Magnetic field estimation using Gaussian process regression for interactive wireless power system design
Yuichi Honjo, Cedric Caremel, Ken Takaki, Yuta Noma, Yoshihiro Kawahara, Takuya Sasatani
带耦合谐波器的无线电力传输(WPT)为电子设备的无缝供电提供了一个有前途的解决方案。 基于系统几何调整的磁场和功率传递效率的交互式设计方法可以促进对动态应用的这些系统行为的理解和探索。 然而,典型的电磁场模拟方法,如“时刻方法”(MoM),需要大量的计算资源,限制了计算可接受的交互性。 此外,该系统对位置和几何变化的敏感性需要大量模拟,铁磁盾等结构使这些模拟进一步复杂化。 在这里,我们介绍了一种使用高斯过程回归(GPR)的机器学习方法,首次展示了近场耦合系统对整个磁场的快速估计和功率传递效率。 为了实现快速准确的估计,我们开发了3D自适应网格系统和主动学习策略,以有效捕获复杂系统几何形状和磁场之间的非线性相互作用。 通过训练回归模型,我们的方法实现了亚秒延迟的磁场计算,并且在根据独立的电磁模拟结果进行验证时,平均误差低于6%。
Wireless power transfer (WPT) with coupled resonators offers a promising solution for the seamless powering of electronic devices. Interactive design approaches that visualize the magnetic field and power transfer efficiency based on system geometry adjustments can facilitate the understanding and exploration of the behavior of these systems for dynamic applications. However, typical electromagnetic field simulation methods, such as the Method of Moments (MoM), require significant computational ...
