Японские исследователи из Университета Тиба (Chiba University) представили метод проектирования систем беспроводной передачи энергии (WPT), позволяющий сохранять стабильную выходную мощность независимо от изменений нагрузки. Такое свойство известно как “работа, независимая от нагрузки” (load-independent operation).
Системы беспроводной передачи энергии широко используются в смартфонах, электрических зубных щетках, IoT-устройствах и других электронных гаджетах. Эти технологии, основанные на передаче энергии с помощью электромагнитных полей, восходят к экспериментам Николы Теслы.
Но у них есть недостаток.
Традиционные беспроводные системы требуют точной настройки компонентов — индуктивностей и конденсаторов — на основе сложных аналитических уравнений. Однако на практике на точность расчётов влияют паразитные емкости, производственные допуски и внешние условия. В результате наблюдаются нестабильности выходного напряжения и потеря режима коммутации при нулевом напряжении (ZVS), который критически важен для эффективности системы.
Работа, независимая от нагрузки, позволяет сохранять стабильность выходного напряжения и поддерживать ZVS даже при изменении нагрузки.
Машинное обучение в помощь инженерии
Группа под руководством профессора Хиро Сэкия разработала метод проектирования WPT-систем с использованием машинного обучения, обеспечивающий независимость от нагрузки.
Метод основывается на системе дифференциальных уравнений, описывающих поведение токов и напряжений с учетом реальных свойств компонентов. Уравнения численно решаются до достижения установившегося режима работы. Затем используется функция оценки, анализирующая стабильность выходного напряжения, эффективность и уровень гармонических искажений.
Для оптимизации параметров схемы применяется генетический алгоритм — разновидность машинного обучения, вдохновленная принципами естественного отбора. Алгоритм многократно корректирует параметры, пока не достигаются требуемые характеристики нагрузочной независимости.
Проверка эффективности метода
Исследователи применили свой метод к системе класса EF, включающей инвертор класса EF и выпрямитель класса D. Обычно такие схемы поддерживают режим ZVS только при номинальной нагрузке — при изменении условий эффективность падает.
Однако система, спроектированная с применением машинного обучения, показала устойчивость: колебания выходного напряжения не превышали 5% при различных нагрузках (против 18% у обычных систем). При этом сохранялся режим ZVS и высокая эффективность передачи — 86,7% при мощности 23 Вт на частоте 6,78 МГц.
Благодаря точному учету паразитной емкости диодов эффективность сохранялась даже при малых нагрузках. Анализ потерь показал стабильные потери в передающей катушке, что свидетельствует о постоянстве выходного тока — ключевом факторе эффективности.
Шаг к полностью беспроводному обществу
По словам профессора Сэкии, потенциал новой технологии выходит далеко за рамки беспроводной передачи энергии.
«Мы уверены, что результаты этого исследования — важный шаг к полностью беспроводному обществу. Благодаря нагрузочно-независимой работе системы можно упростить конструкцию, снизить стоимость и уменьшить габариты. Наша цель — сделать беспроводную передачу энергии повседневной реальностью в ближайшие 5–10 лет», — говорит он.
А еще данное исследование ярко демонстрирует, как искусственный интеллект и машинное обучение могут эффективно сочетаться с физическим моделированием и эволюционными алгоритмами для оптимизации проектирования электронных устройств.
Работа опубликована в журнале IEEE Transactions on Circuits and Systems I: Regular Papers.
