CN109977973A - 充电系统接收端状态估计方法、装置、设备和存储介质 - Google Patents

充电系统接收端状态估计方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN109977973A
CN109977973A CN201711453822.5A CN201711453822A CN109977973A CN 109977973 A CN109977973 A CN 109977973A CN 201711453822 A CN201711453822 A CN 201711453822A CN 109977973 A CN109977973 A CN 109977973A
Authority
CN
China
Prior art keywords
transmitting coil
receiving
transmitting
receiving end
coil
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711453822.5A
Other languages
English (en)
Other versions
CN109977973B (zh
Inventor
江琪
赵毓斌
须成忠
王晓东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201711453822.5A priority Critical patent/CN109977973B/zh
Publication of CN109977973A publication Critical patent/CN109977973A/zh
Application granted granted Critical
Publication of CN109977973B publication Critical patent/CN109977973B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
    • H02J50/10—Circuit arrangements or systems for wireless supply or distribution of electric power using inductive coupling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种磁共振无线充电系统接收端状态估计的方法，包括：构建索引库，存储无线充电系统的训练实例；所述训练实例记载无线充电系统中接收端在各种状态下对应的发射线圈优选参数；根据接入充电的接收端状态，进行索引库实例匹配，获得优选参数；分配所述优选参数给发射线圈，使得接收端的功率最大化。本发明还提供了一种接收端状态估计装置、发射端装置、计算机可读存储介质以及一种计算机设备。本发明利用无线充电发射端的电路检测，只需线下选取部分的训练实例，即可获得当前接收端的负载状态，进而计算出功率最大化传输情况下发射端线圈所需的优选参数。

Description

充电系统接收端状态估计方法、装置、设备和存储介质
技术领域
本发明涉及磁共振无线充电领域，具体涉及磁共振无线充电系统接收端状态估计的方法、估计装置、发射端设备、存储介质和计算机设备。
背景技术
磁共振无线充电技术是无线充电的主流技术之一，具有传输距离长和效率高等优点。伴随着WPC1.2规范发布后，当前的市场开始由磁感应技术向磁共振无线充电技术转变，其主要针对移动智能设备、穿戴式设备、低功率小型设备等进行充电。磁共振无线充电技术产品可以制作成一个充电板(含有单个或多个线圈发射端)，可同时对多个接收设备充电，成为无线充电市场未来的发展方向。
在磁共振无线充电系统中，充电接收设备端的充电效率与离充电板位置息息相关，充电板是由多个线圈构成的发射端，每个线圈与在有效充电区内的接收设备都有不同的磁感应程度。为了能使得接收端充电设备获得最优充电状态，快速、有效和准确估计充电设备的当前位置是非常有必要的，确定了位置关系才能够进行发射端的功率最大化设计。
现有的论文和专利只是在充电方案上提出了功率最大化传输方法，其根据充电设备线圈与发射端线圈磁耦合的作用，在发射端重新计算功率最大化传输发射端线圈所需电压的幅值与相位。但是这就需要在无线充电系统中的接收端加入检测和反馈机制，会使接收端的设计变得复杂和体积较大，对于小型电子产品手机、手表、穿戴设备等不利于便携性。但如果不加入检测和反馈电路，仅靠发射端的幅度和相位检测，不能够有效的识别当前接收端的负载状态。
发明内容
有鉴于此，本发明提供了一种磁共振无线充电系统接收端状态估计的方法，利用无线充电发射端的电路检测，只需线下选取部分的训练实例，即可获得当前接收端的负载状态，进而计算出功率最大化传输情况下发射端线圈所需的优选参数。
