基于数据驱动的磁性元件磁芯损耗建模研究

来源：南京信息工程大学学报·自然科学版杂志2026年第3期北京时间：

作者：刘幅源，郑琰，袁柯浩，张晨，邱婷

单位：刘幅源,南京林业大学 汽车与交通工程学院, 南京, 210037,郑琰,南京林业大学 汽车与交通工程学院, 南京, 210037,袁柯浩,南京林业大学 汽车与交通工程学院, 南京, 210037,张晨,南京林业大学 汽车与交通工程学院, 南京, 210037,邱婷,南京林业大学 汽车与交通工程学院, 南京, 210037

摘要：磁性元件在电力电子系统中主要用于实现磁能的传递、存储及滤波等关键功能,直接影响功率变换器的体积、质量、损耗、成本,精确预测磁芯损耗具有重要意义.为解决在使用磁性元件时无法对磁芯损耗做出精确评估的问题,本文提出一种基于数据驱动的磁芯损耗建模方法.使用决策树和XGBoost模型进行励磁波形分类,绘制出测试集中各材料的磁通密度分布图、波形特征图.建立XGBoost、支持向量机、梯度提升回归树和K近邻等4种磁芯损耗预测模型,对测试集中的样本进行磁芯损耗预测.为优化磁性元件性能参数,提出基于遗传算法、粒子群算法的单目标优化模型和基于NSGA-Ⅱ算法的多目标优化模型,得到最优目标函数下相应的温度、频率、波形等参数条件.实验结果表明:XGBoost在波形分类和磁芯损耗预测方面效果最佳,其中,训练集和测试集的磁芯损耗预测准确率分别为85.66%和84.83%;NSGA-Ⅱ算法在磁芯损耗和传输磁能的联合优化中表现最佳.

关键词：数据驱动;波形分类;磁芯损耗建模;XGBoost;NSGA-Ⅱ算法

基金资助：国家自然科学基金(71871111,72271116)