Les méthodes modernes de calcul de la géométrie des matériaux magnétiques rendent difficile le choix de ses paramètres optimaux en raison de l'indice de non-linéarité élevé (ce que l'on appelle l'hystérésis magnétique). Même après avoir effectué la modélisation de la géométrie, des erreurs se produisent dans le calcul des pertes magnétiques, qui peuvent différer considérablement des valeurs mesurées expérimentalement. Fujitsu a développé une technologie d'IA qui calcule automatiquement la géométrie optimale des matériaux magnétiques. Nous parlerons de cette innovation dans cet article.
Les matériaux qui agissent comme un aimant lorsqu'ils sont exposés à un champ magnétique sont utilisés dans divers composants et appareils, y compris les moteurs électriques et les inductances, qui permettent de stocker l'énergie électrique dans les batteries. De plus, le magnétisme en lui-même provoque une perte d'énergie. Le niveau de perte magnétique dépend sérieusement de la géométrie des matériaux magnétiques. Par conséquent, elle est directement liée à l'efficacité énergétique d'un composant ou d'un appareil. Par conséquent, pour assurer une efficacité énergétique élevée, il est très important de calculer la géométrie optimale des matériaux en tenant compte des pertes magnétiques.
Avantages des nouvelles technologies
Fujitsu a développé une technologie d'IA qui calcule automatiquement la géométrie des matériaux magnétiques dans l'espace virtuel pour réduire les pertes d'énergie. Le nouveau développement augmente considérablement l'efficacité des bureaux d'études, vous permettant de calculer la géométrie des aimants pour diverses applications, notamment l'électronique de puissance et les moteurs électriques. La technologie Fujitsu réduit le temps de développement du prototype de quelques mois à quelques jours.
Avec son aide, il est possible de calculer avec une grande précision la distribution des courants de Foucault qui traversent l'inductance. Pour cela, il est nécessaire de les présenter sous la forme d'une formule pour les effets diélectriques des microstructures ferritiques utilisées comme matériaux inductifs. Dans les méthodes d'estimation utilisées précédemment, il y avait une limitation dans la précision de la détermination de la taille de la perte par courants de Foucault si la fréquence de travail de l'inducteur dépassait plusieurs dizaines de kilohertz. Le nouveau développement vous permet d'évaluer à des fréquences atteignant plusieurs mégahertz.
A gauche se trouve la simulation des pertes magnétiques de l'inducteur (distribution de la densité de flux magnétique dans le matériau magnétique). Droite - comparaison des résultats expérimentaux et simulésLes avantages pratiques de l'innovation
Résultats de la conception assistée par ordinateur de l'inducteur (chaque point correspond à l'une des options pour la géométrie de l'inducteur)En combinant une nouvelle technique de modélisation de la perte magnétique avec un algorithme génétique * Fujitsu a créé une formule pour rechercher automatiquement un ensemble de paramètres géométriques. Ils ont une forme Pareto-optimale ** (dimensions pour chaque partie de la forme du matériau magnétique) et minimisent la perte d'énergie magnétique. D'ici 2020, Fujitsu prévoit d'introduire des services de conception sur le marché, qui comprendront la technologie décrite ci-dessus.
* Méthode d'optimisation informatique basée sur les principes de l'évolution biologique. Pour la génération actuelle de solutions possibles, plusieurs copies sont créées, qui sont ensuite croisées et mutées. Les copies survivantes sont sélectionnées pour créer la prochaine génération de solutions. En répétant ce processus, les meilleures solutions sont choisies.
** Dans une situation de minimisation de plusieurs valeurs qui ont un rapport de compromis, et en l'absence de circonstances qui fourniraient des valeurs inférieures pour toutes les variables, ces paramètres sont appelés optimaux de Pareto. En règle générale, il existe plusieurs optimums de Pareto, et la ligne ou le plan formé par ces optima est appelé la forme optimale de Pareto.