Искусственный интеллект Fujitsu рассчитывает геометрию магнитных материалов

    Современные методики расчета геометрии магнитных материалов затрудняют выбор ее оптимальных параметров из-за высокого показателя нелинейности (так называемого магнитного гистерезиса). Даже после выполнения моделирования геометрии возникают ошибки при вычислении магнитных потерь, которые могут значительно отличаться от экспериментально измеренных значений. Компания Fujitsu разработала ИИ-технологию, автоматически рассчитывающую оптимальную геометрию магнитных материалов. Об этой инновации мы расскажем в данной статье.


    Материалы, которые при воздействии на них магнитного поля работают в качестве магнита, используются в различных компонентах и устройствах, включая электромоторы и индукторы, позволяющие сохранять электроэнергию в аккумуляторах. При этом магнетизм сам по себе вызывает потерю энергии. Уровень магнитных потерь серьезно зависит от геометрии магнитных материалов. В итоге он напрямую связан с энергоэффективностью компонента или устройства. Поэтому для обеспечения высокой энергоэффективности очень важно рассчитать оптимальную геометрию материалов с учетом магнитных потерь.

    Преимущества новой технологии


    Компания Fujitsu разработала ИИ-технологию, которая автоматически рассчитывает геометрию магнитных материалов в виртуальном пространстве для сокращения потери энергии. Новая разработка значительно повышает эффективность конструкторских отделов, позволяя рассчитывать геометрию магнитов для различных областей применения, включая силовую электронику и электромоторы. Технология Fujitsu сокращает сроки разработки прототипов с нескольких месяцев до нескольких дней.

    С ее помощью можно с высокой точностью просчитать распределение вихревых токов, которые проходят через индуктор. Для этого необходимо представить их в виде формулы диэлектрических эффектов ферритных микроструктур, используемых в качестве индуктивных материалов. В используемых ранее методах оценки существовало ограничение в точности определения размера потери на вихревых токах в случае, если рабочая частота индуктора превышала несколько десятков килогерц. Новая разработка позволяет выполнять оценку при частоте, достигающей несколько мегагерц.


    Слева — моделирование магнитных потерь индуктора (распределение плотности магнитного потока в магнитном материале). Справа — сравнение экспериментальных и смоделированных результатов

    Практическая польза инновации



    Результаты автоматизированного проектирования индуктора (каждая точка соответствует одному из вариантов геометрии индуктора)

    За счет объединения новой методики моделирования магнитных потерь с генетическим алгоритмом* Fujitsu создала формулу для автоматического поиска набора геометрических параметров. Они обладают оптимальной по Парето формой** (размерами для каждой части формы магнитного материала) и максимально сокращают магнитные потери энергии. К 2020 году Fujitsu планирует представить на рынке услуги проектирования, которые будут включать в себя описанную выше технологию.

    * Вычислительный метод оптимизации, работающий на основе принципов биологической эволюции. Для имеющегося поколения возможных решений создаются несколько копий, которые затем перекрещиваются друг с другом и мутируют. «Выжившие» копии отбираются для создания следующего поколения решений. Путем повторения этого процесса обираются лучшие решения.

    ** В ситуации минимизации нескольких значений, которые имеют компромиссное соотношение, и отсутствия обстоятельств, которые предоставили бы меньшие значения для всех переменных, эти параметры называются оптимальными по Парето. Как правило, существует несколько оптимум Парето, и линия или плоскость, сформированная этими оптимумами, называется оптимальной по Парето формой.
    Fujitsu 93,07
    Японская компания-лидер ICT-рынка
    Поделиться публикацией
    Комментарии 8
      +2
      Разве теперь генетические алгоритмы являются ИИ?
        0
        Генетические алгоритмы, конечно, не являются ИИ. Речь идет об объединении технологии, использующей возможности искусственного интеллекта с генетическими алгоритмами. Фактически, о синергии.
          –1
          Генетические алгоритмы — такой же раздел ИИ, как нейронные сети и нечеткая логика.
          Вики намекает: en.wikipedia.org/wiki/Artificial_intelligence#Search_and_optimization
            0
            Забыл добавить, что в зарубежных вузах генетические алгоритмы обычно преподаются в рамках курсов AI.

            Субъективно, у русскоязычных студентов и инженеров иногда возникает путаница с пониманием термина ИИ, из-за бытового восприятия слова «интеллект» и качества учебных материалов (включая переводы) по теме. Во всяком случае так было 5 лет назад, и сейчас я могу ошибаться.

          +2
          Для бизнеса вообще смешались в кучу искусственный интеллект, машинное обучение и методы оптимизации.
            –1
            генетические алгоритмы — часть машинного обучения, которое упрощённо называют «ИИ».
            хоть в генетических алгоритмах, нейронках, фаззи лгике и прочего настоящего ИИ 0%.
            Тут речь идёт об инженерном алгоритме (методика моделирования магнитных потерь) с которой используется эволюционный алгоритм. никакой «технологии, использующей возможности искусственного интеллекта» тут нет,
              +2
              В мое время это называлось «оптимизацией функций», и к ИИ не имело ни малейшего отношения.
                0
                а что в ваше время имело отношение к ии?

          Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

          Самое читаемое