由于高的非线性指数（所谓的磁滞），用于计算磁性材料几何形状的现代方法使其难以选择最佳参数。 即使在执行几何建模之后，在计算磁损耗时也会出现误差，该误差可能与实验测量值有很大差异。 富士通开发了AI技术，该技术可以自动计算磁性材料的最佳几何形状。 我们将在本文中讨论这种创新。
暴露于磁场中时会起磁铁作用的材料被用于各种组件和设备，包括电动机和感应器，从而可以在电池中存储电能。 此外，磁性本身会导致能量损失。 磁损耗的水平严重取决于磁性材料的几何形状。 结果，它直接关系到组件或设备的能源效率。 因此，为了确保高能效，考虑磁损耗来计算材料的最佳几何形状非常重要。
新技术的好处
富士通开发了一种AI技术，该技术可以自动计算虚拟空间中磁性材料的几何形状以减少能量损失。 新开发成果显着提高了设计部门的效率，使您可以计算各种应用（包括电力电子设备和电动机）的磁体几何形状。 富士通技术将原型开发时间从几个月缩短到了几天。
借助它的帮助，可以高精度计算通过电感的涡流的分布。 为此，有必要以公式的形式给出它们，以用作用作电感材料的铁氧体微结构的介电效应。 在较早使用的评估方法中，如果电感器的工作频率超过几十千赫兹，则确定涡流损耗大小的准确性就会受到限制。 新的开发使您可以以达到几兆赫兹的频率执行评估。
左侧是电感器磁损耗的模拟（磁性材料中磁通密度的分布）。 右侧-实验结果和模拟结果的比较创新的实际好处
电感器的计算机辅助设计结果（每个点对应于电感器几何形状的选项之一）通过将新的磁损耗建模技术与遗传算法相结合，*富士通创建了一个公式，用于自动搜索一组几何参数。 它们具有帕累托最优形状**（磁性材料形状的每个部分的尺寸），并使磁能损失最小。 富士通计划到2020年将设计服务推向市场，其中将包括上述技术。
*基于生物进化原理的计算优化方法。 对于当前可能的解决方案，将创建多个副本，然后将它们相互交叉并变异。 选择尚存的副本以创建下一代解决方案。 通过重复此过程，可以选择最佳解决方案。
**在最小化具有折衷率的几个值的情况下，并且在没有会为所有变量提供较低值的情况下，这些参数称为帕累托最优。 通常，有几个帕累托最优，并且由这些最优值形成的线或平面称为帕累托最优形状。