← 返回
无人机无线电能传输应用中的抗偏移能力增强与智能最小激活路径决策
Misalignment Tolerance Enhancement and Intelligent Minimal-Activation Pathway Decision for Unmanned Aerial Vehicles WPT Applications
| 作者 | Shuai Wu · Jingjie Yang · Chunwei Cai · Wenping Chai · Jinpeng Yu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2026年3月 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 强化学习 机器学习 充电桩 拓扑与电路 |
| 相关度评分 | ★★ 2.0 / 5.0 |
| 关键词 | 无线电能传输 无人机充电 强化学习 偏移容忍度 Q-learning 磁阵列 能量效率 |
语言:
中文摘要
本文提出了一种针对无人机无线充电的强化学习增强型系统,解决了自主着陆场景下抗偏移能力差及线圈匹配能效低的问题。通过可重构磁阵列产生二维旋转磁场以适应位置与角度偏差,并利用Q-learning框架实现最优线圈激活路径决策,显著提升了无线充电系统的灵活性与能量传输效率。
English Abstract
This article introduces a reinforcement learning (RL)-enhanced wireless charging system for unmanned aerial vehicles (UAVs), addressing critical challenges of misalignment tolerance and energy-efficient coil matching in autonomous landing scenarios. A reconfigurable magnetic array generates a two-dimensional rotating field to accommodate positional/angular deviations while a Q-learning framework m...
S
SunView 深度解读
该研究聚焦于无线电能传输(WPT)的抗偏移控制与智能路径优化,虽目前阳光电源核心业务集中在光伏逆变器与储能系统,但该技术在电动汽车充电桩(EV Charger)的无线充电演进方向具有参考价值。特别是其利用强化学习实现动态磁场重构的思路,可为未来充电桩产品在复杂工况下的自适应调节提供算法借鉴。建议研发团队关注该类AI辅助功率拓扑控制技术,以储备下一代智能充电基础设施的核心竞争力。