清华 尹芳辉团队INT J CIRC THEOR APP：机器学习助力无人机无线充电系统磁芯结构设计与性能预测

磁芯结构在提高无人机无线电能传输系统（WPT）效率方面起着重要作用。然而，关于铁氧体磁芯结构参数对线圈性能影响的系统研究仍然很少。因此，本文系统地研究了铁氧体面积比、厚度和间距等结构参数对线圈性能的影响机制。利用多层感知器（MLP）神经网络算法，建立了铁氧体尺寸参数与耦合器性能之间的预测模型。训练得到的预测模型决定系数R2高达0.98。实验结果表明，所建立模型的预测结果与实际测试结果的误差在5%以内，证明了其高精度和卓越的预测能力。本文为磁芯结构的设计、评估和优化提供了有价值的见解，可有效指导无人机无线充电系统的工程实践。

随着无人机在监控、农业、物流、环境监测等领域的广泛应用，对高效可靠的电源解决方案需求日益增长。传统电池系统因能量密度有限和充电维护复杂而存在局限性。无线电能传输（WPT）技术作为一种非接触式能量供应方案，能够显著减少运行中断和维护工作量。

在磁耦合谐振式WPT系统中，磁芯结构设计是决定传输效率的关键因素。然而，现有研究多集中于线圈拓扑、补偿网络和控制策略。对铁氧体磁芯结构参数如何影响耦合器整体性能的系统性研究仍然较少。理解铁氧体磁芯参数与线圈性能之间的相互作用对于推进WPT技术应用十分重要。由于磁饱和、涡流损耗以及系统内复杂的电磁相互作用等因素，这种关系本质上是复杂且非线性的。传统的分析方法通常依赖于增量调整或经验法则方法，无法满足快速、高精度的差异化磁芯结构设计需求。

基于此，本课题组首先系统性地研究了铁氧体磁芯的三个关键结构参数对耦合器性能的影响，具体包括：铁氧体直径与线圈直径的覆盖比a/Φ、铁氧体板材的厚度h2(mm)以及铁氧体与发射线圈间距h1(mm)，量化获得了不同磁芯结构参数对耦合器性能的影响规律（如图1和图2所示）。

进一步地，将不同磁芯结构参数对耦合器性能的影响规律和多层感知机机器学习算法融合，提出了一种数据与物理模型融合的高精度无人机无线充电系统磁芯性能预测模型，该预测模型的决定系数高达0.98，表明该模型能够更有效地捕捉训练数据中的模式和特征，同时保持良好的泛化性能，实现了较好的预测效果（如图3所示）。

此外，基于图4(a)所示的实验平台，我们对所提出的预测模型进行了系统验证。实验结果如图4(b)所示：在多组不同铁氧体结构参数条件下，模型对互感的预测误差始终控制在5%以内，充分证明了所提出模型的稳健性和有效性。

尹芳辉（通讯作者），清华大学深圳国际研究生院副教授/特别研究员/博士生导师。主要从事无线电能传输、复杂环境电气设备可靠性、绝缘材料等方向研究，曾获2023年重庆市科技进步一等奖，2024年电工技术学会科技进步二等奖，2023年广东省科技进步二等奖等奖励。发表SCI/EI检索论文130余篇，申请发明专利40余项。

赵一晖，清华大学电气工程专业博士研究生。主要从事高效抗偏移无线电能传输技术、磁屏蔽结构设计与优化等方面的研究。发表SCI检索论文8篇。

沈思成，清华大学电气工程专业硕士研究生。主要从事无线电能传输技术的研究。

郭晓婷，清华大学电气工程专业硕士研究生。主要从事无线电能传输技术的研究。

饶召伟，清华大学深圳国际研究生院博士后研究员，主要研究方向包括电气设备故障诊断和机器学习。发表SCI检索论文10余篇。

赵祥，清华大学电气工程专业硕士研究生。主要从事无线电能传输以及变压器的相关研究。