Los métodos modernos para calcular la geometría de los materiales magnéticos dificultan la elección de sus parámetros óptimos debido al alto índice de no linealidad (la llamada histéresis magnética). Incluso después de realizar el modelado geométrico, surgen errores al calcular las pérdidas magnéticas, que pueden diferir significativamente de los valores medidos experimentalmente. Fujitsu ha desarrollado una tecnología de inteligencia artificial que calcula automáticamente la geometría óptima de los materiales magnéticos. Hablaremos de esta innovación en este artículo.
Los materiales que actúan como un imán cuando se exponen a un campo magnético se utilizan en diversos componentes y dispositivos, incluidos motores e inductores eléctricos, que permiten almacenar energía eléctrica en las baterías. Además, el magnetismo en sí mismo causa una pérdida de energía. El nivel de pérdida magnética depende seriamente de la geometría de los materiales magnéticos. Como resultado, está directamente relacionado con la eficiencia energética de un componente o dispositivo. Por lo tanto, para garantizar una alta eficiencia energética, es muy importante calcular la geometría óptima de los materiales teniendo en cuenta las pérdidas magnéticas.
Beneficios de la nueva tecnología
Fujitsu ha desarrollado una tecnología de inteligencia artificial que calcula automáticamente la geometría de los materiales magnéticos en el espacio virtual para reducir la pérdida de energía. El nuevo desarrollo aumenta significativamente la eficiencia de los departamentos de diseño, lo que le permite calcular la geometría de los imanes para diversas aplicaciones, incluida la electrónica de potencia y los motores eléctricos. La tecnología Fujitsu reduce el tiempo de desarrollo del prototipo de unos pocos meses a unos pocos días.
Con su ayuda, es posible calcular con alta precisión la distribución de corrientes parásitas que pasan a través del inductor. Para esto, es necesario presentarlos en forma de una fórmula para los efectos dieléctricos de las microestructuras ferríticas utilizadas como materiales inductivos. En los métodos de estimación utilizados anteriormente, había una limitación en la precisión de determinar el tamaño de la pérdida de corriente parásita si la frecuencia de trabajo del inductor excedía varias decenas de kilohercios. El nuevo desarrollo le permite realizar una evaluación a una frecuencia que alcanza varios megahercios.
A la izquierda hay una simulación de las pérdidas magnéticas del inductor (distribución de densidad de flujo magnético en material magnético). Derecha: comparación de resultados experimentales y simuladosLos beneficios prácticos de la innovación.
Resultados del diseño asistido por computadora del inductor (cada punto corresponde a una de las opciones para la geometría del inductor)Al combinar una nueva técnica de modelado de pérdida magnética con un algoritmo genético * Fujitsu ha creado una fórmula para buscar automáticamente un conjunto de parámetros geométricos. Tienen una forma óptima de Pareto ** (dimensiones para cada parte de la forma del material magnético) y minimizan la pérdida de energía magnética. Para 2020, Fujitsu planea introducir servicios de diseño en el mercado, que incluirán la tecnología descrita anteriormente.
* Método de optimización computacional basado en los principios de evolución biológica. Para la generación actual de posibles soluciones, se crean varias copias, que luego se cruzan entre sí y se mutan. Las copias sobrevivientes se seleccionan para crear la próxima generación de soluciones. Al repetir este proceso, se eligen las mejores soluciones.
** En una situación de minimizar varios valores que tienen una relación de compromiso, y la ausencia de circunstancias que proporcionarían valores más bajos para todas las variables, estos parámetros se denominan óptimos de Pareto. Como regla, hay varios óptimos de Pareto, y la línea o el plano formado por estos óptimos se llama la forma óptima de Pareto.