愈发敏感。本文提出一种结合物理信息神经网络（PINN）与交叉注意力机制的磁芯损耗建模方法，旨在提升高频磁性元件损耗预测的精度与效率，为电力电子系统的热设计与优化提供支撑。
English Abstract
Due to the unclear loss mechanisms inherent in soft magnetic materials, loss modeling often becomes a bottleneck in the analysis of power electronic systems. On one hand, losses significantly affect the overall efficiency; on the other hand, miniaturization caused by high-frequency operation makes the temperature rise of high-frequency magnetic components more sensitive to losses, rendering therma...
S
SunView 深度解读
磁性元件是阳光电源组串式逆变器、PowerTitan储能变流器及风电变流器中的核心功率密度瓶颈。该研究提出的PINN与交叉注意力模型，能显著提升磁芯损耗预测精度，有助于优化高频磁性元件的电磁与热设计。在阳光电源追求更高功率密度和更优散热性能的产品研发中，该技术可辅助缩短磁性元件的仿真与选型周期，提升产品在极端工况下的可靠性，特别是在高频化趋势明显的户用逆变器及小型化储能PCS产品中具有重要的工程应用价值。