摘要：日本科学家开发了一种新的、高效的无线充电传输 （WPT） 系统设计方法。该方法基于机器学习，使系统即使在负载变化时也能保持稳定的电压，这是更广泛采用无线充电的关键一步。

日本研究人员利用机器学习开发了一种在任何负载下都能保持稳定的无线电力传输系统。

图片来源：Yellow duck/Getty Images

日本科学家开发了一种新的、高效的无线充电传输 （WPT） 系统设计方法。该方法基于机器学习，使系统即使在负载变化时也能保持稳定的电压，这是更广泛采用无线充电的关键一步。

WPT 系统已经是众多设备的关键部分，从智能手机和生物医学传感器到电磁炉，它们使用 WPT 的机制来加热炊具。但当前技术的关键问题之一是它与功率波动作斗争。这是因为它们依赖于负载，这意味着系统的性能受到供电设备（负载）的显着影响。

智能手机等设备依靠恒定的稳压电压来安全地为电池充电。电池的电阻会随着充满而变化，这在负载相关 WPT 系统中会导致电压波动。这可能会损坏设备或降低充电速度。

相比之下，新的机器学习方法是与负载无关 （LI），这意味着无论为什么设备充电，它们都可以提供一致的电力并保持高效率。在智能手机电池的示例中，这意味着无论电池充满时可能出现电阻波动如何，电力都将继续以稳定的电压有效传输。

这对于更复杂应用中的大型电池尤其重要，例如电动汽车，因为在充电过程中负载可能会发生急剧变化。

WPT 系统通过称为共振的过程发挥作用，就像收音机或电视接收无线信号一样。发射器通过调整电容器和电感器之间的功率振荡方式来广播特定频率的电磁波。当波到达设置为相同频率的接收电路时，两者谐振，大大放大信号。

在无线电中，信号然后被发送到其他组件以进一步放大和解调以产生声音，而在 WPT 系统中，这种共振使接收器能够捕获和存储无线传输的能量。

这项新技术使用机器学习来建模和优化负载依赖性较低的电力传输系统。该过程包括构建系统的虚拟模型，然后在人工智能观察模型的同时运行模型的模拟。

人工智能根据热量损失的功率以及电信号保持的清洁程度等标准来判断系统的运行情况。然后，它使用试错法来优化系统，使其以最高效率运行，以最小的波动和能量耗散传输电力。

根据这项研究，研究人员使用他们的新方法将波动降低到 5%，而使用负载依赖系统时为 18%。它们还将功率传输效率提高了 86.7%，而负载相关系统的运行效率低至 65%。

研究的主要作者、千叶大学高级集成科学研究生院教授 Hiroo Sekiya 说，与负载无关的 WPT 系统具有远远超出无线充电设备的广泛影响。

“我们相信，这项研究的结果是迈向全无线社会的重要一步，”他在一份声明中说。“此外，由于LI作，WPT系统可以以简单的方式构建，从而降低成本和尺寸。我们的目标是在未来 5 到 10 年内使 WPT 普及。

研究人员在一份声明中表示，这项研究还说明了人工智能可用于改进电路设计的方式，从而改变“电力电子的设计方式，迈向自动化电路设计的未来”。

来源：Today1005