利用物理约束的CNN-KAN框架快速提取扩展Jiles-Atherton模型的参数

《IEEE Transactions on Magnetics》:Fast Parameter Extraction of an Extended Jiles–Atherton Model Using a Physics–Constrained CNN–KAN Framework

【字体: 大 中 小 】 时间:2026年05月21日 来源:IEEE Transactions on Magnetics 1.9

编辑推荐:

   摘要: 对于高频磁性元件而言,精确的磁滞建模至关重要,而Jiles–Atherton(JA)模型被广泛用于这一目的。然而,参数识别仍然具有较高的计算要求,因为传统的优化方法需要对每个磁滞回线进行迭代拟合(通常每个回线需要1-2分钟),并且难以适应大规模数据集。为了解决这一限制,

  

摘要:

对于高频磁性元件而言,精确的磁滞建模至关重要,而Jiles–Atherton(JA)模型被广泛用于这一目的。然而,参数识别仍然具有较高的计算要求,因为传统的优化方法需要对每个磁滞回线进行迭代拟合(通常每个回线需要1-2分钟),并且难以适应大规模数据集。为了解决这一限制,本文提出了一种基于物理约束的卷积神经网络(CNN)和Kolmogorov–Arnold网络(CNN–KAN)框架,用于快速提取延迟增强型JA模型的参数。该方法直接以激励波形H(t)作为输入,并将实验可测量的磁滞特征纳入多目标损失函数中,以确保物理一致性。利用TDK N49环形铁氧体芯在300 kHz到1MHz范围内的测量数据进行训练,该模型能够在单次前向传播中准确重建磁滞回线并可靠地预测JA参数。与基于传统优化方法和替代神经网络架构的比较评估表明,该方法在保持高建模精度的同时显著减少了计算时间。这些结果表明,所提出的框架为高频磁滞建模提供了一种可扩展且高效的解决方案,特别是对于延迟增强型JA模型。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号