一种磁共振无线充电系统接收端状态估计的方法，其特征在于，包括：
构建索引库，存储无线充电系统的训练实例；所述训练实例记载无线充电系统中接收端在各种状态下对应的发射线圈优选参数；其中，接收端状态采用发射端能够得到的发射线圈与接收线圈之间的耦合关系表征；
根据接入充电的接收端状态，进行索引库实例匹配，获得优选参数；
分配所述优选参数给发射线圈，使得接收端的功率最大化。
所述预先获取无线充电系统的训练实例的步骤包括：
针对接收端被设置在的每个训练点，发射端根据测量获得的每个发射线圈的s参数，结合接收端反馈信息，计算出各发射线圈的阻抗和功率最大化传输状态下各发射线圈的电压数据；
将每个训练点的发射线圈阻抗值、所需分配电压数据作为一个训练实例，写入所述索引库。
本发明基于KNN算法进行所述索引库实例匹配，具体步骤包括：
获得正在充电的接收端f实例中各发射线圈的s参数；
基于s参数计算出当前各发射线圈的阻抗＜R1(f),X1(f),…,RN(f),XN(f)＞；其中，Rn(f)和Xn(f)表示发射线圈n阻抗的实部和虚部；n＝1,…,N，N为发射线圈总数；
根据当前各发射线圈阻抗，判断实例库中是否有实例与接收端f实例匹配一致，若有，则将匹配实例所分配电压的幅值和相位分配给发射线圈，若没有，则采用KNN算法找出索引库中与接收端f实例最接近的训练实例，将最接近的训练实例所分配电压的幅值和相位分配给发射线圈；
将当前实例的数据存入实例库，存入数据为当接收端f实例接入到充电区时，各发射线圈阻抗＜R1(f),X1(f),…,RN(f),XN(f)＞与经过KNN算法找出的最接近实例所分配电压的幅值和相位。
所述磁共振无线充电系统为Magnetic MIMO无线充电系统。
本发明还提供一种用于磁共振无线充电系统的接收端状态估计装置，设置于磁共振无线充电系统的发射端，包括索引库、匹配单元和分配单元；
索引库，用于预存无线充电系统的训练实例，所述训练实例记载无线充电系统中接收端在各种状态下对应的发射线圈优选参数；其中，接收端状态采用发射端能够得到的发射线圈与接收线圈之间的耦合关系表征；
匹配单元，用于根据接入充电的接收端的当前状态，进行索引库实例匹配，获得优选参数；
分配单元，用于分配所述优选参数给发射线圈，使得接收端的功率最大化。
进一步地，所述接收端状态估计装置包括索引库构建单元，由计算模块和写入模块组成；
计算模块，用于针对接收端被设置在的每个训练点，利用发射端测量单元测量的各发射线圈的s参数，结合接收端反馈的信息，计算出各发射线圈的阻抗和功率最大化传输状态下各发射线圈的电压数据；
写入模块，用于将每个训练点的发射线圈阻抗值、所需分配电压数据作为一个训练实例写入所述索引库。
所述匹配单元包括匹配计算模块、判断模块、记录模块和实例库；
实例库，用于记录曾经充过电的接收端实例；
匹配计算模块，用于根据当前接入充电的各发射线圈的s参数，计算出当前各发射线圈阻抗＜R1(f),X1(f),…,RN(f),XN(f)＞；其中，Rn(f)和Xn(f)表示发射线圈n阻抗的实部和虚部；n＝1,…,N，N为发射线圈总数；
判断模块，用于根据当前各发射线圈阻抗，判断实例库中是否有实例与接收端f实例匹配一致，若有，则将匹配的实例所分配电压的幅值和相位分配给发射线圈，若没有，则采用KNN算法找出索引库中与接收端f实例最接近的训练实例，将最接近的训练实例所分配电压的幅值和相位分配给发射线圈；
记录模块，用于将当前实例的数据存入实例库，存入数据为当接收端f实例接入到充电区时，各发射线圈阻抗＜R1(f),X1(f),…,RN(f),XN(f)＞与经过KNN算法找出的最接近实例所分配电压的幅值和相位。
本发明还提供一种用于磁共振无线充电系统的发射端装置，包括发射端和接收端；所述发射端包括发射线圈、耦合电路和阻抗匹配网络、测量电路、微控制单元(MCU)、信号源和功率放大器；微控制单元实现所述的接收端状态估计装置；
测量电路，用于测量发射线圈的s参数；
耦合电路和阻抗匹配网络，连接发射线圈、测量电路和功率放大器；
微控制单元(MCU)，通过测量电路和接收端反馈回来的信息，计算出每个发射线圈的阻抗和功率最大化传输每个发射线圈所需电压的幅值和相位，组成训练实例存储到索引库中；在针对实际充电场景进行状态估计时，根据测量电路的测量数据确定各发射线圈的阻抗，进行索引库实例匹配，获得优选参数；根据优选参数构建指令，发送给信号源；
信号源，用于接收微控制单元(MCU)的指令，将信号传给功率放大器；
功率放大器，用于根据接收自信号源的信息，分配指定幅值和相位的电压给发射线圈。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现磁共振无线充电系统接收端状态估计的方法。
