找到 4 条结果 · 智能化与AI应用
机器学习驱动的无线电能传输线圈与磁芯联合结构优化以增强互感并减少铁氧体体积
Machine Learning-Driven Joint Structuring of WPT Coil and Core for Enhanced Mutual Inductance and Reduced Ferrite Volume
Fawad · Syed Ahson Ali Shah · Yohan Park · Yun-Su Kim · IEEE Transactions on Power Electronics · 2025年10月
本文提出了一种集成优化方法，利用机器学习算法对无线电能传输（WPT）系统的线圈和磁芯进行联合设计。该研究旨在通过优化几何结构，在提升发射端与接收端之间互感的同时，有效降低铁氧体磁芯的体积，从而提升系统功率密度与效率。
解读: 该技术主要针对无线充电领域，与阳光电源的电动汽车充电桩业务具有潜在协同效应。虽然目前阳光电源以有线充电桩为主，但随着大功率无线充电技术在电动重卡及乘用车领域的商业化进程，该机器学习驱动的联合优化方法可用于提升充电模块的功率密度和磁性元件效率。建议研发团队关注该方法在磁性元件设计自动化（EDA）中的应...
基于强化学习的无线电动汽车感应电能传输
IPT）磁芯优化设计
Min S. Jeong · Jin H. Jang · Eun S. Lee · IEEE Transactions on Power Electronics · 2023年11月
本文提出了一种利用强化学习（RL）算法优化无线电动汽车（WEV）感应电能传输（IPT）磁芯结构的新方法。由于IPT系统难以通过理论分析直接求得互感最大值，传统设计依赖于基于有限元法（FEM）的直觉式迭代过程。本文通过RL算法实现了磁芯结构的自动化优化设计，显著提升了设计效率与性能。
解读: 该研究探讨的无线充电（IPT）技术是电动汽车充电领域的前沿方向。虽然阳光电源目前的充电桩业务主要集中在有线直流快充领域，但随着无线充电技术的商业化进程，该技术可作为未来充电桩产品线的技术储备。文中提到的“强化学习+有限元仿真”的优化设计方法，不仅适用于IPT磁芯设计，也可推广至阳光电源现有组串式逆变...
基于神经网络的植入式医疗设备无线电能传输系统设计
Neural Network-Based Design of Wireless Power Transfer Systems for Implantable Medical Devices
Alvaro Rodriguez-Fuentes · Miguel Jiménez Carrizosa · Regina Ramos · IEEE Transactions on Power Electronics · 2026年2月
无线电能传输（WPT）是植入式医疗设备的关键技术。由于发射端与接收端距离远且尺寸小，需采用高频（HF）技术，增加了系统设计难度。本文提出了一种基于人工神经网络的HF感应链路建模方法，以优化系统设计。
解读: 该文章探讨的基于神经网络的建模方法，核心在于利用AI提升高频电路设计的效率与精度。虽然其应用场景为医疗植入设备，但其方法论对阳光电源的研发具有借鉴意义。在iSolarCloud智能运维平台中，可参考此类神经网络建模思路，用于光伏电站或储能系统的参数辨识与故障预测；在功率电子设计环节，该方法可辅助优化...
基于深度学习的电容耦合无线电能传输系统超快速高效设计方法
Ultra-Fast and Efficient Design Method Using Deep Learning for Capacitive Coupling WPT System
Rasool Keshavarz · Ehsan Majidi · Ali Raza · Negin Shariati · IEEE Transactions on Power Electronics · 2024年1月
本文针对电容耦合无线电能传输（CCWPT）系统，提出了一种基于二进制粒子群优化（BPSO）算法的像素化微带结构设计方法。通过对43×43像素阵列的配置，实现了对系统频率响应的精准调控，并利用深度学习技术大幅提升了设计效率与优化速度。
解读: 该文献探讨的无线电能传输（WPT）技术目前处于前沿探索阶段，与阳光电源现有的有线充电桩业务存在技术路径差异。然而，文章中提到的“基于深度学习的快速设计方法”在电力电子拓扑优化和磁性元件设计中具有通用参考价值。建议研发团队关注此类AI辅助设计方法，以缩短未来高功率密度充电模块或新型功率变换器的研发周期...