基于机器学习的磁性元件磁芯损耗预测方法

打开文本图片集

摘要：磁性元件在磁能传递、存储和滤波中起着关键作用，直接影响功率变换器的体积、质量、损耗及成本。因此，准确预测磁芯损耗至关重要。针对励磁波形对磁芯损耗的显著影响，提出了一种基于集成学习的励磁波形分类策略。首先，采用支持向量机（support vector machine，SVM）、随机森林（random forest，RF）和梯度提升决策树（gradientboosting decision tree，GBDT）作为基分类器，通过将分类结果与原始特征结合构建新的特征集，并使用元分类器进行训练以提升模型的泛化能力；然后，选择XGBoost作为磁芯损耗预测的核心模型;最后，通过遗传算法进行多目标优化，寻找到最小磁芯损耗与最大传输磁能的最佳工况。（剩余16239字）