本发明还提供一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时磁共振无线充电系统接收端状态估计的方法。
有益效果：
(1)本发明利用无线充电发射端的电路检测，只需线下选取部分的训练实例，即可获得当前接收端的负载状态，进而计算出功率最大化传输情况下发射端线圈所需的优选参数。不需要在接收端加入检测和反馈电路，从而降低接收端的复杂性，减小体积。
(2)本发明在充电时不需要重新通过功率最大化算法计算出新的分配电压的幅值和相位，而是通过KNN算法直接找出与数据库中最接近的实例分配电压，从而使得当前接收端可以获取最大化能量。直接查找相近实例，能够减少大量计算量，也能减少时延。
(3)在一个优选实施例中，进一步增加了实例库。在实例匹配过程中，先寻找实例库，再寻找索引库，且将出现过的实例均存储在实例库中，从而实现了智能学习，令库数据越来越强大。而且不需要每次都进行KNN运算，减少了运算量。
(4)本发明的装置和设备，易于实现。
附图说明
图1(a)为Magnetic MIMO无线充电系统中接收端状态估计的总流程图；
图1(b)为于磁共振无线充电系统的接收端状态估计装置的框图；
图2为Magnetic MIMO无线充电系统框图；
图3为索引库的获取流程图；
图4为当前接收端与索引库实例匹配过程示例图。
图5为本发明提供的计算机设备的组成框图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本发明提供了一种磁共振无线充电系统接收端状态估计的方案，其核心思想是，构建索引库存储无线充电系统的训练实例，所述训练实例记载无线充电系统中接收端在各种状态下对应的发射线圈优选参数，且接收端状态采用发射端能够得到的发射线圈与接收线圈之间的耦合关系表征；在实际充电过程中，根据接入充电的接收端状态，进行索引库实例匹配，获得优选参数；分配优选参数给发射线圈，使得接收端的功率最大化。
可见，本发明利用无线充电发射端的电路检测，只需线下选取部分的训练实例，即可获得当前接收端的负载状态，进而计算出功率最大化传输情况下发射端线圈所需的优选参数。该方案不需要在接收端加入检测和反馈电路，从而降低接收端的复杂性，减小体积。
基于上述基本思想，本发明提供了如下实施例。
实施例一
本实施例中，无线充电系统为Magnetic MIMO无线充电系统。本实施例描述了Magnetic MIMO无线充电系统接收端状态估计方法的实现方案，如图1(a)所示，该方案包括如下步骤：
步骤101：基于Magnetic MIMO无线充电系统的索引库建立。
本步骤基于Magnetic MIMO无线充电系统的索引库建立有两个子步骤，一是建立Magnetic MIMO无线充电系统原型，二是获取训练实例的数据，建立索引库。具体为：
子步骤11、建立Magnetic MIMO无线充电系统原型。
在此系统下发射端的微控制单元(MCU)可以根据接收端线圈与发射端线圈耦合的关系计算出给每个线圈所需电压的幅值和相位，使得接收端的功率最大化。
子步骤12、获取训练实例的数据，建立索引库104。
图3为索引库的获取流程，其包括如下步骤：
●训练点的选取301：在Magnetic MIMO无线充电系统范围内选取大量的训练点，训练点指接收端线圈所在的位置，一个训练点对应一个训练实例。
●测量电路测量参数302：接收端在每个训练点，发射端测量电路会测量各发射线圈的s参数，该s参数会因发射线圈与接收线圈的耦合关系改变而变化。本实施例中，用于表征发射线圈与接收线圈之间的耦合关系表征的s参数，可以通过设计的电路检测得到也可以由网络分析仪测量得到。s参数是发射线圈与接收线圈之间的耦合关系最普遍的表示方式，在实际中还可以采取其他数据来表征所述耦合关系。
●微控制单元(MCU)计算出阻抗和电压303：发射端的微控制单元(MCU)根据测量电路反馈回来的参数和接收端反馈回来的信息，计算出每个发射线圈的阻抗和功率最大化传输下每个发射线圈所需分配电压的数据，包括幅值和相位。其中，接收端反馈信息可以通过蓝牙等通信手段实现，接收端仅在获取训练实例的过程中需要反馈信息(包括接收端电路电阻、阻抗等信息，用于计算初始阻抗)，在充电过程中不需要反馈，因此可以采用接收端外接的独立设备来实现此信息反馈操作，不需要专门设计集成在接收端的检测和反馈电路，因此不会影响接收端的小型化设计。
●写入索引库304：将该训练点、计算的阻抗值、所需分配电压数据组成训练实例，全部写入索引库。
表1为索引库的内容，假设训练点有m个，发射端线圈N个，即每个训练点发射端N个线圈有不同的阻抗值，为了使接收端功率最大化，发射端每个线圈所分配电压的幅值和相位都是不同的。表中的Rn和Xn表示发射线圈n阻抗的实部和虚部；Vn和Pn表示发射线圈n的分配电压的幅值和相位，n＝1,…,N。
表1
步骤102：基于KNN算法的接收状态估计。
本步骤基于KNN算法的接收端状态估计对应的有两个子步骤：一是接收端的接入21、二是当前接收端与索引库实例匹配22。具体为：
