基于機器學習的磁性元件磁芯損耗預測方法

打開文本圖片集

摘要：磁性元件在磁能傳遞、存儲和濾波中起著關鍵作用，直接影響功率變換器的體積、質量、損耗及成本。因此，準確預測磁芯損耗至關重要。針對勵磁波形對磁芯損耗的顯著影響，提出了一種基于集成學習的勵磁波形分類策略。首先，采用支持向量機（support vector machine，SVM）、隨機森林（random forest，RF）和梯度提升決策樹（gradientboosting decision tree，GBDT）作為基分類器，通過將分類結果與原始特征結合構建新的特征集，并使用元分類器進行訓練以提升模型的泛化能力；然后，選擇XGBoost作為磁芯損耗預測的核心模型;最后，通過遺傳算法進行多目標優(yōu)化，尋找到最小磁芯損耗與最大傳輸磁能的最佳工況。（剩余16239字）