基于物理信息深度算子网络的无线电能传输系统快速参数化建模方法

《IEEE Transactions on Magnetics》：Fast Parametric Prediction of Coil Coupling in Wireless Power Transfer Systems Using Physics-Informed DeepONet

　　

摘要：

对无线电能传输系统的设计进行效率与安全性的评估是一项重要的要求。有限元方法等数值方法具有很高的精度，但计算成本高昂，且难以用于实时优化和大规模设计；此外，系统几何构型中的不确定性因素（例如横向偏移和垂直偏移）将需要专门的参数化设计。在本研究中，提出了一种基于物理信息深度算子网络（PI-DeepONet）的框架，实现对系统的快速参数化建模。该方法通过将物理约束与有限元生成的数据相结合，能够在广泛的偏移和间距条件下高效预测空间磁通密度分布，并降低计算量。研究采用磁矢势的截断傅里叶级数展开，其中零阶（轴对称）分量被强制满足麦克斯韦方程，而高阶谐波则从有限元方法数据中学习，以重构非轴对称场分量。数值结果表明，所提出的PI-DeepONet在预测磁矢势时，相对（L₂）误差低于2.6%。该方法的实现代码已公开共享，地址为：https://github.com/HajianMahshad/PI-DeepONet-WPT。