子步骤21、接收端接入。
当有接收端进入充电范围，发射端测量各个发射线圈的s参数，继而计算出各发射线圈的阻抗值。
子步骤22、当前接收端与索引库实例匹配。
发射端将当前发射线圈的阻抗值与索引库中训练实例进行匹配，采用KNN算法找出最相近的训练实例，并获取电压的幅值和相位数据。
首先KNN算法假定所有的实例对应于N维空间RN中的点，在该N维空间中，任意的一个实例x可以表示为如下特征向量：
＜a1(x),a2(x),…,an(x)＞
其中，ar(x)表示实例x的第r个属性值。任意两个实例xi和xj之间的相似程度表示为：d(xi,xj)，用欧式距离作为相似程度的判断依据，可表示为：
假设当前接入系统的为f实例，此时发射端的微控制单元(MCU)计算出当前各发射线圈的阻抗＜Rf1,Xf1,…,RfN,XfN＞，可以表示为如下特征向量：
＜R1(f),X1(f),…,RN(f),RN(f)＞
其中，Rn(f)和Xn(f)表示发射线圈n阻抗的实部和虚部；n＝1,…,N，N为发射线圈总数；假设索引表中的实例用gj表示，f与gj欧式距离可以表示为如下:
其中，假设索引表中的实例gr使得d(f,gr)最小，则实例gr与f最相似。
则实例gr中记载的各发射线圈的电压数据，就是最佳参数。
步骤103：发射端各线圈电压分配。
发射端中相应执行模块根据微控制单元(MCU)发出的指令，分配相应的幅值和相位的电压给发射线圈。
至此，上述步骤即完成了一次状态估计。在实际中，发射端不断检测发射线圈的s参数，当与当前数据的偏差超过设定值，则重新进行实例匹配和电压分配，从而保持功率最大化。
应当注意，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
实施例二
本实施例是基于上述方法的实现装置，即一种用于磁共振无线充电系统的状态估计装置，该装置设置于磁共振无线充电系统的发射端，可以作为单独模块出现，也可以作为发射端中的功能。
如图1(b)所示，该接收端状态估计装置包括索引库、匹配单元和分配单元。
索引库，用于预存无线充电系统的训练实例；
匹配单元，用于根据接入充电的接收端的当前状态，进行索引库实例匹配，获得优选参数；
分配单元，用于分配优选参数给发射线圈，使得接收端的功率最大化。
为了实现索引库的建立，该装置进一步包括索引库构建单元，包括计算模块、写入模块。其中，
计算模块，用于针对接收端被设置在的每个训练点，利用发射端测量单元测量的各发射线圈的s参数，结合接收端反馈信息，计算出各发射线圈的阻抗和功率最大化传输状态下各发射线圈的电压数据；
写入模块，用于将每个训练点的发射线圈阻抗值、所需分配电压数据作为一个训练实例的数据写入所述索引库。
应当理解，发射端设备中记载的诸单元或模块与参考图1(a)描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于发射端设备及其中包含的单元，在此不再赘述。
实施例三
本实施例是实现本发明估计方法的一个具体发射端装置实现。该发射端结构基于Magnetic MIMO无线充电系统中的发射端结构进行了改进。附图2为Magnetic MIMO无线充电系统，分为发射端和接收端。如图所示，其发射端有发射线圈201、耦合电路和阻抗匹配网络202、测量电路203、微控制单元(MCU)204、信号源205、功率放大器206，接收端有接收线圈207、阻抗匹配和整流电路208、DC/DC转换器209、充电设备210。
本实施例中，以上述发射端结构为基础，还需要在微控制单元(MCU)中实现实施例二中的接收端状态估计装置。
下面结合图2对本实施例中发射端的实现进行详细描述。
发射线圈201可以有N个，每个发射线圈的电感与可调电容达到谐振。
耦合电路和阻抗匹配网络202，连接发射线圈201、测量电路203和功率放大器206，耦合电路由定向耦合器组成，阻抗匹配网络是LC匹配网络；
测量电路203，连接耦合电路和阻抗匹配网络202和微控制单元(MCU)，测量电路采用AD8302和衰减器，测量发射线圈s参数；
微控制单元(MCU)204，连接测量电路203和信号源205。微控制单元(MCU)在训练阶段，通过测量电路反馈回来的参数和接收端反馈回来的信息，计算出功率最大化传输每个发射线圈所需的幅值和相位，组成训练实例存储到索引库中。其中，接收端反馈信息的方式可以为输入或通信方式，如果是通信方式可以采用集成在MCU中的通信模块实现，通信手段可以为诸如蓝牙的无线通信、或者有线通信。如果是输入方式，可以加入外设，由外部人工输入或者导入所需信息。
微控制单元(MCU)204在针对实际充电场景进行状态估计阶段，根据测量单元的测量数据确定各发射线圈的阻抗，进行索引库实例匹配，获得优选参数；根据优选参数构建指令，发送给信号源。
