Metode modern untuk menghitung geometri bahan magnetik membuat sulit untuk memilih parameter optimal karena indeks non-linearitas tinggi (yang disebut histeresis magnetik). Bahkan setelah melakukan pemodelan geometri, kesalahan muncul dalam menghitung kerugian magnetik, yang secara signifikan dapat berbeda dari nilai yang diukur secara eksperimental. Fujitsu telah mengembangkan teknologi AI yang secara otomatis menghitung geometri optimal bahan magnetik. Kami akan membicarakan inovasi ini dalam artikel ini.
Bahan yang bertindak sebagai magnet ketika terkena medan magnet digunakan dalam berbagai komponen dan perangkat, termasuk motor listrik dan induktor, yang memungkinkan untuk menyimpan energi listrik dalam baterai. Selain itu, magnet itu sendiri menyebabkan hilangnya energi. Tingkat kehilangan magnetik sangat tergantung pada geometri bahan magnetik. Sebagai akibatnya, ini berhubungan langsung dengan efisiensi energi suatu komponen atau perangkat. Oleh karena itu, untuk memastikan efisiensi energi yang tinggi, sangat penting untuk menghitung geometri material yang optimal dengan memperhitungkan kehilangan magnetik.
Manfaat Teknologi Baru
Fujitsu telah mengembangkan teknologi AI yang secara otomatis menghitung geometri bahan magnetik di ruang virtual untuk mengurangi kehilangan energi. Pengembangan baru ini secara signifikan meningkatkan efisiensi departemen desain, memungkinkan Anda menghitung geometri magnet untuk berbagai aplikasi, termasuk elektronik daya dan motor listrik. Teknologi Fujitsu mengurangi waktu pengembangan prototipe dari beberapa bulan menjadi beberapa hari.
Dengan bantuannya, dimungkinkan untuk menghitung dengan akurasi tinggi distribusi arus eddy yang melewati induktor. Untuk ini, perlu disajikan dalam bentuk formula untuk efek dielektrik mikro ferit yang digunakan sebagai bahan induktif. Dalam metode estimasi yang digunakan sebelumnya, ada keterbatasan dalam akurasi menentukan ukuran kerugian arus eddy jika frekuensi kerja induktor melebihi beberapa puluh kilohertz. Perkembangan baru memungkinkan Anda untuk melakukan penilaian pada frekuensi yang mencapai beberapa megahertz.
Di sebelah kiri adalah simulasi kerugian magnetik induktor (distribusi kerapatan fluks magnetik dalam bahan magnetik). Kanan - perbandingan hasil percobaan dan simulasiManfaat praktis dari inovasi
Hasil desain induktor berbantuan komputer (setiap titik sesuai dengan salah satu opsi untuk geometri induktor)Dengan menggabungkan teknik pemodelan kehilangan magnetik baru dengan algoritma genetika * Fujitsu telah menciptakan formula untuk secara otomatis mencari serangkaian parameter geometrik. Mereka memiliki bentuk Pareto-optimal ** (dimensi untuk setiap bagian dari bentuk bahan magnetik) dan meminimalkan kehilangan energi magnetik. Pada tahun 2020, Fujitsu berencana untuk memperkenalkan layanan desain ke pasar, yang akan mencakup teknologi yang dijelaskan di atas.
* Metode optimisasi komputasi berdasarkan prinsip evolusi biologis. Untuk generasi saat ini dari solusi yang mungkin, beberapa salinan dibuat, yang kemudian saling silang dan bermutasi. Salinan yang selamat dipilih untuk menciptakan solusi generasi berikutnya. Dengan mengulangi proses ini, solusi terbaik diambil.
** Dalam situasi meminimalkan beberapa nilai yang memiliki rasio kompromi, dan tidak adanya keadaan yang akan memberikan nilai lebih rendah untuk semua variabel, parameter ini disebut Pareto optimal. Sebagai aturan, ada beberapa optimal Pareto, dan garis atau bidang yang dibentuk oleh optima ini disebut bentuk optimal Pareto.