找到 1 条结果
排序:
拓扑与电路
功率模块
机器学习
深度学习
★ 5.0
基于知识感知人工神经网络的高频磁芯损耗建模
High-Frequency Core Loss Modeling Based on Knowledge-Aware Artificial Neural Network
Junyun Deng · Wenbo Wang · Zhansheng Ning · Prasanth Venugopal 等6人 · IEEE Transactions on Power Electronics · 2024年2月
高频磁芯损耗建模对电力电子磁性元件设计至关重要。现有方法难以兼顾速度与精度：传统解析法速度快但精度低，基于损耗图的建模法精度高但依赖海量数据。本文提出一种知识感知人工神经网络模型，有效平衡了建模效率与预测准确性。
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损耗源。该研究提出的知识感知神经网络建模方法，能显著提升高频磁性元件设计的精度与效率，缩短研发周期。建议研发团队将其应用于高功率密度逆变器及储能PCS的磁性元件优化设计中，通过结合物理知识与AI算法，降低磁芯损耗，提升...