信号源205，连接微控制单元(MCU)204和功率放大器206，信号源接收微控制单元(MCU)的指令，将信号传给功率放大器；
功率放大器206，连接信号源205与耦合电路和阻抗匹配网络202，功率放大器根据接收自信号源的信息，分配指定幅值和相位的电压给发射线圈201。
基于本接收端状态估计装置，本发明还提供了一种磁共振无线充电系统，包括发射端和接收端，发射端中包含上述的接收端状态估计装置。
实施例四
作为一种优选，本实施例中进一步增加了实例库。在实例匹配过程中，先寻找实例库，再寻找索引库，且将出现过的实例均存储在实例库中，从而实现了智能学习，令库数据越来越强大。而且不需要每次都进行KNN运算，减少了运算量。
本实施例首先介绍优选的估计方法，再介绍优选的估计装置。
附图4为本优选实施例中当前接收端与索引库实例匹配过程示意图。
步骤401：接收端接入本无线充电系统进行充电。
假设接收端f在所建立的无线充电系统的充电范围内。将接收端f接入充电称为接收端f实例。
步骤402：当前情况下发射端线圈参数获取：无线充电系统的发射端测量电路测量各个发射线圈的s参数；
步骤403：计算发射线圈阻抗：测量电路将获取的线圈参数反馈给微控制单元(MCU)，微控制单元(MCU)计算出当前各发射线圈阻抗，记为＜R1(f),X1(f),…,RN(f),XN(f)＞。其中，Rn(f)和Xn(f)表示发射线圈n的实部和虚部；n＝1,…,N，N为发射线圈总数。
步骤404：判断是否有匹配一致实例。
根据当前各发射线圈阻抗，判断实例库中是否有实例与接收端f实例匹配一致，实例库是指每次有接收端实例进入充电区，会将实例数据记录到实例库中，实例库与表1的内容一致，若实例库中有与接收端f实例一致的实例，则执行步骤408；否则执行步骤405～407。
步骤405：用KNN算法找出索引库与接收端f实例最接近的训练实例。
步骤406：获取匹配的训练实例所分配电压的幅值(V)和相位(P)，分配给相应发射线圈。
步骤407：将接收端f实例数据存入实例库，其中的数据是指当接收端实例接入到充电区时，经测量电路测量的＜Rf1,Xf1,…,Rfn,Xfn＞，与经过KNN算法找出索引库中最相近实例所需要分配电压的幅值(V)和相位(P)。至此本匹配过程结束。步骤406和407没有先后顺序。
步骤408：获取匹配实例所分配电压的幅值(V)和相位(P)，分配给相应发射线圈，至此本匹配过程结束。
为了实现图4的流程，本发明还提供了一种用于实施例二中接收端状态估计装置的匹配单元，包括匹配计算模块、判断模块和记录模块；
匹配计算模块，根据测量单元获得的当前接入充电的各个发射线圈的s参数，计算出当前各发射线圈阻抗＜R1(f),X1(f),…,RN(f),XN(f)＞；其中，Rn(f)和Xn(f)表示发射线圈n的实部和虚部；n＝1,…,N，N为发射线圈总数；
判断模块，用于根据当前各发射线圈阻抗，判断实例库中是否有实例与接收端f实例匹配一致，若有，则将匹配的实例所分配电压的幅值和相位分配给发射线圈，若没有，则采用KNN算法找出索引库中与接收端f实例最接近的训练实例，将最接近的训练实例所分配电压的幅值和相位分配给发射线圈；
记录模块，用于将当前实例的数据存入索引库，存入数据是指当接收端f实例接入到充电区时，匹配计算模块计算获得的＜R1(f),X1(f),…,RN(f),XN(f)＞与经过KNN算法找出的最接近实例所分配电压的幅值和相位。
实施例五
参考图5，其示出了适于用来实现本申请实施例的估计方法的计算机设备500的结构示意图。
如图5所示，计算机设备500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。该计算机程序实现本申请的接收端状态估计方法。
实施例六
本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例六中所述计算机设备中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本申请的接收端状态估计方法。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。例如，本发明KNN算法不仅限于Magnetic MIMO无线充电系统，也可用于单线圈对单线圈无线充电系统等。本发明索引库，不仅限发射端线圈的阻抗值和所需分配电压的幅值和相位，可根据实际需求，加入发射端所需的其它数据。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种磁共振无线充电系统接收端状态估计的方法，其特征在于，包括：
构建索引库，存储无线充电系统的训练实例；所述训练实例记载无线充电系统中接收端在各种状态下对应的发射线圈优选参数；其中，接收端状态采用发射端能够得到的发射线圈与接收线圈之间的耦合关系表征；
根据接入充电的接收端状态，进行索引库实例匹配，获得优选参数；
