利用机器学习便捷识别感应电能传输系统中的线圈
系统与控制
2025-02-20 v1 系统与控制
摘要
近年来，高频感应电能传输（IPT）因其传输距离远、效率高而备受关注。发射线圈与接收线圈的电感值L和品质因数Q极大地影响系统的运行。传统方法使用阻抗分析仪或网络分析仪进行测量，需要庞大且昂贵的设备。此外，一旦产品封装完成，拆开重新测量是不切实际的。或者，可以使用HYSS等仿真软件进行识别。然而，在频率非常高的情况下，由于趋肤效应和邻近效应，仿真过程会消耗大量时间。更重要的是，当线圈设计较为复杂时，通过仿真软件获取参数变得不切实际。本文首次采用机器学习方法进行识别任务。我们只需将线圈图像和工作频率输入到训练良好的模型中。该方法能够随时随地快速识别线圈的L和Q值，无需昂贵的机械设备或拆卸线圈。
引用
@article{arxiv.2502.13915,
title = {Conveniently Identify Coils in Inductive Power Transfer System Using Machine Learning},
author = {Yifan Zhao and Mowei Lu and Ting Chen and Heyuan Li and Xiang Gao and Zhenbin Zhang and Minfan Fu and Stefan M. Goetz},
journal= {arXiv preprint arXiv:2502.13915},
year = {2025}
}
备注
This paper has accepted in 2025 IEEE Applied Power Electronics Conference and Exposition (APEC)