分配所述优选参数给发射线圈，使得接收端的功率最大化。
2.如权利要求1所述的方法，其特征在于，所述预先获取无线充电系统的训练实例的步骤包括：
针对接收端被设置在的每个训练点，发射端根据测量获得的每个发射线圈的s参数，结合接收端反馈信息，计算出各发射线圈的阻抗和功率最大化传输状态下各发射线圈的电压数据；
将每个训练点的发射线圈阻抗值、所需分配电压数据作为一个训练实例，写入所述索引库。
3.如权利要求1所述的方法，其特征在于，基于KNN算法进行所述索引库实例匹配，具体步骤包括：
获得正在充电的接收端f实例中各发射线圈的s参数；
基于s参数计算出当前各发射线圈的阻抗＜R1(f),X1(f),…,RN(f),XN(f)＞；其中，Rn(f)和Xn(f)表示发射线圈n阻抗的实部和虚部；n＝1,…,N，N为发射线圈总数；
根据当前各发射线圈阻抗，判断实例库中是否有实例与接收端f实例匹配一致，若有，则将匹配实例所分配电压的幅值和相位分配给发射线圈，若没有，则采用KNN算法找出索引库中与接收端f实例最接近的训练实例，将最接近的训练实例所分配电压的幅值和相位分配给发射线圈；
将当前实例的数据存入实例库，存入数据为当接收端f实例接入到充电区时，各发射线圈阻抗＜R1(f),X1(f),…,RN(f),XN(f)＞与经过KNN算法找出的最接近实例所分配电压的幅值和相位。
4.如权利要求1所述的方法，其特征在于，所述磁共振无线充电系统为Magnetic MIMO无线充电系统。
5.一种用于磁共振无线充电系统的接收端状态估计装置，其特征在于，设置于磁共振无线充电系统的发射端，包括索引库、匹配单元和分配单元；
索引库，用于预存无线充电系统的训练实例，所述训练实例记载无线充电系统中接收端在各种状态下对应的发射线圈优选参数；其中，接收端状态采用发射端能够得到的发射线圈与接收线圈之间的耦合关系表征；
匹配单元，用于根据接入充电的接收端的当前状态，进行索引库实例匹配，获得优选参数；
分配单元，用于分配所述优选参数给发射线圈，使得接收端的功率最大化。
6.如权利要求5所述的接收端状态估计装置，其特征在于，进一步包括索引库构建单元，由计算模块和写入模块组成；
计算模块，用于针对接收端被设置在的每个训练点，利用发射端测量单元测量的各发射线圈的s参数，结合接收端反馈的信息，计算出各发射线圈的阻抗和功率最大化传输状态下各发射线圈的电压数据；
写入模块，用于将每个训练点的发射线圈阻抗值、所需分配电压数据作为一个训练实例写入所述索引库。
7.如权利要求5所述的接收端状态估计装置，其特征在于，所述匹配单元包括匹配计算模块、判断模块、记录模块和实例库；
实例库，用于记录曾经充过电的接收端实例；
匹配计算模块，用于根据当前接入充电的各发射线圈的s参数，计算出当前各发射线圈阻抗＜R1(f),X1(f),…,RN(f),XN(f)＞；其中，Rn(f)和Xn(f)表示发射线圈n阻抗的实部和虚部；n＝1,…,N，N为发射线圈总数；
判断模块，用于根据当前各发射线圈阻抗，判断实例库中是否有实例与接收端f实例匹配一致，若有，则将匹配的实例所分配电压的幅值和相位分配给发射线圈，若没有，则采用KNN算法找出索引库中与接收端f实例最接近的训练实例，将最接近的训练实例所分配电压的幅值和相位分配给发射线圈；
记录模块，用于将当前实例的数据存入实例库，存入数据为当接收端f实例接入到充电区时，各发射线圈阻抗＜R1(f),X1(f),…,RN(f),XN(f)＞与经过KNN算法找出的最接近实例所分配电压的幅值和相位。
8.一种用于磁共振无线充电系统的发射端装置，其特征在于，包括发射端和接收端；所述发射端包括发射线圈(201)、耦合电路和阻抗匹配网络(202)、测量电路(203)、微控制单元(MCU)(204)、信号源(205)和功率放大器(206)；微控制单元(MCU)(204)实现如权利要求5～7任意一项所述的接收端状态估计装置；
测量电路(203)，用于测量发射线圈的s参数；
耦合电路和阻抗匹配网络(202)，连接发射线圈(201)、测量电路(203)和功率放大器(206)；
微控制单元(MCU)(204)，通过测量电路(203)和接收端反馈回来的信息，计算出每个发射线圈的阻抗和功率最大化传输每个发射线圈所需电压的幅值和相位，组成训练实例存储到索引库中；在针对实际充电场景进行状态估计时，根据测量电路(203)的测量数据确定各发射线圈的阻抗，进行索引库实例匹配，获得优选参数；根据优选参数构建指令，发送给信号源(205)；
信号源(205)，用于接收微控制单元(MCU)(204)的指令，将信号传给功率放大器；
功率放大器(206)，用于根据接收自信号源的信息，分配指定幅值和相位的电压给发射线圈(201)。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～4任意一项所述的方法。
10.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1～4任意一项所述的方法。
CN201711453822.5A 2017-12-28 2017-12-28 充电系统接收端状态估计方法、装置、设备和存储介质 Active CN109977973B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711453822.5A CN109977973B (zh) 2017-12-28 2017-12-28 充电系统接收端状态估计方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711453822.5A CN109977973B (zh) 2017-12-28 2017-12-28 充电系统接收端状态估计方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN109977973A true CN109977973A (zh) 2019-07-05
CN109977973B CN109977973B (zh) 2023-04-21

Family

ID=67074003

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711453822.5A Active CN109977973B (zh) 2017-12-28 2017-12-28 充电系统接收端状态估计方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN109977973B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112290695A (zh) * 2020-09-14 2021-01-29 德清阿尔法创新研究院 一种基于磁谐振的mimo磁安全充电方法
WO2021217613A1 (zh) * 2020-04-30 2021-11-04 华为技术有限公司 输能方法和装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1773848A (zh) * 2004-11-09 2006-05-17 株式会社大亨 阻抗匹配装置
US20100259217A1 (en) * 2009-04-08 2010-10-14 Access Business Group International Llc Selectable coil array
CN103049433A (zh) * 2012-12-11 2013-04-17 微梦创科网络科技（中国）有限公司 自动问答方法、自动问答系统及构建问答实例库的方法
JP2014180201A (ja) * 2013-03-13 2014-09-25 Freescale Semiconductor Inc ワイヤレス充電システム、デバイス、および方法
CN105099002A (zh) * 2015-07-17 2015-11-25 南京矽力杰半导体技术有限公司 驱动电路及应用其的无线电能发射端
CN105223526A (zh) * 2015-09-25 2016-01-06 沈阳东软医疗系统有限公司 一种射频发射线圈阻抗匹配电路及方法
CN106476952A (zh) * 2015-09-02 2017-03-08 小米科技有限责任公司 一种变速车档位自动推荐的方法和装置
CN106849221A (zh) * 2016-12-30 2017-06-13 深圳市尧元科技有限公司 基于磁共振多设备无线充电功率最大化传输方法及系统
CN106841813A (zh) * 2017-03-08 2017-06-13 深圳市尧元科技有限公司 测量磁共振式无线充电系统发射端输入阻抗的装置及方法
JP2017174213A (ja) * 2016-03-24 2017-09-28 株式会社Ihi 電子機器、対象システムの操作方法、および操作プログラム

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1773848A (zh) * 2004-11-09 2006-05-17 株式会社大亨 阻抗匹配装置
US20100259217A1 (en) * 2009-04-08 2010-10-14 Access Business Group International Llc Selectable coil array
CN103049433A (zh) * 2012-12-11 2013-04-17 微梦创科网络科技（中国）有限公司 自动问答方法、自动问答系统及构建问答实例库的方法
JP2014180201A (ja) * 2013-03-13 2014-09-25 Freescale Semiconductor Inc ワイヤレス充電システム、デバイス、および方法
CN105099002A (zh) * 2015-07-17 2015-11-25 南京矽力杰半导体技术有限公司 驱动电路及应用其的无线电能发射端
CN106476952A (zh) * 2015-09-02 2017-03-08 小米科技有限责任公司 一种变速车档位自动推荐的方法和装置
CN105223526A (zh) * 2015-09-25 2016-01-06 沈阳东软医疗系统有限公司 一种射频发射线圈阻抗匹配电路及方法
JP2017174213A (ja) * 2016-03-24 2017-09-28 株式会社Ihi 電子機器、対象システムの操作方法、および操作プログラム
CN106849221A (zh) * 2016-12-30 2017-06-13 深圳市尧元科技有限公司 基于磁共振多设备无线充电功率最大化传输方法及系统
CN106841813A (zh) * 2017-03-08 2017-06-13 深圳市尧元科技有限公司 测量磁共振式无线充电系统发射端输入阻抗的装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
QI JIANG ET AL.: "Maximum Power Transfer Scheme for", 《2017 WPTC》 *
罗斌: "磁谐振耦合式单中继线圈", 《中国电机工程学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021217613A1 (zh) * 2020-04-30 2021-11-04 华为技术有限公司 输能方法和装置
CN112290695A (zh) * 2020-09-14 2021-01-29 德清阿尔法创新研究院 一种基于磁谐振的mimo磁安全充电方法
CN112290695B (zh) * 2020-09-14 2024-01-16 德清阿尔法创新研究院 一种基于磁谐振的mimo磁安全充电方法

Also Published As

Publication number Publication date
CN109977973B (zh) 2023-04-21

Similar Documents

Publication Publication Date Title
CN105117190B (zh) Led显示屏配屏方法
US20150002086A1 (en) Apparatus, systems and methods for wireless charging for pc platforms and peripherals
CN109947919A (zh) 用于生成文本匹配模型的方法和装置
CN102508172A (zh) 电池电量的计算方法及装置、终端
CN109977973A (zh) 充电系统接收端状态估计方法、装置、设备和存储介质
CN110263213A (zh) 视频推送方法、装置、计算机设备及存储介质
CN110321447A (zh) 重复图像的确定方法、装置、电子设备及存储介质
CN109993627A (zh) 推荐方法、推荐模型的训练方法、装置和存储介质
CN109960650A (zh) 基于大数据的应用程序评估方法、装置、介质及电子设备
CN110503013A (zh) 振感相似度评价方法、装置及存储介质
CN109785072A (zh) 用于生成信息的方法和装置
CN109738714A (zh) 二次核相的方法及装置
US20220226737A1 (en) Method for mobile gaming systems
CN108763847A (zh) 一种非侵入式电信号分析追踪方法、装置、电子设备
CN110070076A (zh) 用于选取训练用样本的方法和装置
CN110473042A (zh) 用于获取信息的方法及装置
CN108960946A (zh) 订单显示方法和装置
CN106156274A (zh) 页面内容加载方法、装置及电子设备
CN203550965U (zh) 一种航向定位仪
CN109060675A (zh) 一种用于铁矿石中铁含量检测方法及装置
CN108287279A (zh) 直流电能质量扰动检测方法及装置
CN104283416A (zh) 自适应电源系统及供电方法
CN207368759U (zh) 用分数阶电容稳定传输线圈谐振频率的无线电能传输系统
CN202676803U (zh) 配电网低压大电流磁场模拟显示装置
CN202486305U (zh) 互感器校验系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant