KR102192304B1 - 무선 전력 전송 시스템의 최적화를 위한 비선형 시스템 식별 - Google Patents

Abstract

무선 전력 전송 시스템(WPTS)에서 수신 코일이 전송 코일 근처에 있는지 여부를 감지하는 방법에 있어서, 상기 방법은: 의사 랜덤 신호(pseudo-random signal)를 상기 전송 코일에 인가하는 단계; 상기 의사 랜덤 신호(pseudo-random signal)가 상기 전송 코일에 인가될 동안, 상기 인가된 의사 랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS내에서 생성되는 적어도 하나의 신호들을 기록하는 단계; 상기 적어도 하나의 기록된 신호들을 사용하여, 상기 WPTS의 일부 측면에 대한 동적 시스템 모델을 생성하는 단계; 및 수신 코일로서 상기 물체를 구별하는 특성들을 가지는 물체가 상기 전송 코일 근처에 있는지 여부를 판단하기 위해 상기 저장된 훈련 데이터와 결합하여 상기 생성된 동적 시스템 모델을 사용하는 단계를 포함한다.

Description

무선 전력 전송 시스템의 최적화를 위한 비선형 시스템 식별{NONLINEAR SYSTEM IDENTIFICATION FOR OPTIMIZATION OF WIRELESS POWER TRANSFER}

본 출원은 모두 본원에서 참조로 원용된, 2012년 12월 18일에 출원된, US 가출원 번호 61/738,786에 대해 우선권을 주장한다.

본 발명의 실시예들은 일반적으로, 전기 자동차들 및 휴대용 디바이스들에서, 그러나 제한 없이, 발견될 수 있는 충전 및/또는 전원 시스템들에 대한 무선 전력 전송에 관련된다.

전기 자동차에 대한 새로운 관심으로 우리는 배터리들을 재충전하기 위한 편리한 방법으로서 무선 전력 전송, 급속 충전 기술 및 배터리 기술에서 많은 새로운 발전들을 보아왔다. 무선 급속 충전 기술들은 현 배터리 기술에 의해 제공되는 제한된 범위를 완화하기 위한 방법으로서 순수 전기 자동차들에 더 많이 관련있다. 이러한 방법으로 길에서, 교통 신호등에서, 쇼핑하는 동안 주차장에서, 또는 드라이브-인에서 임베디드 코일로부터 운전중에도 배터리들은 재충전될 수 있다.

무선 전력 전송은 아마도 테슬라로 시작하는 긴 역사를 가진다. 상기 기술은 이제 칫솔, 휴대폰, 노트북으로부터, 어디서나 사용되고 램프, 시계 등 같은 집에서의 일반적 사용이 고려되기조차 한다. 대부분 어플리케이션들에서 무선 전력 전송은 배터리 충전에 사용되고, 무선 충전 시스템과 디바이스간 임시 에너지 저장소로 사용된다. 리튬-이온 셀 같은, 더 나은 배터리 기술들의 출현으로, 배터리를 이전보다 훨씬 더 빠르게 충전하는 것과 무선 급속 충전기로 그렇게 하는 것이 가능해진다. 일반적 수용을 달성하기 위해, 이러한 무선 급속 충전기들은 더 효율적이고 강력할 필요가 있고, 이는 본문에서 논의되는 어플리케이션들 중 일부의 초점이다.

많은 유형의 무선 전력 전송이 있다. 본 개시는 설명되는 것 중 대부분이 또한 다른 유형의 무선 충전 방법들에 적용됨에도 불구하고, 공명 유도 충전(RIC: Resonant Induction Charging)에 초점을 맞춘다. 이름이 내포하는 바와 같이, RIC는 하이-Q 튜닝된 코일들 및 커패시터들을 사용하고, 전력은 코일로부터 코일로 자기장을 통해 전송된다. RIC는 예를 들어, 정밀전자기기(sophisticated electronics)를 요구하는, 초고주파 RF 필드를 포함하는, 원거리장(far-field) 기술들 및 RIC를 사용할 때 한 파장 분율(a fraction of a wavelength) 내에서만 동작하는, 근거리장(near-field)기술들과 다르다. RIC로, 상당히 더 많은 전력이 코일들과 몇 코일 직경들을 초과하는 거리까지 전송될 수 있다. 방사 전자기장(radiating electromagnetic field)보다는 자기장을 이용하는 것은 또한 더 적은 잠재적 건강 위험을 나타낸다.

RIC에 사용되는 일반적 유형의 코일은 평면에 배열된 단일 스파이럴 와인딩(a single spiral winding)을 가지는 평형코일(pancake coil)이다. 도 1의 회로 다이어그램은 RIC에 사용되는 전형적인 회로를 도시하고, 여기서 코일 L1과 L2는 각각, 평형코일(pancake coil)로 제작된, 전송 및 수신 코일일 수 있다. 변압기의 경우와 같이, 상기 코일들의 전기적 특성들이 코일 저항, 자기 인덕턴스 및 상호 인덕턴스로 설명될 수 있다. 상호 인덕턴스는 거리와 방향을 포함하는, 코일들이 서로에 대해 어떻게 배향되는 지의 기하학에 크게 관련되는, 한 코일에 의해 생성되는 필드(field)의 얼마나 많은 부분이 나머지 코일(들)을 가로지르는지에 관련된다. 커플링(coupling)이 감소함에 따라, 줄 열 가열(joule heating)에서 전력 손실이 동일하거나 증가하는 동안 더 적은 전력이 전송되고, 이에 따라 효율이 감소한다.

본 발명은 무선 전력 전송 시스템(WPTS)에서 수신 코일이 전송 코일 근처에 있는지 여부를 감지하는 방법, 무선 전력 전송 시스템(WPTS) 및 전송 코일 작동 주파수를 찾는 방법을 제공하기 위한 것이다.

일반적으로, 일 측면에서, 본 발명들 중 적어도 하나는 무선 전력 전송 시스템(WPTS)에서 수신 코일이 전송 코일 근처에 있는지 여부를 감지하는 방법을 특징으로 삼는다. 상기 방법은: 의사 랜덤 신호(pseudo-random signal)를 상기 전송 코일에 인가하는 단계; 상기 의사 랜덤 신호(pseudo-random signal)가 상기 전송 코일에 인가될 동안, 상기 인가된 의사 랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS내에서 생성되는 하나 이상의 신호들을 기록하는 단계; 상기 하나 이상의 기록된 신호들을 사용하여, 상기 WPTS의 일부 측면에 대한 동적 시스템 모델을 생성하는 단계; 및 수신 코일로서 상기 물체를 구별하는 특성들을 가지는 물체가 상기 전송 코일 근처에 있는지 여부를 판단하기 위해 상기 저장된 훈련 데이터와 결합하여 상기 생성된 동적 시스템 모델을 사용하는 단계를 포함한다.

다른 실시 예들은 다음 특징들 중 하나 이상을 포함한다. 상기 방법은 또한 상기 수신 코일이 상기 전송 코일 근처에 있는 것이 판단되면, 상기 전송 코일을 통해 상기 수신 코일로 무선 전력 전송을 개시하는 단계를 포함한다. 상기 의사-랜덤 신호(pseudo-random signal)는 의사-랜덤 전압 신호(pseudo-random voltage signal)이며 및/또는 상기 수신 코일에 연결된 수신 시스템에서 비선형성들을 자극하기에 충분히 강하다. 상기 하나 이상의 신호들이 상기 전송 코일의 전류 신호 및 아마도 상기 전송 코일의 전압 신호를 포함한다. 상기 생성된 동적 시스템 모델을 사용하는 단계는 수신 코일의 인근 존재를 나타내는 경험적으로-도출된, 저장된 정보에 상기 생성된 동적 시스템 모델에 포함된 정보를 비교하는 단계를 포함한다. 상기 동적 시스템 모델을 생성하는 단계는 상기 하나 이상의 기록된 신호들로부터 도출된 데이터에 선택된 모델을 맞추기 위해 시스템 식별 또는 비선형 시스템 식별을 사용하는 단계를 포함한다. 상기 선택된 모델은 위너 시스템(Wiener system)이며 및/또는 상기 선택된 모델은 동적 선형 부분 및 정적 비선형 부분을 가진다. 상기 동적 시스템 모델이 상기 전송 코일에 대한 임피던스 함수이거나 상기 전송 코일에 대한 전송 전력 함수이다. 상기 생성된 동적 시스템 모델을 사용하는 단계는 기저 함수 파라미터들의 세트를 생성하기 위해 상기 동적 시스템 모델을 기저 함수들로 분해하는 단계 및 수신 코일이 상기 전송 코일 근처에 있는지 여부를 판단하기 위해 기저 함수 파라미터들의 세트를 사용하는 단계를 포함한다. 상기 의사-랜덤 신호(pseudo-random signal)는 가우시안 백색 잡음 신호(Gaussian White Noise signal) 및 의사 랜덤 이진 시퀀스(Pseudo-Random Binary Sequence)(PRBS) 중 선택된 하나이다. 상기 생성된 동적 시스템 모델이 시간 도메인 표현 또는 주파수 도메인 표현을 포함한다.

여전히 다른 실시 예들은 다음 특징들 중 하나 이상을 포함한다. 상기 저장된 훈련 데이터가 저장된 필터 함수에 의해 표현되고 상기 저장된 훈련 데이터와 결합하여 상기 생성된 동적 시스템 모델을 사용하는 단계는 출력 신호를 생성하기 위해 상기 생성된 동적 시스템 모델을 처리하는 단계를 포함하며, 상기 출력 신호는 수신 코일로서 상기 저장된 훈련 데이터로부터 인식가능한 특성들을 가지는 물체가 상기 전송 코일 근처에 있는지 여부를 나타내고 상기 동적 시스템 모델을 처리하는 단계는 상기 저장된 필터 함수를 적용하는 단계를 포함한다. 상기 동적 시스템 모델을 생성하는 단계는 상기 하나 이상의 기록된 신호들로부터 주파수 스펙트럼을 계산하는 단계를 포함한다. 상기 생성된 동적 시스템 모델은 상기 전송 코일에 대한 임피던스 스펙트럼이다. 상기 필터 함수는 비선형 필터 함수이다. 상기 비선형 필터 함수는 서로로부터 상이한 이격 거리들에 위치된 테스트 수신 코일 및 테스트 전송 코일을 포함하는 테스트 시스템에서 수행된 측정들로부터 도출되었다. 상기 방법은 또한 수신 코일이 상기 전송 코일 근처에 있는 것이 감지되면, 상기 감지된 수신 코일로 상기 전송 코일을 통해 무선 전력 전송을 개시하는 단계를 포함한다.

일반적으로, 또 다른 측면에서, 적어도 하나의 발명이 무선 전력 전송 시스템을 특징으로 삼는다. 상기 무선 전력 전송 시스템은 전송 코일; 상기 전송 코일에 연결된 전력 전송 회로; 상기 전송 코일에 연결된 센서 회로; 및 상기 전력 전송 회로 및 상기 센서 회로를 제어하기 위한 제어기를 포함하고, 상기 제어기는 상기 전력 전송 회로가 상기 전송 코일에 의사 랜덤 신호(pseudo-random signal)를 인가하도록 하고; 상기 의사 랜덤 신호(pseudo-random signal)가 상기 전송 코일에 인가되는 동안, 상기 센서 회로가 상기 인가된 의사 랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS 내에서 생성된 하나 이상의 신호들을 기록하도록 하고; 상기 하나 이상의 기록된 신호들을 사용하여, 상기 WPTS의 일부 측면에 대한 동적 시스템 모델을 생성하고; 및 수신 코일로서 물체를 구별하는 특성들을 가지는 물체가 상기 전송 코일 근처에 있는지 여부를 판단하기 위해 상기 저장된 훈련데이터와 결합하여 상기 생성된 동적 시스템 모델을 사용하기 위해 프로그램된 프로세서 시스템 및 훈련 데이터를 저장하기 위한 메모리를 포함한다.

본 발명의 다른 실시 예들은 다음 특징들 중 하나 이상을 포함한다. 상기 하나 이상의 신호들이 상기 전송 코일의 전류 신호 및 전압 신호를 포함한다. 상기 저장된 훈련 데이터가 저장된 필터 함수에 의해 표현되고 출력 신호를 생성하도록 상기 생성된 동적 시스템 모델을 처리함으로써 저장된 훈련 데이터와 결합하여 상기 생성된 동적 시스템 모델을 사용하기 위해 상기 프로세서 시스템이 프로그램되고, 상기 출력 신호가 수신 코일로서 상기 저장된 훈련 데이터로부터 인식가능한 특성들을 가지는 물체가 상기 전송 코일 근처에 있는지 여부를 나타내고 상기 생성된 동적 시스템 모델의 처리는 상기 필터 함수를 적용하는 것을 포함한다. 상기 프로세서 시스템은 상기 하나 이상의 기록된 신호들로부터 주파수 스펙트럼을 계산함으로써 상기 동적 시스템 모델을 생성하도록 프로그램된다. 상기 동적 시스템 모델은 상기 전송 코일에 대한 임피던스 스펙트럼이다.

일반적으로, 여전히 또 다른 측면에서, 적어도 하나의 발명이 무선 전력 전송 시스템(WPTS)에서 전송 코일 구동 신호에 대한 동작 주파수를 찾는 방법을 특징으로 삼는다. 상기 방법은: 상기 전송 코일에 의사-랜덤 신호(pseudo-random signal)를 인가하는 단계; 상기 의사-랜덤 신호(pseudo-random signal)가 상기 전송 코일에 인가될 동안, 상기 인가된 의사 랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS내에서 생성되는 하나 이상의 신호들을 기록하는 단계; 상기 하나 이상의 기록된 신호들을 사용하여, 상기 WPTS의 일부 측면에 대한 동적 시스템 모델을 생성하는 단계; 및 상기 구동 신호에 대한 최적 주파수 탐색을 수행하는 단계를 포함하고, 상기 탐색을 수행하는 단계는 상기 최적 주파수가 발견될 때까지 상기 구동신호의 동작 주파수를 변화하는 동안 상기 구동 신호에 대한 응답을 시뮬레이션하기 위해 상기 생성된 동적 시스템 모델을 반복적으로 사용하는 단계를 포함한다.

다른 실시 예들이 하나 이상의 다음 특징들을 포함한다. 탐색을 수행하는 단계는: 상기 시뮬레이션된 응답으로부터 출력 전력을 계산하는 단계; 목적 함수로서 상기 계산된 출력 전력을 사용하는 단계; 및 상기 목적 함수를 사용하여 상기 탐색을 수행하는 단계를 포함한다. 상기 방법은 또한 상기 구동 신호의 동작 주파수를 최적 주파수로 설정하는 단계를 포함한다. 상기 의사-랜덤 신호(pseudo-random signal)는 의사-랜덤 전압 신호(pseudo-random voltage signal)이다. 상기 하나 이상의 신호들이 상기 전송 코일의 전류 신호를 포함하거나 상기 전송 코일의 전류 신호 및 전압 신호 모두를 포함한다. 상기 전송 함수의 표현을 생성하는 단계는 상기 하나 이상의 기록된 신호들로부터 도출된 데이터에 모델을 맞추기 위해 시스템 식별 또는 비선형 시스템 식별을 사용하는 단계를 포함한다. 상기 선택된 모델은 위너 시스템(Wiener system) 이거나 상기 선택된 모델이 동적 선형 부분 및 정적 비선형 부분을 가진다. 상기 생성된 동적 시스템 모델이 시간 도메인 표현 또는 주파수 도메인 표현을 포함한다.

일반적으로, 여전히 또 다른 측면에서, 본 발명들 중 적어도 하나가 무선 전력 전송 시스템을 특징으로 삼는다. 상기 무선 전력 전송 시스템은 전송 코일; 상기 전송 코일에 연결된 전력 전송 회로; 상기 전송 코일에 연결된 센서 회로; 및 상기 전력 전송 회로 및 상기 센서 회로를 제어하기 위한 제어기를 포함하고, 상기 제어기는 상기 전력 전송기가 상기 전송 코일에 의사 랜덤 신호(pseudo-random signal)를 인가하도록 하고; 상기 의사 랜덤 신호(pseudo-random signal)가 상기 전송 코일에 인가되는 동안, 상기 센서 회로가 상기 인가된 의사 랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS내에서 생성된 하나 이상의 신호들을 기록하도록 하고; 상기 하나 이상의 기록된 신호들을 사용하여, 상기 WPTS의 일부 측면에 대한 동적 시스템 모델을 생성하고; 및 상기 구동 신호에 대한 최적 주파수 탐색을 수행하기 위해 프로그램된 프로세서 시스템 및 훈련 데이터를 저장하기 위한 메모리를 포함하고, 상기 탐색을 수행하는 것은 상기 최적 주파수가 발견될 때까지 상기 구동신호의 동작 주파수를 변화하는 동안 상기 구동 신호에 대한 응답을 시뮬레이션하기 위해 상기 생성된 동적 시스템 모델을 반복적으로 사용하는 것을 포함한다.

일반적으로, 또 다른 측면에서, 본 발명들 중 적어도 하나는 무선 전력 전송 시스템(WPTS)에서 전송 코일 구동 신호에 대한 동작 주파수를 찾는 방법을 특징으로 삼는다. 상기 방법은: 상기 전송 코일에 의사-랜덤 신호(pseudo-random signal)를 인가하는 단계; 상기 의사-랜덤 신호(pseudo-random signal)가 상기 전송 코일에 인가될 동안, 상기 인가된 의사 랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS내에서 생성된 신호를 기록하는 단계; 및 출력 신호를 생성하기 위해 상기 기록된 신호를 처리하는 단계를 포함하고, 상기 출력 신호는 상기 구동 신호에 대해 사용되기 위해 상기 동작 주파수를 식별하고 상기 기록된 신호를 처리하는 단계는 비선형 필터 함수를 적용하는 단계를 포함한다.

다른 실시 예들이 다음 특징들 중 하나 이상을 포함한다. 상기 비선형 필터 함수는 서로로부터 상이한 이격 거리들에 위치된 테스트 전송 코일 및 테스트 수신 코일을 포함하는 테스트 시스템에서 수행된 측정들로부터 도출된다. 상기 인가된 의사-랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS내에서 생성되는 신호를 기록하는 단계는 상기 전송 코일에 의해 생성되는 신호를 기록하는 단계를 포함한다.

일반적으로 또 다른 측면에서, 상기 발명들 중 적어도 하나는 무선 전력 전송 시스템(WPTS)를 특징으로 삼는다. 상기 무선 전력 전송 시스템은: 전송 코일; 상기 전송 코일에 연결된 전력 전송 회로; 상기 전송 코일에 연결된 센서 회로; 및 상기 전력 전송 회로 및 상기 센서 회로를 제어하기 위한 제어기를 포함하고, 상기 제어기는 상기 전력 전송기가 상기 전송 코일에 의사 랜덤 신호(pseudo-random signal)를 인가하도록 하고; 상기 의사 랜덤 신호(pseudo-random signal)가 상기 전송 코일에 인가되는 동안, 상기 센서 회로가 상기 인가된 의사 랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS내에서 생성된 신호를 기록하도록 하고; 및 출력 신호를 생성하기 위하여 상기 기록된 신호를 처리하기 위해 프로그램된 프로세서 시스템 및 비선형 필터 함수를 저장하기 위한 메모리를 포함하고, 상기 출력 신호는 상기 구동 신호에 대해 사용되기 위해 상기 동작 주파수를 식별하고 상기 기록된 신호를 처리하는 것은 비선형 필터 함수를 적용하는 것을 포함한다.

다른 실시 예들은 다음 특징들 중 하나 이상을 포함한다. 상기 비선형 필터 함수는 서로로부터 상이한 이격 거리들에 위치된 테스트 전송 코일 및 테스트 수신 코일을 포함하는 테스트 시스템에서 수행된 측정들로부터 도출되었다. 상기 인가된 의사-랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS 내에서 생성된 신호는 상기 전송 코일에 의해 생성된 신호이다.

일반적으로, 여전히 또 다른 측면에서, 본 발명들 중 적어도 하나는 무선 전력 전송 시스템(WPTS)에서 전송 코일 구동 신호에 대한 파형을 식별하는 방법을 특징으로 삼는다. 상기 방법은: 의사 랜덤 신호(pseudo-random signal)를 상기 전송 코일에 인가하는 단계; 상기 의사 랜덤 신호(pseudo-random signal)가 상기 전송 코일에 인가될 동안, 상기 인가된 의사 랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS내에서 생성되는 하나 이상의 신호들을 기록하는 단계; 상기 하나 이상의 기록된 신호들을 사용하여, 상기 WPTS의 일부 측면에 대한 동적 시스템 모델을 생성하는 단계; 및 상기 구동 신호에 대한 최적 파형 탐색을 수행하는 단계를 포함하고, 상기 탐색을 수행하는 단계는 상기 최적 파형이 발견될 때까지 상기 구동신호의 파형을 변화하는 동안 상기 구동 신호에 대한 응답을 시뮬레이션하기 위해 상기 생성된 동적 시스템 모델을 반복적으로 사용하는 단계를 포함한다.

다른 실시 예들은 다음 특징들 중 하나 이상을 포함한다. 상기 탐색을 수행하는 단계는: 상기 시뮬레이션된 응답으로부터 출력 전력을 계산하는 단계; 목적 함수로서 상기 계산된 출력 전력을 사용하는 단계; 및 상기 목적 함수를 사용하여 상기 탐색을 수행하는 단계를 더 포함한다. 상기 WPTS내에서 생성된 하나 이상의 신호들은 상기 인가된 의사-랜덤 신호(pseudo-random signal)에 응답하여 상기 전송 코일에 의해 생성되는 신호를 포함한다.

일반적으로, 또 다른 측면에서, 본 발명들 중 적어도 하나는 무선 전력 전송 시스템을 특징으로 삼는다. 상기 무선 전력 전송 시스템은: 전송 코일; 상기 전송 코일에 연결된 전력 전송 회로; 상기 전송 코일에 연결된 센서 회로; 및 상기 전력 전송 회로 및 상기 센서 회로를 제어하기 위한 제어기를 포함하고, 상기 제어기는 상기 전력 전송기가 상기 전송 코일에 의사 랜덤 신호(pseudo-random signal)를 인가하도록 하고; 상기 의사 랜덤 신호(pseudo-random signal)가 상기 전송 코일에 인가되는 동안, 상기 센서 회로가 상기 인가된 의사 랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS 내에서 생성된 하나 이상의 신호들을 기록하도록 하고; 상기 하나 이상의 기록된 신호들을 사용함으로써, 상기 WPTS의 일부 측면에 대한 동적 시스템 모델을 생성하도록 하고; 및 상기 최적 파형이 발견될 때까지 상기 구동신호의 파형을 변화하는 동안 상기 구동 신호에 대한 응답을 시뮬레이션하기 위해 상기 생성된 동적 시스템 모델을 반복적으로 사용하여 상기 구동 신호에 대한 최적 파형 탐색을 수행하기 위해 프로그램된 프로세서 시스템 및 비선형 필터 함수를 저장하기 위한 메모리를 포함한다.

본 발명의 하나 이상의 실시 예들의 세부 사항은 첨부 도면 및 하기 설명에서 기술된다. 본 발명의 다른 특징들, 목적들 및 장점들은 설명 및 도면들로부터, 그리고 청구범위로부터 명백해질 것이다.

본 발명의 실시예에 따르면, 동적 시스템 모델을 생성하고 사용하여 수신 코일이 전송 코일 근처에 있는지 여부를 감지하여 무선 전력 전송 시스템의 전송 효율을 높일 수 있다.

도 1은 전송 코일 L₁ 및 수신 코일 L₂를 가지는 전력 전송 회로를 도시한다.
도 2는 자유 공간(free space)에서 및 이웃한 동일 코일과 연결된 경우에서 튜닝된 코일의 전형적인 전기 임피던스를 나타낸다.
도 3은 상이한 양으로 서로로부터 이격된 두 코일들에 대한 전송 코일 임피던스 스펙트럼을 도시한다.
도 4는 도 3의 코일 임피던스 스펙트럼에 대응하는 전송 코일 전력 스펙트럼을 도시한다.
도 5는 이격 거리 대 두 코일들에 대한 최적 코일 주파수를 제시한다.
도 6은 위너 시스템(Wiener system)의 블록 다이어그램을 도시한다.
도7은 해머스테인 시스템(Hammerstein system)의 블록 다이어그램을 도시한다.
도 8은 전송 및 수신 코일들을 포함하는 무선 전력 전송 시스템의 블록 다이어그램이다.
도 9는 무선 전력 수신 시스템을 감지하기 위한 무선 전력 전송 시스템의 전송 전력 제어기의 사전 훈련을 위한 알고리즘의 흐름도를 제시한다.
도 10은 무선 전력 수신 시스템의 존재를 감지하기 위해 전송 전력 제어기로 구현되는 알고리즘의 흐름도를 제시한다.
도 11은 무선 전력 수신 시스템의 존재를 감지하기 위해 전송 전력 제어기에 의해 사용되기 위한 비선형 필터를 생성하기 위한 알고리즘의 흐름도를 제시한다.
도 12는 무선 전력 수신 시스템의 존재를 감지하기 위해 도 11의 비선형 필터의 사용을 위한 전송 전력 제어기에 의해 구현된 알고리즘의 흐름도를 제시한다.
도 13은 무선 전력 전송 신호의 주파수를 자동 조정하기 위해 전송 전력 제어기에 의해 구현되는 알고리즘의 흐름도를 제시한다.
도 14a는 무선 전력 전송 신호의 주파수 자동 조정을 위해 전송 전력 제어기에 의한 사용을 위한 비선형 필터를 생성하기 위한 알고리즘의 흐름도를 제시한다.
도 14b는 무선 전력 전송 신호의 주파수 자동 조정을 위해 도 14a의 비선형 필터의 사용을 위한 전송 전력 제어기에 의해 구현되는 알고리즘의 흐름도를 제시한다.
도 15는 무선 전력 신호의 파형을 조정하기 위해 전송 전력 제어기에 의해 적어도 부분적으로 구현되는 알고리즘의 흐름도를 제시한다.
도 16a-b는 외부 물체들을 감지하기 위한 무선 전력 전송 시스템의 전송 전력 제어기의 사전 훈련을 위한 알고리즘의 흐름도를 제시한다.
도 17은 외부 물체들을 감지하기 위해 전송 전력 제어기에 의해 구현되는 알고리즘의 흐름도를 제시한다.
도 18a는 외부 물체의 존재를 감지하기 위해 전송 전력 제어기에 의한 사용을 위한 비선형 필터를 생성하기 위한 알고리즘의 흐름도를 제시한다.
도 18b는 외부 물체의 존재를 감지하기 위해 도 18a의 비선형 필터의 사용을 위한 전송 전력 제어기에 의해 구현되는 알고리즘의 흐름도를 제시한다.

여러 실시 예들의 세부사항을 제시하기 전에, 그러한 실시 예들에 의해 처리될 문제들 중 일부가 먼저 논의될 것이다.

도 2는 예를 들어, 무선 전력 전송 시스템의 전송 코일에 대응할 수 있는, 튜닝된 코일의 전형적인 전기 임피던스를 제공한다. 인덕터와 직렬 연결된 이상적인 커패시터의 임피던스는 곡선 C에 의해 도시된 바와 같이, 공진 또는 자연 주파수에서 "0" 널("zero" null)을 가진다. 수신 코일로서 언급되는, 제2 튜닝된 코일(인덕터 및 커패시터가 병렬로 연결됨)이 전송 코일에 근접하게 될 때, 곡선 A에 의해 도시된 바와 같이 고유 주파수(natural frequency)에서 임피던스는 상당히 증가한다. B로 표시된 곡선은 수신 코일이 또한 외부 루프에서 생성되는 전력을 소모하기 위해 회로에서 저항성 부하(resistive load)를 포함할 때 두 코일 시스템의 임피던스를 도시한다. 알 수 있는 바와 같이, 단지 전송 코일의 두 단자들(terminals)에 대한 접촉(access)을 요구하는, 임피던스 측정은 회로의 동작에 대한 이해(insight)를 얻기 위한 매우 편리한 도구(tool)를 제공한다.

도 2에서 곡선 A에 의해 도시된 바와 같이, 두 코일이 서로 근접할 때 발생하는 더 중요한 현상이 주파수 분할(frequency splitting)이다.주파수 도메인에서 국부적으로(locally) 전력 전송이 최적인 둘 이상의 주파수들이 관찰될 수 있다. 전송 코일 및 수신 코일이 근거리에 올 때, 다시 말해서, 고유 주파수(natural frequency)의 각 측면에서 하나씩, 두 최소값을 관찰한다. (이 현상의 심층 연구를 위해 Alanson P. Sample and Joshua R. Smith, Analysis, Experimental Results, and Range Adaptation of Magnetically Coupled Resonators for Wireless Power Transfer, 2010 IEEE; 및 Huang, X.L., et al., Resonant Frequency Splitting Analysis and Optimization of Wireless Power Transfer System, PIERS Proceedings, Russia, August 19-23, 2012 참조.)

도 3은 수신 코일로부터 몇몇 거리들에서 전송 코일의 전형적인 임피던스를 제공한다. 코일들이 점진적으로 서로 접근할 때, 고유 주파수(natural frequency)에서 임피던스의 피크가 증가하고 임피던스 최소값들이 그 위치의 어느 한 쪽에서 발생하는 두 주파수들이 더 멀리 떨어진다. 그러한 임피던스 스펙트럼으로부터, 얼마나 많은 전력이 코일로 가는지를 표시하는 전력 스펙트럼이 계산될 수 있다. 대응하는 전력 스펙트럼이 도 4에 도시된다. 분명하게 표시된 바와 같이, 더 긴 이격들(separations)에서 모든 실용적인 목적들을 위해 두 피크가 병합할 때까지(시스템의 고유 주파수(natural frequency)에서 병함함), 전력은 두 코일들의 이격(separation)의 함수로서 이격(separation)이 더 작게 되는 두 주파수에서 최대이다(시스템의 고유 주파수(natural frequency)에서 병합함)).

도 5는 다른 무선 시스템을 위해 코일 직경 측면에서 두 코일의 상대적 이격 거리에 대해 최대 전력 전송이 발생하는 최적의 주파수를 제시한다. 관찰될 수 있는 바와 같이, 코일들 간 거리가 코일들의 직경의 약 반보다 더 작을 때, 최대 전력 전송이 관찰되는 두 주파수가 있다. 고정된 설정에서, 전력을 전송하기 위한 최적의 오실레이터 주파수(optimal oscillator frequency)를 선택하는 것은 쉽다. 그러나 동적 상황에서, 코일들이 서로 상대적으로 움직이고 코일들 간 거리가 알려지지 않을 때, 최적의 전력 전송을 유지하는 것이 과제(challenge)가 될 것이다.

일반적으로, 목표는 부하에 전력 전송을 최대화하는 것이다. 실험실 환경에서, 전송기에서 전력 회로에 의해 생성되는 전력을 측정하고 부하에 의해 수신되는 전력을 측정하기 위해 센스 리드(sense lead)를 연결하는 것이 가능하다. 그런 다음 모든 주파수를 스윕하고(sweep) 주기적으로 전송 전력을 통해 수신되는 비율을 측정하고, 피크 전력 전송이 발생하는 주파수를 찾고, 그에 따라서 오실레이터 주파수(oscillator frequency)를 조정하는 것이 가능하다. 최적의 주파수를 찾는 것은 최적화 이론에서 개발된 다수의 알고리즘들을 이용하여 수행될 수 있다. 그러나 가능한 두 로컬(local) 최적 주파수의 존재 및 주파수 분할(frequency splitting)에 기인하여, 확률적 최소화(stochastic minimization)를 포함하는 기법들이 사용되어야 한다. 최적이 발견될 때, 최적 주파수는 로컬 탐색(local searches)을 통해 실시간으로 더욱 신속하게 추적될 수 있다.

그러나 서로에 대해 또는 전송 코일들을 통해 움직이는 자동차들 같은 실제 어플리케이션들에서, 부하에서 소모되는 전력을 직접 측정하는 것이 가능하지 않을 수 있다. 자동 주파수 튜닝이 입사 및 반사 전력을 측정하기 위해 예를 들어, 전송 및 수신 코일들 간에 위치한 방향성 커플러들(directional couplers)을 통해 달성될 수 있다(Sample과 Smith 참조). 또 다른 기술은 부하 전류, 전압 및 전력 같은, 요구되는 측정들을 수신기로부터 전송기로 무선으로 전송하는 것을 포함할 수 있다. 이것은 전력 전송 신호에 의해 영향을 받지 않는 다른 주파수 밴드를 이용하여 수신 코일로부터 전송 코일로 변조 신호를 전송하는 것을 통해 수행될 수 있다. 그 대신에, 광학 또는 음향 신호들 같은, 다른 전송 매체가 정보를 전송기로 다시 전송하기 위해 사용될 수 있다. 2차 코일들(secondary coils)이 이러한 신호들을 전송하기 위해 전력 코일들에 임베드될 수 있다.

Sample과 Smith에 의해 보여진 바와 같이, 코일 포지션(position) 및 방향에 전송되는 전력을 관련시키는 데 모델링 기법들이 사용될 수 있다. 이런 경우에, 두 코일들 간 거리 및 방향을 제공하는 포지션(position) 센서들이 최적의 전력 주파수를 식별하기 위해 사용될 수 있다.

도 1에 도시된 전력 전송 시스템은 정류기들(rectifiers)에서 및 2차 컨버터(secondary converter)에서 같이, 몇몇 비선형성(nonlinearities)을 포함한다. 시스템이 선형이라면, 기술 문헌에 설명된 다수 기법들이 빠르게 시스템을 식별하기 위해 그리고 거기로부터 최적의 파라미터들을 추출하기 위해 사용될 수 있다. 그러나 전송 신호에서 섭동(perturbation)이 부하에서 관찰되는 신호에 어떻게 영향을 주는지를 찾기 위해 이러한 기법들이 사용되기 위한 것이라면, 그것들은 회로에서, 정류기 다이오드(rectifier diodes) 같은, 하드 비선형 소자들(hard nonlinear elements)의 존재에 기인하여 아마도 실패하거나 부정확한 설명들을 제공할 것이다.

증가된 전력 전송이 비정현 과도 파형(non-sinusoidal transient waveform)을 이용하여 달성될 수 있다는 것이 또한 발견되었다. 스위칭 전력 모듈들 또는 전력 FET들이 전자기기에서 전력 소모를 최소화하기 위해 사용되기 때문에 이것은 특별한 장점이고, 이러한 것들이 신호들을 정현파적으로 보다는 펄스 또는 스텝 형태로 생성한다. 이러한 전력 모듈들 또는 트랜지스터들은 IGBT(절연 게이트 양극성 트랜지스터:integrated gate bipolar transistors) 및 HEXFET® 모듈들을 포함한다. IGBT는 전형적으로 더 높은 전압으로 스위칭이 가능하고 HEXFET는 더 높은 주파수에서, 예를 들어 주파수에서 수십 메가 헤르츠까지 스위칭이 가능하다.

코일들이 서로에 대해 병진하고(translate) 회전하는 동안 실시간으로 이러한 신호의 최적 파형을 결정하기 위한 시스템적 방법을 도출하는 것은 하기 설명된 방법들로 성취되는 목표들 중 하나이다.

비선형 시스템 식별

본원에서 기술된 실시 예 중 적어도 일부는 성취되는 결과들을 달성하기 위해 비선형 시스템 식별을 사용한다. 그래서, 다양한 실시 예들의 세부사항들을 논의하기 전에, 비선형 시스템 식별의 간략한 검토가 먼저 제공될 것이다.

Frechet의 정리로부터 잘 알려진 바와 같이, 임의의 유한-메모리 시-불변 비선형 동적 시스템(finite-memory time-variant nonlinear dynamic system)은 유한 구간 평방 적분(square integrable over a finite interval)인 모든 입력들에 대한 유한 차수 볼테라 급수(finite order Volterra series)로 임의의 정밀도로 표현될 수 있다. 볼테라 급수는 커패시터들 또는 인덕터들과 같은 디바이스의 "메모리" 효과를 캡처할 수 있는 것만 제외하고, 테일러 급수(Taylor series)와 유사하다. 동적, 비선형, 시-불변 기능의 함수적 확장을 나타내는 볼테라 급수는 하기 형태의 다차원 컨볼루셔널 적분의 무한 합이다:

볼테라 급수(Volterra series)에 밀접하게 관련된 것이 위너 급수(Wiener series)이다. 위너 급수(Wiener series)에서, 순수 랜덤 백색 잡음 입력에 대해 항들이 직교화되고, 예를 들어, 상호 상관 기법(cross-correlation techniques)을 이용하여 보다 용이하게 식별된다.

Korenberg(in Parallel Cascade Identification and Kernel Estimation for Nonlinear Systems, Annals of Biomedical Engineering, vol. 19, pp. 429-55 (1990))는 유한 볼테라 급수에 의해 표현될 수 있는 임의의 이산-시간 유한-메모리 시스템(discrete-time finite-memory system)이 정적 비선형이 뒤잇는 동적 선형 시스템의 병렬 캐스케이드의 유한 급수로 또한 표현될 수 있음을 증명함으로써 상기 참조된 Frechet의 정리를 확장했다(예를 들어, 위너 시스템(Wiener systems) 또는 LN 시스템들의 캐스케이드에 의해).

동적 시스템 모델의 한 예는 도 6에서 도시된, 위너 시스템(Wiener system)이다. 이러한 시스템에서, h(τ)에 의해 표현되는 동적 선형 시스템은

에 의해 표현되는 정적 비선형 시스템이 뒤따른다. 이는 또한 LN 시스템으로 언급된다. 동적 선형 시스템은 고정적이고(시간 불변), 안정되고, 메모리가 없어야 한다. 출력 시간 함수 u(t)에 대해 입력 시간 함수 x(t)의 모든 가능하고 허용가능한 세트를 맵핑한다. 정적 비선형성은 상기 함수의 범위내 실제 값들 "y(t)"로 허용가능한 실제 값들 "u(t)"의 범위를 매핑한다. 동적 선형 부분 및 정적 비선형성, 이러한 두 요소들(components)이 파라미터적으로 또는 비 파라미터적으로 중 하나로 표현될 수 있다. 일반적으로, 파라메트릭 표현은 파라미터 a₀,a₁,…a_n 을 포함하는 일부 유형의 심볼릭 표현을 포함한다. 예를 들어, 다음과 같은 다항식이 정적 비선형성을 나타내기 위해 이용될 수 있다:

위너 시스템들(Wiener systems)은 캐스케이드 또는 블록 구조화된 시스템들로 알려진 모델들의 클래스의 인스턴스들이다. 캐스케이드 또는 블록 구조화된 시스템들의 다른 인스턴스들은: 도 7에 도시된 바와 같이, 동적 선형 시스템이 정적 비선형 시스템(NL)을 따르는, 해머스타인 시스템들(Hammerstein systems); 및 비선형성이 그 다음 또 다른 선형 시스템(LNL)이 뒤따르는 선형 시스템인 캐스케이드 시스템들을 포함한다.

많은 시스템 식별 방법들이 있다. 일부는 매우 일반적이고, 다른 것들은 더 구체적이고 시스템에 적용되는 입력 함수의 속성들(properties)에 관한 가정에 기초한다. 그것들은 또한 상기 모델이 사용되는 공간에 의존할 수 있다. 가장 일반적인 비선형 시스템 식별 기술들 중 하나는 예측 모델에서 에러를 제공하는 함수를 표현하는 것을 포함한다. 시스템의 파라메트릭 표현을 사용하여, Levenberg-Marquardt기법 같은 비선형 최소화 기법이 에러 함수를 최소화하는 파라미터들을 찾는데 사용될 수 있다. 이 접근법은 일반적이고 구현하기가 간단하지만 전형적으로 다른 기술에 비해 계산적으로 비효율적이다.

위너(Wiener)(LN) 모델의 비파라메트릭 형태의 경우에, 극도로 효율적인 기술들이 Korenberg와 Hunter에 의해 개발되어 왔다. 그들은 또한 해머스타인(Hammerstein)(NL)시스템들을 식별하기 위한 효율적인 기법들을 개발했다. 이러한 기법들은 Hunter et al.의 The Identification of nonlinear Biological Systems: Wiener and Hammerstein Cascade Models, Biological Cybernetics, vol. 55 pp. 135-44 (1986) 에서 설명된다. 그리고 예를 들어, Korenberg et al., The Identification of Nonlinear Biological Systems: LNL Cascade Models, Biological Cybernetics, vol. 55, pp. 125-34, (1986) 에서 기술된 바와 같이, 그들은 정적 비선형성 및 또 다른 선형 시스템(LNL)이 뒤따르는 선형-시스템의 병렬 캐스케이드를 식별하기 위한 실용적이고 효율적인 기법들을 개발했다. 유한 메모리를 가진 모든 연속적 이산 시간 시스템이 LNL 시스템들의 유한 합에 의해 균일하게 근사될 수 있다는 것이 증명되었다.

수치적으로 구현되는 비파라메트릭 함수들은 결국 샘플링된 함수들로 표현되고 매우 큰 수의 수치들을 포함한다. 그러므로, 종종 이러한 샘플링된 데이터 함수들은 파라메트릭 형태로 변환된다. 이러한 방식으로, 계산의 효율성이 보존되고 최종 표현이 결국 더 간명하게(more parsimonious) 된다. 많은 경우들에서, 임펄스 응답의 검사 후에 시스템의 순서가 추정될 수 있고 간략화된 차수축소모델(reduced-order model)을 맞춘(fitting) 후 임펄스 응답이 결국 필터링되고 노이즈가 더 적게 된다.

더 특별하게, 위너와 볼테라 커널들(Wiener and Volterra kernels)에 대한, 비선형 시스템 식별 이용의 부가적인 해설이 또한 다음 참조문헌들에서 발견될 수 있다: Korenberg, et al., Exact Orthogonal Kernel Estimation From Finite Data Records: Extending Wiener's Identification Of Nonlinear Systems, Annals of Biomedical Engineering, vol. 16, pp. 201-14 (1988); Korenberg, et al., The Identification of Nonlinear Biological Systems: Wiener Kernel Approaches, Annals of Biomedical Engineering, vol. 18, pp. 629-54 (1990); 및 Korenberg, et al., The Identification of Nonlinear Biological Systems: Volterra Kernel Approaches, Annals of Biomedical Engineering, vol. 24, pp. 250-68 (1996). 추가적인 세부사항들은 또한 그 내용이 본원에서 참조로 원용된 컨텐츠, Ian W. Hunter and Serge R. Lafontaine의 "배터리 신속 충전을 위한 장치 및 방법"이라는 제목의 US 특허 출원 공개 번호 2012/0098481 에서 찾을 수 있다.

히스테리시스(hysterisis)를 가지는 시스템이 상기 언급된 Korenberg와 Hunter 구조화된 블록들을 식별하기 위한 빠른 식별 방법들의 이용에 적합하지 않은 반면, 파라메트릭 접근법에 적합한 것에 유의해야 한다. 전술한 바와 같이, 파라미터 접근법이 사용되면, 에러 함수, 예를 들어 예측된 위너(Wiener) 출력 및 실제 시스템 출력 간 차이를 최소화하는 파라미터들을 찾기 위해 Levenberg-Marquardt 기법이 사용될 수 있다.

적절한 곳에서, 본원에서 논의된 비선형 시스템 식별을 수행하기 위해 상기 언급된 기법들이 사용될 수 있음이 이해되어야 한다.

무선 전력 전송에 비선형 시스템 식별의 응용

본원에서 기술된 실시 예에서, 상기 언급된 기법들을 사용하는 비선형 시스템 식별은 다음을 위해 전송 코일에 공급되는 전력 신호의 파라미터들을 조정하기 위해 급속 충전기들 및 무선 전력 전송을 향상하는데 적용된다: 수신 코일이 전력 전송을 시작하기 위해 충분히 가깝게 근접한 때를 감지; 수신 코일이 움직일 때 자동적으로 주파수를 조정; 전력을 전송하는 데 사용되는 신호의 파형을 조정; 및 물체가 전력 전송을 방해할 때를 감지.

이러한 기능들을 구현하는 다양한 실시 예들이 이하에 상세히 기술된다.

무선 전력 전송 시스템

도 8을 참조하면, 다양한 실시 예들이 구현될 수 있는 시스템의 한 예가 무선 전력 전송 시스템(10)과 수신 시스템(50)을 포함한다. 바람직한 어플리케이션에 따르면, 전송 시스템은 플랫폼(11)에 위치할 수 있고, 이는 고정 플랫폼일 수 있거나 차량이나 차량의 바퀴같은, 모바일 플랫폼일 수 있다. 모바일 플랫폼상 장비, 예를 들어, 전기 엔진, 을 작동하기 위해 에너지를 저장하기 위한 충전 가능한 배터리 모듈(56)을 포함하는 모바일 플랫폼(51)(예를 들어, 전기 자동차 또는 차량 바퀴)에 수신 시스템이 위치한다.

전송 시스템은 공진 유도 충전(RIC: resonant inductive charging)으로 수신 시스템으로 전력이 무선으로 전송되는 전송 코일(12)을 포함한다. 전송 시스템은 또한 전송 코일을 구동하는 전력 전송 회로(14), 전력 전송 회로(14)를 작동하고 하기 기능들을 수행하는 전력 전송 제어기(16), 전송 코일(12)에 전력을 공급하고 다양한 다른 전기 요소(electrical components)에 전력을 공급하기 위한 전력 공급 시스템(18), 및 전송 코일(12)에서 전류 및 전압 신호들을 측정하고 기록할 수 있는 측정 회로와 센서(20)를 포함한다.

제어기는 본원에서 설명된 알고리즘들을 실행하기 위한, 전력 전송 회로를 구동하기 위한 코드를 실행하기 위한, 그리고 상기 전력 전송 시스템과 연관된 다른 기능들을 수행하기 위한 프로세서 시스템(24)(하나 이상의 프로세서들을 포함)을 포함한다. 본원에서 설명된 알고리즘들을 구현하는 과정에서 본원에 설명된 알고리즘들의 기능에 대응하는 코드를 포함하는, 프로세서 시스템(24)에 의해 실행되는 코드를 저장하기 위한 그리고 프로세서 시스템(24)에 의해 사용되는 데이터 및 프로세서 시스템(24)에 의해 생성되는 데이터를 저장하기 위한 메모리(RAM 과 ROM)(26) 또한 포함한다. 또한 프로세서 시스템(24)이 액세스하는, 상기 프로세서 시스템에 연결된 하드 드라이브(28)가 있다. 하드 드라이브(28)는 본원에서 설명되는 알고리즘들을 구현하기 위해 활성 메모리로 로딩되고 프로세서상에서 실행되는 프로그램들을 위한 컴퓨터 판독가능한, 디지털 스토리지(digital storage)를 제공한다.

수신 시스템(50)은 전송 코일(12)을 통해 전송된 전력을 무선으로 수신하는 수신 코일(52)을 포함한다. 수신 시스템(50)은 또한 재충전 가능한 배터리 모듈(56)(예를 들어 리튬 이온 배터리 셀들을 포함함) 및 배터리 모듈(56)의 동작을 관리하기 위한 배터리 운영 시스템(54)를 포함한다. 본원에서 기술된 실시 예들에 관해, 배터리 관리 시스템(54)는 수신 코일(52)를 통해 이웃하는 전력 전송 시스템으로부터 전력이 무선으로 수신될 때 배터리 모듈(56)의 충전 지원을 담당한다.

수신 시스템의 존재 감지

일반적으로, 수신 코일이 전력을 수신하는 포지션(position)에 있을 때만 전송 코일들에 전력을 공급하는 것이 바람직하다. 수신 코일의 존재가 근접 스위치, RFID 태그, 측대파(sideband)에서 수신 코일로부터 전송 코일에 방사되는 저전력 신호, 음향 또는 광 트랜시버를 이용, 또는 버튼을 누르는 오퍼레이터(operator)같은 많은 수단들을 사용하여 감지될 수 있다. 그러나 그러한 기술들 중 하나가 사용될 때조차, 감지된 수신기가 적절한 위치에 있는지를 여전히 확인할 필요가 있다. 또한 적당한 코일(legitimate coil)의 존재를 자동적으로 감지하고 코일이 바른 포지션(position)에 있을 때 자동적으로 충전을 시작하는 것이 바람직할 수 있는 경우들이 있을 것이다.

도 2에 도시된 바와 같이, 전송 코일로부터 측정된 임피던스는 수신 코일이 수신기 쪽으로 이동함에 따라 상당한 변화를 거치고 이는 수신 코일을 감지하기 위한 수단들을 제공한다. 상기 임피던스는 주파수 범위에 걸쳐 순수 사인파 신호를 스위핑(sweeping)하고 주파수 함수로서 전류에 대한 전압비를 플로팅(plotting)하여 획득될 수 있다. 그러나 시스템 식별은 더 나은 접근법을 제공한다. 시스템 이론에서, 동적 시스템은 출력 시간 함수의 범위로 허용 시간 함수의 도메인을 매핑한다. 시변전압(time-varying voltage)(또는 전류)에 의해 촉발되고(excited) 전류(또는 전압)의 형태로 시간 응답을 제공하는 시스템으로 코일이 고려될 수 있다. 표준 비-파라메트릭 시간-도메인 선형 시스템 식별 기법들은 전송 코일의 경우에 임피던스에 대응하는, 주파수 도메인 시스템 응답을 계산하는데 사용될 수 있는 임펄스 응답으로서 시스템 모델을 제공한다. 이러한 기법들이 다음 공개 문헌들에서 설명된다: Eykhoff, P., System Identification: parameter and state estimation, Wiley, London (1974); Goodwin, G.C., Payne, R.L., Dynamic system identification: experimental design and data analysis, Academic Press, New York (1977); Graupe D, Identification of systems, Van Nostrand Reinhold, NY (1976); 및 Ljung, System Identification - Theory for the User, 2nd Ed., PTR Prentice Hall, (1999).

상기와 언급된 바와 같이, 시스템 이론은 또한 볼테라 급수 확장(Volterra series expansion)의 커널들 또는 구조화된 블록 시스템 표현의 블록들 같은 비선형 시스템 표현들을 제공하는 다수의 비선형 시스템 인식 기법들을 제공한다.

비선형 시스템 식별에서, 통상의 어드미턴스(임피던스)(admittance (impedance)) 측정들에 대응하는, 선형 파트는 임피던스 스펙트럼을 획득하기 위해 잘 확립된 기법들(예를 들어, 이산 푸리에 변환(Discrete Fourier Transform))을 이용하여 주파수 도메인에 매핑될 수 있는 임펄스 응답 형태로 시간 도메인에서 획득된다. 볼테라 급수(Volterra series)의 경우에 고차 커널들(the higher order Kernels) 또는 블록 구조화된 접근법의 경우에 비선형성들인 비선형 요소들(components)은 2차 코일에 존재하는 전자 요소들(정류기 등) 같은 비선형 요소들(components)의 시그니처(signature)를 제공한다. 따라서, 비선형 요소들(components)의 단순한 존재는 충전하기 위한 또는 전력을 공급하기 위한 시스템의 존재에 관한 정보를 제공할 것이다. 그러나 이것은 보통 다른 전자 요소들(components)의 형태로, 비선형 요소들(components)을 포함하는 다른 시스템들이 전송기 근방에 올 수도 있는 경우에는 충분하지 않을 수 있다.

모든 수신기가 거의 동일한 특성들을 가지는 것으로 알려진 경우에, 코일 감지 시스템은 도 9에 도시된 바와 같이 사전 훈련될 수 있다. 제1 수신기가 상이한 위치들에서 사용되고, 가능한 한 다양한 충전 레벨들 및 주변 온도들에 대해 테스트된다. 전력 신호가 전송 코일에 인가되고 상이한 동적 시스템 모델들 또는 각 포지션(position) 및 다른 요구되는 파라미터들에 대한 그것의 표현들을 획득하기 위해 비선형 시스템 식별이 사용된다. 이러한 상이한 모델들이 모델 파라미터 공간을 정의하기 위해 데이터베이스에 보관된다. 그런 다음, 도 10에 도시된 바와 같이, PR(pseudo-random) 신호를 인가하고 결과로 초래된 코일 동역학(resulting coil dynamics)을 모델링하기 위해 비선형 시스템 식별을 사용하는 것을 포함하는 실험들이 반복적으로 수행되는 감지 단계가 구현된다.

임피던스 스펙트럼 및 비선형성들의 공간을 파라미터화하기 위해, 최적의 직교 기저 함수들(orthogonal basis functions)의 세트가 특이값 분해(SVD: Singular Value Decomposition), 주성분분석(PCA: Principal Component Analysis), 웨이블릿(wavelets), 또는 스플라인(splines) 같은 기법들을 사용하여 결정된다. 모델 함수들이 그 주성분들로 분해되고 따라서 임계값을 초과할 때, 획득된 계수들이 수신 코일의 존재를 표시하기 위해 사용된다. 이러한 기법들의 심층 연구를 위해, Chatterjee, Anindya, An introduction to the proper orthogonal decomposition, Current Science, Vol. 78, No. 7, 2000 을 참조한다.

도 9 및 도 10에 도시된 알고리즘들의 동작은 이제 더 상세히 기술될 것이다.

도 9를 참조하면, 전송 전력 제어기를 사전 훈련하기 위한 절차는 먼저 테스트가 수행될 시스템 구성들의 대표 세트를 정의하는 것으로 시작한다(100). 감지가 필드(field)에서 수행될 것들과 동일한 시스템들을 사용하여 상기 테스트들이 수행된다. 구성들의 대표 세트는 적어도 전송 코일에 대한 수신 코일의 방향들 및 위치들의 범위를 포함할 것이다. 부가적으로, 그것은 비선형 모델의 세부사항에 영향을 미칠 것으로 예상될 수 있는 하나 이상의 동작 파라미터들(operational parameters)에 대한 상이한 값들 또한 포함할 것이다. 이러한 동작 파라미터들(operational parameters)은 예를 들어, 수신 시스템의 온도 및 상기 수신 시스템에 의해 충전될 배터리의 충전 상태를 포함할 수 있을 것이다. 위치들 및 방향들의 선택은 상기 필드(field)에서 전력 전송기의 동작 동안 관련있는 것으로 간주되는 상대적인 물리 관계들에 의해 설명된다(guided). 예를 들어, 이것은 전력 전송이 발생하기 시작할 수 있는 최대 거리를 확립하고 그런 다음 점진적으로 수신 코일을 전송 코일을 향해 이동함으로써 더 가까운 거리를 정의하는 것을 포함할 수 있다. 더 완전한 데이터 세트를 구성하기 위해, 이것은 수신 코일이 상이한 경로들을 따라 그리고 상기 전송 코일에 대한 상기 수신 코일의 상이한 방향들에 대해 전송 코일을 향해 이동됨에 따라 반복될 수 있다.

이러한 위치들과 방향들의 정의된 세트를 사용하여, 상기 정의된 구성들 각각에 대해 데이터가 수집되고 처리된다(102-114). 이것은 각 구성에 대해, 상기 무선 수신 시스템에서 상기 비선형 소자들을 자극하기 위해 충분한 전력을 포함하는 의사-랜덤(pseudo-random) 전압 신호(예를 들어, GWN 전압 신호 또는 PRBS)를 가지는 상기 전력 전송 회로의 전송 코일을 구동하는 것을 포함한다(102). 전력이 상기 전송 코일에 적용되는 동안, 상기 전송 코일에서 전압 및 전류가 측정되고 기록된다(104). 상기 인가되는 전압 파형이 알려지기 때문에, 이론적으로 그것은 단지 상기 전송 코일에서 전류 신호를 측정하기 위해 필요가 있을 것이다. 그러나 실제로 상기 인가되는 전압신호가 상기 전송 코일에 도달할 때까지 상기 전송 회로의 다른 소자들의 영향로 인해 다소 차이가 있을 가능성이 있다. 따라서, 시스템 모델링에서 더 높은 수준의 정확도를 달성하기 위해, 상기 전송 코일에서 전류 신호 및 전압신호 모두를 측정하는 것이 바람직하다.

상기 전류 및 전압 신호들을 측정한 후에, 측정되는 시스템에 대한 상기 동적 시스템 모델(예를 들어, 임피던스)을 특성화하는 상기 선형 및 비선형 파형들의 추정(estimate)을 획득하기 위해 적절한 비선형 시스템 모델(예를 들어, 위너 모델(Wiener model))을 상기 측정된 데이터에 맞추도록 상기 참조된 것들 중 하나같은, 공지의 비선형 시스템 식별 절차가 사용된다(106). 이러한 경우에, 상기 선형 파형이 상기 동적 선형 부분(또는 상기 전송 함수)을 나타내는 임펄스 응답이고, 상기 정적 비선형 파형이 상기 모델의 비선형 정적 부분에 대한 최적 다항식일 수 있다.

상기 실시 예에서, 상기 선형 파형의 표현이 상기 임펄스 응답을 대응하는 임피던스 스펙트럼으로 변환하기 위한 적절한 기법(예를 들어, 푸리에 변환 또는 FFT)을 사용함으로써 주파수 도메인으로 변환된다(108). 상기 대응하는 비선형 파형을 따라 계산된 임피던스 스펙트럼이 계산되었던 특정 구성과 관련하여 저장된다(110).

이 일련의 데이터 획득 단계들이 상기 전송/수신 시스템의 동적 시스템 모델들의 데이터베이스를 구축하기 위해 모든 정의된 구성들에 대해 반복된다. 다시 말해서, 막 완료된 테스트에 대해 상기 계산된 정보를 저장한 후에, 모든 위치들이 테스트되었는지 여부가 결정된다(112). 더 많은 위치들이 테스트되기 위해 남아있다면, 상기 수신 코일이 소정의 위치들/방향들 중의 또 다른 위치 또는 방향으로 이동되고(114), 일련의 측정들 및 계산들이 새로운 구성에 대해 반복된다.

결과로 초래되는 데이터베이스는 비선형성들 및 임피던스 스펙트럼의 공간을 나타낸다. 그런 다음 상기 공간은 저장된 파형들의 두 세트들에 대한 최적 기저(optimal basis)를 결정함으로써 파라미터화된다. 다시 말해서, 이것은 상기 임피던스 파형들 모두에 대해 수행되고(116) 상기 비선형성 파형들 모두에 대해 수행된다(118). 다양한 공지의 기법들 중 어느 것이나 이것을 달성하기 위해 사용될 수 있다. 상기 실시 예에서, SVD(특이값 분해: Singular Value Decomposition)가 사용된다. 상기 두 파형 세트들에 대해 기저 함수들의 최적 세트가 계산된 후에, 기저 함수들의 축소된 세트가 정의된다(120). 이는 상기 파형들을 표현하고 그 파형들을 표현하는 측면에서 작은 설명력을 가지는 그 기저 함수들을 제거하는데 가장 효과적인 최적 기저 함수들(optimal basis functions)의 서브세트를 선택하는 것을 포함한다. 다시 말해서, 충분히 구별하고 있는 기저 함수들의 세트의 서브세트를 식별하는 것을 포함한다. 축소된 세트를 식별하기 위한 기법들은 잘 알려져 있다.

상기 데이터를 생성하도록 사용되었던 상기 시스템들을 이용하여, 또한 상기 수신 코일 무선 전력 전송의 포지션들(positions) 및/또는 구성들이 성공적으로 개시될 수 있는 경험적 결정이 식별하기 위해 내려진다. 이러한 결정들은 바른 포지션(position)에 있는 감지된 수신기를 나타내는 영역들을 식별하기 위해 모델 공간을 구획(partitioning)하기 위한 기반을 제공한다. 일반적으로 공지의 분류 방법들이 무선 전력 전송을 개시하기 위한 허용 거리 내에 있는 수신기를 표현하는 영역들을 정의하기 위해 상기 모델 공간의 구획(partitioning) 또는 클러스터링(clustering)을 수행하도록 사용된다.

도 9에서 도시된 프로세스 실행의 결과는 최적 기저 함수들의 축소된 세트를 포함하는 훈련데이터 세트이다. 상기 전력 전송 제어기들은 수신 시스템이 무선 충전을 개시하기 위한 범위 내에 있는지 여부를 결정하기 위해 상기 공간의 분류를 위한 임계값 기준뿐만 아니라 상기 모델 공간에서 동적 시스템 모델들을 정의하는 데이터 및 상기 모델 공간을 특성화하는 기저 함수들의 최적 세트를 포함하는, 상기 훈련 데이터를 사용한다. 상기 훈련 데이터는 상기 전력 전송 제어기들의 부분인 및/또는 그것들에 액세스 가능한 로컬 메모리(local memory)에 저장된다.

상기 전송 전력 제어기의 프로세서 시스템에 의해 구현되는 알고리즘이 도 10에 도시된다. 그 주변 내 수신 시스템을 탐색하기 위해 활성화될 때(200), 상기 전송 전력 제어기가 수신 시스템의 존재를 감지하기 위해 반복적으로 그 전송 코일의 임피던스를 검사하는 탐색 루프를 개시한다(202-216). 이 루프로 들어올 때마다, 의사-랜덤(pseudo-random) 전압 신호를 상기 전송 코일에 인가하고(202) 상기 전송 코일의 전압 신호 및 전류 신호 모두를 측정하고 기록한다(204). 상기 전송 전력 제어기에 저장되는 상기 훈련 데이터를 생성하기 위해 사용되었던 동일한 의사-랜덤 신호(pseudo-random signal)를 사용한다. 그런 다음 상기 제어기는 동적 시스템(예를 들어, 상기 전송 코일의 임피던스 또는 어드미턴스)의 위너 모델(Wiener model)을 상기 측정된 데이터에 맞추도록 이전에 활용된 비선형 시스템 식별 절차들을 사용한다(206). 이것은 비선형 모델을 나타내는 정적 비선형 파형 및 동적 선형 파형을 초래한다. 임펄스 응답으로서 시간 도메인과는 대조적으로, 상기 저장된 참조 데이터가 주파수 도메인에서 임피던스 스펙트럼으로 나타내졌기 때문에, 상기 데이터베이스에 저장되는 것에 대하여 비교될 수 있도록 상기 전송 제어기는 상기 동적 선형 파형을 대응하는 임피던스 스펙트럼으로 변환한다(208). 이 점에서, 상기 처리의 결과는 임피던스 스펙트럼 및 비선형 파형이다.

상기 참조 데이터에 대해 도출되었던 기저 함수들의 축소된 세트를 사용하여, 상기 전송 제어기는 상기 임피던스 스펙트럼을 각각의 기저 함수들로 분해하고 상기 비선형 표현을 각각의 기저 함수들로 분해한다(212). 그 결과는 상기 파형들을 나타내기 위해 기저 함수들에 주어진 가중치들을 나타내는 계수들의 세트이다.

그런 다음, 상기 모델 공간에 대해 이전에 계산된 분류 정보를 사용하여, 상기 전송 제어기는 무선 전력 전송을 개시하기 위해 바른 포지션(position)에 있는 수신 코일을 감지했는지 여부를 결정한다(214). 예를 들어, 경험적으로 유도된 임계값들을 사용하여 테스트 물체들을 나타내는 계산된 영역들에 전류 측정들을 나타내는 모델 공간에서 포인트들을 비교함으로써 이를 수행할 수 있다.

수신 코일이 무선 전력 전송을 개시하기 위한 범위 내에서 감지된 것이 판단된다면, 상기 제어기는 무선 전력 전송의 개시를 야기하는 신호를 생성한다(216, 218). 그렇지 않으면, 상기 전송 제어기는 방금 설명된 감지 루프를 반복한다(216, 202). 상기 전송 제어기는 무선 전력 전송이 수행될 수 있는 수신 코일을 감지할 때까지 루프를 통해 순환을 계속한다.

도 9 및 도 10과 관련하여 기술된 접근법은 간접적 방법을 사용한다. 간접적 방법으로, 선형 또는 비선형 모델이 먼저 획득된다. 그런 다음, 이러한 모델들의 파형들이 적절한 기저 함수들을 사용하여 분해된다. 그리고 그때서야 수신 유닛의 포지션(position)의 장점의 측정치를 얻기 위해 분류방법으로 기저함수들의 파라미터들이 사용될 수 있다.

대조적으로, 비선형 시스템 식별 방법들은 수신 유닛이 얼마나 가까운지의 측정치를 제공하는 것과 같은, 동일한 목표를 달성하기 위한 직접적 방법들을 구현하기 위해 또한 사용될 수 있다. 이러한 직접적 방법은 출력 함수들의 범위에 입력 함수들의 도메인의 결정적 시불변 메모리-리스 매핑(deterministic time invariant memory-less mapping)으로 재구성될 수 있는 임의의 비선형 프로세스가 볼테라 급수 확장 또는 구조화된 블록들의 병렬 캐스케이드 같은 비선형 시스템에 의해 표현될 수 있고, 그리고 입력 및 출력 의사 신호들(input and output pseudo-signals)에 충분한 정보가 포함된다면 상기 시스템들이 입력 함수로부터 식별될 수 있다는 사실을 장점으로 가진다. 이 접근법의 기저에 깔린 기본 원리들의 심층 연구가 Green et al., "Recognition of Adenosine Triphosphate Binding Sites Using Parallel Cascade System Identification", Annals of Biomedical Engineering, Vol. 31, pp. 462-470, 2003 (이하 Green이라 함)에서 발견될 수 있다.

이러한 접근법을 이용하는 실시 예가 도 11 및 도 12에 도시된다. 상기 도시된 실시 예에서, 수신기를 감지하기 위해 코일의 임피던스가 사용된다. 일반적으로, 도 11에 도시된 바와 같이, 상이한 수신 코일 포지션들(positions)에 대한 셀 임피던스 스펙트럼의 컬렉션이 수집된다. 그런 다음, 각 측정된 스펙트럼이 N개 포인트로 구성된다고 가정하면, 대응하는 코일 포지션(position)에서 역시 N개 포인트로 구성된 일정한 포지션(position) 신호가 생성되고, 상기 측정된 스펙트럼의 각 포인트가 대응하는 수신 코일 포지션(position)에 할당된다. 시스템 식별 목적들을 위해, 상기 임피던스 스펙트럼을 함께 연결하여 입력 신호가 생성되고 상기 포지션(position) 신호들을 함께 연결하여 출력 신호가 생성된다. 이어서, 비선형 시스템 식별을 사용하여, 구조화된 블록들의 병렬 캐스케이드 같은, 비선형 모델이 상기 입력-출력 시스템에 대해 획득된다.

그런 다음 도 12에 도시된 바와 같이, 이 모델이 수신 코일 포지션(position)의 추정자(estimator)로서 사용된다. 이를 위해, 알려지지 않은 코일 포지션(position)에 대해 획득된 스펙트럼이 얻어지고 상기 추정된 비선형 모델에 입력으로 사용된다. 상기 비선형 모델로부터 계산된 출력이 상기 수신 코일 포지션(position) 추정을 직접적으로 제공한다. Green에서 설명된 바와 같이, 상기 출력 신호의 최종 값은 상기 추정된 코일 포지션(position)으로 사용된다.

도 11 및 도 12에 도시된 알고리즘들의 상세 사항이 이제 더 자세하게 설명될 것이다.

도 11은 수신 코일을 감지하기 위한 전송 제어기 사전 훈련을 위한 절차를 도시한다. 도 12와 관련하여 이전에 기술된 바와 같이, 상기 절차는 먼저 테스트들이 수행될 시스템 구성들의 대표 세트를 정의하는 것으로 시작한다(300).

이 정의된 시스템 구성들의 세트를 사용하여, 데이터가 수집되고 소정의 구성들 각각에 대해 처리된다. 이는 각 구성에 대해, 상기 무선 수신 시스템에서 상기 비선형 소자들을 자극하기 위해 충분한 전력을 포함하는 의사-랜덤(pseudo-random) 전압 신호(예를 들어, GWN 전압 신호)로 상기 전력 전송 회로의 전송 코일을 구동하는 것을 포함한다(302). 전력이 상기 전송 코일에 인가될 동안, 상기 전송 코일에서 전압 및 전류가 측정되고 기록된다(304). 상기 전류 및 전압 신호들을 측정한 후에, 상기 임피던스 스펙트럼이 계산된다(306). 상기 실시 예에서, 이는 다음과 같은 측정된 신호들의 상호상관(cross-correlations)을 이용하여 수행된다:

여기서 C_xx(τ)가 전압 신호의 자기상관(autocorrelation)이고, C_xy(τ)가 전압 및 전류 신호들의 상호 상관(cross-correlation)이며, 그리고 F{

}는 고속 푸리에 변환(FFT)을 나타낸다. 이 경우에, 결과로 초래되는 계산된 임피던스 스펙트럼이 데이터의 N개 포인트로 표현된다.

물론, 이는 상기 임피던스 스펙트럼을 계산하기 위한 유일한 방법은 아니다. 다른 접근법들이 당업자들에게 잘 알려져 있다. 예를 들어, 상기 측정된 신호들의 푸리에 변환을 간단하게 계산하고 상기 임피던스 스펙트럼을 계산하기 위해 그것을 사용할 수 있다. 그러나 상호상관의 이용은 잡음 효과를 감소시키는 장점을 가진다.

상기 계산된 임피던스 스펙트럼이 상기 전송 코일과 관련된 위치(location) 또는 포지션(position)으로 표현되는 코일 구성에 대응한다. 상기 코일 포지션(position)에 고유 숫자(예를 들어, 상기 전송 코일로부터 거리)가 할당되고 상기 할당된 숫자와 동일한 각 포인트와, 대응하는 N-포인트 코일 포지션(position) 신호가 생성되고(30) 그것이 계산되었던 것과 관련된 N-포인트 임피던스 스펙트럼과 함께 출력 신호로 저장된다(310).

이 일련의 단계들이 상기 정의된 구성들 각각에 대해 수행된다(314, 312). 완료될 때, 그 결과는 모든 정의된 구성들에 대해 대응하는 코일 포지션(position) 신호들 및 저장된 계산된 스펙트럼의 데이터베이스이다.

상기 구성들 모두에 대한 측정 데이터가 획득되면, 상기 구성들 모두에 대한 임피던스 스펙트럼이 입력 신호를 형성하기 위해 함께 연결된다(316):

입력 신호 = {H₁, H₂,...,H_n}.

그리고 상기 대응하는 포지션(position) 신호들 모두가 출력 신호를 형성하기 위해 함께 연결된다(318):

출력 신호 = {P₁, P₂,...,P_n}.

그런 다음 이러한 두 신호들이 가상의 비선형 시스템의 입력 및 출력 신호들로 처리된다. 그런 다음 비선형 시스템 식별이 상기 비선형 시스템의, 구조화된 블록들의 병렬 캐스케이드 같은, 비선형 모델을 획득하기 위해 사용된다(320). 이 비선형 모델이 동작 동안 상기 수신 코일의 포지션(position)을 직접적으로 추정하기 위해 사용할 상기 전송 전력 제어기에 저장된다. 부가적으로, 결정은 경험적으로 포지션들(positions)이 무선 충전이 수행될 수 있는 포지션들(positions)을 나타내는 것과 관련하여 이루어진다. 그리고 상기 정보는 또한 상기 전송 전력 제어기에 의한 사용을 위해 저장된다.

상기 전송 전력 제어기에 의해 구현되는 알고리즘의 세부사항은 도 12에 도시된다. 그 주변 내에서 수신 시스템을 탐색하기 위해 활성화될 때, 상기 전송 전력 제어기가 수신 시스템의 존재를 감지하기 위해 반복적으로 그 전송 코일의 임피던스를 측정하는 탐색 루프를 개시한다(402-412). 이 루프를 실행할 때마다, 그것은 의사-랜덤(pseudo-random) 전압 신호를 상기 전송 코일에 인가하고(402)(선택적으로 상기 전송 전력 제어기에 저장된 데이터 세트를 생성하도록 사용되었던 동일한 의사-랜덤(pseudo-random) 전압 신호를 사용함) 상기 전송 코일의 전압 신호 및 전류 신호 모두를 측정한다(404). 그런 다음, 도 11과 관련되어 기술된 접근법을 사용하여, 상기 제어기가 상기 측정된 전압 및 전류 신호들로부터 상기 전송 코일에 대한 N-포인트 임피던스 스펙트럼을 계산한다(406). 다음으로, 상기 제어기는 이 계산된 임피던스 스펙트럼을 도 11과 관련되어 생성되었던 상기 비선형 모델에 인가한다(408). 그 결과는 상기 수신 코일의 포지션(position)의 지시자(indicator)이다(410). 상기 비선형 모델의 출력이 상기 수신 코일이 바른 포지션(position)에 있는 것으로 표시한다면, 상기 전력 전송 제어기는 상기 수신 시스템을 무선으로 충전하기 시작한다(412, 414). 그렇지 않으면, 충전을 위해 바른 포지션(position)에 있는 수신 코일을 탐색하는 것을 지속하는 방금 설명한 루프를 반복한다(412, 402).

상기 접근법은 계산된 임피던스를 사용했다. 상기 시스템에서 비선형성들에 대한 더 많은 정보를 보존할 가능성이 있는, 대체적 접근법은 임피던스를 계산하는 대신 측정된 전류를 사용하는 것이다. 이러한 접근법이 외부 물체 감지와 관련있는 도 18a-b와 관련되어 뒤에 설명된다.

전송 주파수 자동 튜닝

코일 포지션(position)을 결정하기 위해 설명된 기법들이 수신 시스템의 무선 충전을 위한 최적 주파수에 전력 전송 회로를 튜닝하는 데 적합하다. 상기 코일들이 코일 직경보다 더 먼 거리에 있을 때, 전력을 전송하기 위한 최적 주파수는 크게 변화하지 않고 상기 시스템에 대해 알려지기 때문에, 일반적으로 작은 튜닝이 요구된다. 전술한 바와 같이, 이는 코일들이 서로 더 가까워지는 경우가 아니다. 상기 코일들이 서로 더 가까워짐에 따라, 상기 최적 주파수는 포지션(position) 변화로 빠르게 바뀔(shift) 수 있다. 그러므로, 상기 최적 주파수는 직접적으로 코일 속도에 관련된 속도로 계산되어야만 한다. 이 경우에, 시스템 식별에 기초한 기법들은 요구되는 임피던스 스펙트럼이 훨씬 더 빠르게 결정될 수 있는 분명한 장점을 제공한다. 시간이 많이 소비되는 프로세스일 수 있는, 주파수들을 스위핑(sweeping)하기 보다는, 모든 요구되는 주파수 컴포넌트들(components)을 포함하는 신호가 한번 인가되고, 상기 스펙트럼으로부터 추정된다.

전송된 전력 플러스 일부 코일 자체에서 열로 소모되는 전력에 대응하는, 1차 코일(primary coil)로 들어가는 전력은 임피던스 스펙트럼으로부터 도출될 수 있다. 코일 전송 시스템이 주로 선형 시스템에 의해 표현될 수 있다면, 전송 코일로 들어가는 전력은 전압과 전류의 적분으로부터 주어지게 된다. 상기 임피던스 스펙트럼으로부터, 우리는:

를 얻을 수 있다. 여기서 Z(ω)는 임피던스의 크기이고

는 위상이다.

이런 이유로, 선형 시스템의 경우에, 최적 전력 전송이 상기 임피던스의 위상의 코사인과 진폭의 곱이 최대인 곳에서 발생할 것이다. 상기 시스템이 상당히 비선형이라면, 상기 최적 주파수들 또한 진폭 종속적일 것이다.

무선 전력 전송 시스템(WPTS)의 경우에, 저-레벨 전압들은 반도체 디바이스들을 포함하는 내부 비선형 전자기기들을 자극시키는 데 충분히 크지 않을 수 있고 그러므로 상기 시스템은 선형으로 유지될 것이다. 따라서, 상기 시스템에서 비선형성을 관찰하기 위해 일부 최소량을 초과하는 전력이 코일로 전달되는 것이 바람직하다. 랜덤 여자 신호(random excitation signal)는 코일들에 전압 파형으로 인가될 수 있고, 그 응답은 코일을 흐르는 전류로 측정된다.

비선형 시스템 식별이 상기 시스템을 모델링하는데 이용되고 결과로 초래되는 비선형 모델을 이용하여, 최적 주파수가 추정된다. 이상적으로는, 추정 프로세스가 분석적으로 수행될 수 있다. 다시 말해서, 파라미터 폐쇄형 방정식들(parametric closed-form equations)이 임펄스 응답 및 비선형성들, 또는 더 높은 차수 커널들을 나타내기 위해 사용될 수 있다. 폐쇄형 분석 식들(closed -form analytical expressions)로, 극값이 발생하는 파라미터 값들을 찾는 것뿐만 아니라 시스템의 응답들을 계산하는 것이 분석적으로 수행될 수 있다. 최적 주파수들을 찾기 위해, 주파수 함수로서 코일 전력을 제공하는 분석적 응답이 0들에 대해 풀기 위해 미분되는, 정현파 입력 전압 파형들(sinusoidal input voltage waveforms)에 대해 도출되고, 최대에서 발생하는 0들이 선택된다.

그러나 분석적 표현들이 다루거나 풀리기에는 너무 복잡하게 될 수 있다. 상기 경우에, 수치 기법들에 의존할 수 있다. 신속하게 최적의 주파수를 찾기 위해, 라인(주파수 축)을 따라 최적화 기법이 구현될 수 있다. 이러한 기법들을 논의하는 참조문헌들로 Eykhoff, P., System Identification: parameter and state estimation, Wiley, London (1974); Goodwin, G.C., Payne, R.L., Dynamic system identification: experimental design and data analysis, Academic Press, New York (1977); Graupe D, Identification of systems, Van Nostrand Reinhold, NY (1976); 및 Ljung, System Identification - Theory for the User, 2nd Ed., PTR Prentice Hall, (1999) 를 인용한다. 이를 위해, 상기 비선형 시스템 응답은 수치적으로 시뮬레이션되고 최대화되는 목적 함수(objective function)로 상기 전송 전력이 사용된다. 동일한 접근법이 비-파라메트릭 함수들이 체비쇼프 급수 확장(Chebychef series expansion)에 의해 근사될 수 있는, 반-분석적 표현들에 대해 사용될 수 있다.

자동적으로 코일 주파수를 튜닝하기 위해 이러한 접근법을 사용하는 알고리즘의 예가 도 13에서 제시된다. 이 알고리즘은 상기 전송 전력 제어기로 구현된다. 일반적으로, 비선형 모델들이 반복적으로 의사-랜덤 전압 섭동(pseudo-random voltage perturbations)을 적용, 코일 전압 및 전류를 샘플링, 및 비선형 모델을 측정된 데이터에 맞춤으로써 지속적으로 획득된다. 그런 다음 상기 비선형 모델들이 디지털적으로 코일로 들어가는 전력을 신호 주파수 함수로 시뮬레이션하는데 사용된다. 그리고 탐색 알고리즘이 상기 전력이 계산되어야 하는 주파수들을 찾기 위해 그리고 반복적으로 최적 주파수에 찾기 위해 사용된다.

도 13에서 표시된 바와 같이, 수신 코일이 충전이 성공적으로 발생할 수 있는 거리 내에 있도록 결정되면, 전송 전력 제어기는 무선 충전 주파수를 충전 시스템의 추정 공진 주파수에 해당하는 소정의 주파수 F₀로 설정하고 무선으로 상기 주파수에서 충전을 시작한다(500). 그런 다음 제어기는 최적 충전 주파수를 탐색하는 루프로 들어선다. 최적 주파수 탐색을 수행하기 위해, 상기 전송 전력 제어기는 상기 전송-수신 시스템의 비선형 모델을 구축하기 위해 비선형 시스템 식별을 사용하고 그런 다음 최적 주파수를 찾기 위해 상기 모델을 사용한다. 상기 모델의 구축은 수신 코일의 존재를 감지하기 위한 프로세스 관련하여 이미 설명되었던 것과 유사한 방식으로 수행된다. 그것은 의사-랜덤 전압 신호(pseudo-random voltage signal)를 섭동 신호로 상기 전송 코일에 인가하고(502) 상기 전송 코일의 전압 및 전류 신호 모두를 측정한다(504). 그런 다음 상기 제어기는 상기 측정된 데이터를 상기 전송 코일의 동적 시스템 표현(예를 들어, 임피던스)의 위너 모델(Wiener model)에 맞추기 위해 비선형 시스템 식별을 사용한다(506). 위너 모델(Wiener model)이 도출되었다면, 상기 제어기는 최적 주파수를 탐색하기 위해 비선형 모델을 사용하는 루프로 들어선다(508-516). 더 구체적으로, 이전에 선택된 주파수에서 전압 신호에 대한 상기 비선형 모델의 응답을 시뮬레이션한다(508). 상기 시뮬레이션된 응답으로부터, 최대화되기 위한 것인 목적 함수로서 전송 전력을 계산한다(510). 그런 다음, 그것은 전송 전력을 최대화하는 새로운 주파수를 찾기 위해 공지의 기울기 최소화 기법(gradient minimization technique)을 사용한다(512). 이 최적 주파수 탐색동안, 매번 명백한 최적값이 찾아질 때까지 구동 신호에 대한 주파수 값들을 변경하며, 상기 제어기는 응답을 시뮬레이션하기 위해 반복적으로 상기 비선형 모델을 사용한다. 명백한 최적 주파수를 찾은 후에, 새로운 주파수가 과연 최적값인지 여부를 테스트한다(514).

최적 주파수가 아직 발견되지 않았다고 판단되면, 상기 제어기는 최적 주파수 탐색을 지속하기 위해 절차를 반복한다(516). 다시 말해서, 그것은 새 주파수에 대한 비선형 모델의 응답을 시뮬레이션하고(508), 상기 새 주파수에서 목적 함수를 계산하고(510), 상기 목적 함수가 최대화되는 새로운 주파수를 찾는 기울기 최소화 기법(gradient minimization technique)을 사용한다(512). 상기 제어기는 최적값(optimum)이 찾아질 때까지 이 과정을 반복하고, 그 포인트에서 전송 코일의 주파수를 이 최적 주파수로 설정한다(518).

구동 신호를 상기 계산된 최적 주파수로 설정한 후에, 상기 제어기는 충전이 완료되었는지 여부를 테스트한다(520). 상기 수신 시스템이 상기 배터리 모듈의 충전을 끝내거나 스위치 오프할 때 상기 수신 코일의 임피던스에서 급격한 변화를 감지하는 것을 통해 이를 결정할 수 있다. 그렇지 않으면, 상기 전송 시스템으로 되돌아가는 통신 채널이 있다면, 상기 수신 시스템이 충전 기능이 종료된 것을 상기 전송 시스템에 알리기 위해 상기 채널을 통해 신호를 보낼 수 있다. 상기 제어기는 충전이 완료된 것을 감지할 때(520), 전원을 꺼서 상기 수신 코일 시스템으로 무선 전력 전송을 종료한다(522).

충전이 완료되지 않은 경우, 전송 및 수신 코일들의 상대적인 위치들이 변경될 수 있고 그렇게 함으로써 최적 주파수 값에 영향을 주었을 수 있으므로, 새로운 최적 주파수에 대한 탐색이 재개된다. 다시 말해서, 상기 탐색을 지속하기 위해 알고리즘의 시작으로 돌아간다(502).

지금까지, 무선 수신 시스템이 무선 전송 시스템으로 돌아가는 전송 전력 데이터를 통신하지 않았다. 그러나 데이터가 상기 수신 시스템으로부터 상기 전송 시스템으로 전송될 수 있다면, 비선형 모델이 상기 코일에 인가되는 전압 V(t) 및 배터리 팩 같은 에너지 저장 유닛으로 직접적으로 들어가는 전력 P(t)사이에서 도출될 수 있다. 그런 다음 상기 비선형 모델이, 상기 코일들과 전력 전자기기들에서 전력 손실들을 포함하는, 전력의 최대량이 상기 코일들에서 보다는, 직접적으로 에너지 저장 서브 시스템으로 들어가는 정확한 주파수를 찾기 위해 이전에 기술된 바와 같이 사용된다. 부가적으로, 그런 다음 효율성이 또한 계산될 수 있고, 최대 충전률 및 최대로 효율적인 충전률 간에서 하나를 선택하는 것을 허용한다.

최적 여자 주파수(optimum excitation frequency)를 자동 조정하기 위한 대체적이고 더 효율적인 방법으로, 상기 Green의 방법에 기초한 직접적 방법이 사용될 수 있다. 상기 경우에, 비선형 모델의 형태로, 감지 알고리즘이 먼저 오프라인으로 획득된다. 이는 서로에 대해 상이한 위치들 및 방향들에서의 전송 및 수신 코일들로 실제 시스템상에서 다수 실험들을 수행함으로써 된다. 각 위치/방향에 대해, 최적 코일 주파수가 결정되고 대응하는 코일 전류가 기록된다. 이 프로세스가 오프라인에서 수행되는 것이 주어진다면, 각 조건에 대한 최적 주파수가 수치적으로 또는 실험적으로 중 하나 또는 둘 모두로 획득될 수 있다.

모든 테스트들이 수행된 후에 그 테스트들의 결과들로부터, 입력 신호 및 출력 신호 모두가 비선형 시스템 식별 목적에 대해 구성된다. 상기 입력 신호가 랜덤 여자 신호(random excitation signal)에 대해 측정된 전류 신호 응답들 모두를 연결하여 생성된다. 그리고 상기 출력 신호가 상기 연결된 전류 신호들에 대응하는 최적 주파수 값들을 연결하여 생성된다. 그 뒤에, 비선형 시스템 식별이 입력 및 출력 신호들로 구성되는 것들로부터 어떻게 상이한 응답 신호들을 대응하는 최적 주파수들로 매핑하는 지를 나타내는 비선형 모델인 최적 비선형 주파수 추정자(estimator)를 도출하기 위해 수행된다.

최적 비선형 주파수 추정자(estimator)가 획득되었다면, 그것은 직접적으로 응답신호로부터 사용할 최적 여자 주파수(optimal excitation frequency)를 추출하기 위해 전력 전송기 제어기에 의해 실시간으로 사용된다. 이는 보통 추정자(estimator)를 구성하기 위해 사용되는 의사-랜덤 신호와 동일한, 의사-랜덤 여자 신호(pseudo-random excitation signal)를 인가함으로써 그리고 상기 비선형 주파수 추정자(estimator)에 대한 입력으로 상기 여자 신호(excitation signal)로부터 초래되는 응답 신호를 사용함으로써 수행된다. 상기 추정자(estimator)의 출력은 기존 조건하의 무선 전력 전송을 위한 최적 주파수를 식별한다.

이 직접적 방법의 더 상세한 실례가 도 14a 및 도 14b에 도시된다. 오프라인 부분(도 14a)과 실시간 부분(도 14b)이 있다. 오프라인 부분은 실시간 부분이 구현될 장비와 동일한 장비를 사용하여 수행된다. 그것은 상기 추정자(estimator)로 사용될 수 있는 비선형 모델을 구축하기 위한 목적을 위한 것이다.

이제 도 14a를 참조하면, 오프라인 부분에 대해, 모델링되기 위한 범위 조건들이 결정이 된다(600). 조건들의 범위는 자동 튜닝이 실시간으로 수행될 서로에 대한 코일들의 상이한 위치들 및 방향들을 반영한다. 실험들은 이러한 상이한 조건들 각각에 대해 오프라인에서 수행되기 위한 것이다. 실험들은 또한 에너지 필드에 존재할 수 있고 무선 전력 전송에 영향을 미칠 수 있는 상이한 물체들로 수행될 수 있다. 이것은 상기 코일들로부터 상이한 거리들에 예를 들어, 금속 시트 또는 금속 튜빙(tubing)같은 차폐재들을 포함한다. 다시 말하면, 목표는 무선 전력 전송이 사용될 가능성이 있는 실제 생활 조건들을 재현하는 것일 수 있다. 가능한 조건들의 범위가 정의되면, 오프라인 프로세스는 상기 상이한 조건들 각각에 대한 일련의 테스트를 수행하는 것을 포함한다(602).

먼저, 전력 전송을 최대화하기 위한 최적 코일 주파수가 결정된다(604). 이는 오프라인에서 수행되기 때문에, 수치적으로 또는 실험적으로 중 하나로 수행될 수 있다. 그런 다음, 의사-랜덤 전압 섭동 신호(pseudo random voltage perturbation signal)가 전송 코일에 인가되고 상기 전압 신호에 대한 코일 전류가 측정되고 기록된다(606). 대응하는 최적 주파수와 동일한 값을 가지는 일정한 주파수 신호가 또한 정의되고 상기 기록된 전류 신호와 관련하여 저장된다(608).

상기 일련의 단계들이 모델링되기 위한 조건들 모두에 대해 반복된다(610).

상기 조건들 모두에 대한 측정 데이터가 획득되면, 비선형 모델을 위한 입력 및 출력 신호들이 도 11과 관련되어 이전에 설명되었던 것과 유사한 방식으로 구성된다. 상기 조건들 모두에 대해 기록된 전류 신호들이 입력 신호를 형성하기 위해 함께 연결된다(612). 그리고 대응하는 주파수 신호들 모두가 출력 신호를 형성하기 위해 함께 연결된다(614). 그런 다음 상기 연결된 입력 및 출력 신호들이 비선형 시스템의 입력 및 출력 신호들로 처리되고 비선형 시스템 식별이 상기 비선형 시스템의, 구조화된 블록들의 병렬 캐스케이드 같은, 비선형 모델을 획득하기 위해 사용된다(616). 상기 주파수 추정자(estimator)를 나타내는, 상기 결과로 초래되는 비선형 모델이 무선 전력 전송을 위한 최적 주파수를 결정하기 위해 상기 전송 전력 제어기에 의해 실시간으로 사용될 것이다.

도 14b에 도시된 알고리즘은 상기 전송 전력 제어기에 의해 실행되는 일련의 단계들을 표현한다. 상기 전송 전력 제어기는 의사-랜덤 전압 신호(pseudo-random voltage signal)를 상기 전송 코일에 인가하고 상기 전송 코일에 의해 생성되는 전류 신호를 기록한다(618). 그럼 다음, 기록된 전류 신호를 오프라인에서 계산되었던 비선형 주파수 추정자(estimator)에 입력으로 사용한다(620). 상기 추정자(estimator)의 최종 출력이 기존 조건들, 즉 서로에 대한 두 코일의 기존 포지션(position) 및 방향, 하에서 전력 전송을 수행하기 위한 최적 주파수이다. 제어기는 상기 전력 전송 회로의 주파수를 상기 주파수로 설정한다(622). 이 시점에서 그것은 충전 완료 여부를 체크한다(624). 만약 그렇다면, 전원이 꺼지고 무선 전력 전송이 종료되거나 또는 전력 전송이 종료하거나 발생하지 않도록 플래그가 설정된다(626).

충전이 완료되지 않으면, 상기 제어기는 상기 수신 코일에 대하여 상기 전송 코일의 포지션(position)에서 임의의 가능한 변화들 또는 조건들에서 다른 예상되는 변화들을 설명하기 위해 방금 설명한 일련의 단계들(618-624)을 반복한다. 다시 말하면, 자동 튜닝 프로세스가 상기 무선 전력 전송 동작을 통해 지속적으로 실행된다.

의사-랜덤 신호(psudo-random signal)가 상기 시스템에 인가되는 동안 방금 설명된 알고리즘이 충전을 포함했다는 것에 주의하자. 상기 출력 신호에서 잡음을 줄일 수 있는, 또 다른 접근법이 상기 테스팅(testing)으로 충전을 인터리빙하는 것일 수 있다. 상기 경우에, 어떤 구동 신호도 인가되지 않는 반면 의사-랜덤 신호(pseudo-random signal)가 인가될 수 있다.

최적 전송을 위한 전송 파형 조정

이론적으로, 자기 공명 코일들(self-resonant coils)을 통해 흐르는 전압 및 전류 신호들은 일반적으로 정현파이고, 발진기의 물리학(physics of oscillators)이 대부분 다른 파형들을 필터링하도록 주어진다. 그러나, 때때로 더 높은 전력 전송 효율은 약간 다른 파형을 사용함으로써 획득될 수 있는 것이 실제로 발견된다. 현대 전자기기들은 전력 신호를 생성하기 위해 그리고 아날로그 발진기(oscillator)가 아닌, 대체로 디지털적으로 제어되는 스위칭 시스템을 사용한다는 사실의 관점에서, 전자기기들은 거의 모든 임의의 파형을 생성하는 것에 적합하다.

파형을 조정하는 것은 무선 전력 전송을 설명하는 비선형 모델이 획득된 후에 가능하게 된다. 현재 다루고 있는 비선형 모델로, 개선된 파형을 획득하기 위해 기존 비선형 제어 알고리즘을 사용하는 것이 가능하다. 일반적인 해결책이 존재하지 않는 것으로 주어지면, 상기 시스템 동역학은 상태-공간(state-space)에서 궤적 주위에(around trajectory) 선형화된다. 반복적으로, 그리고 기존 선형 제어 이론을 사용하여, 상기 최적 제어 파형이 재계산되고 상기 시스템은 수렴이 달성될 때까지 새로운 궤적 주위에 재선형화된다.

그 대신에, 최적 전압 파형을 계산하기 위해 수치적 방법이 사용될 수 있다. 이러한 방법이 도 15에 도시된다. 이 흐름도에서 파형이 잘린 푸리에 급수( truncated Fourier series) 또는 체비쇼프 다항식(Chebychef polynomials)의 합 같은 유한 급수로 표현된다. 잘린 푸리에 급수(truncated Fourier series)에 대해, 전압이:

로 표현될 수 있다. ω₀는 기본 각 주파수이다. 존재하기 위한 최적값에 대해, 일부 제약조건들이 V(t)의 경계들(bounds)로서 또는 신호 전력 P₀가 고정되고 기본 위상이 0으로 가정되는 곳 중 하나로 지정되어야만 한다:

그런 다음 선형 및 비선형 제약조건들을 가지는 레벤버그-마크바트 최적화 절차(Levenberg-Marquardt optimization procedure) 같은 수치 최적화 기법이 알려지지 않은 파라미터 C_k 및

를 찾기 위해 사용된다.

최적 파형이 상기 수신 코일 포지션(position)으로 또는 상기 수신기 에너지 저장 레벨이 변화함에 따라 조정될 필요가 있다는 것이 발견된다면, 상기 수신기가 이동함에 따라 동일한 기법이 반복적으로 실시간으로 사용될 수 있다.

도 15는 전력 전송을 위한 최적 파형을 찾기 위한 예시 알고리즘의 세부사항을 제시한다. 일반적으로, 이 절차는 먼저 비선형 모델을 획득하는 것을 포함한다(700). 그런 다음, 상기 코일에서 전력을 시뮬레이션하기 위해 비선형 모델을 사용하여, 최적화 기법이 최상의 파형을 찾도록 사용될 수 있다.

상기 전송 및 수신 시스템을 위한 비선형 모델이 이전에 설명한 바와 같이 획득될 수 있다. 이는 실시간으로 수행될 수 있지만, 소정의 무선 충전 시스템들을 사용할 때 일반적으로 최적 파형이 상기 시스템의 상이한 실시 예들 간에 상당히 달라질 경우가 아니다. 그래서, 상기 최적 신호 파형을 결정하는 것이 충전 프로세스 전에 오프라인으로 수행된다.

상기 비선형 모델이 획득된 후에, 상기 논의되었던, 전압 파형의 유한 급수 표현을 위한 파라미터들이 파형이 순수 정현파이기 위해 초기화된다(702). 즉, C₀가 인가된 전압신호의 진폭, V₀ 와 동일하게 설정되고 위상

는 나머지 파라미터들 C_k 및

모두가 그런 것처럼 0으로 설정된다. 추가적으로, 사용되는 최적화 알고리즘을 위한 다양한 파라미터들은 또한 최적화 탐색을 시작하기 위한 준비에서 초기화된다(704).

초기화가 완료되면, 이것이 실행될 상기 프로세서 시스템은 상기 최적화 알고리즘을 실행하는 것을 시작한다(706-718). 이는 목적 함수, 즉, 전송 코일의 출력 전력을 최대화하는, 파라미터 값들, C_k 및

, 의 세트를 찾을 때까지 반복되는 일련의 단계들을 포함한다. 상기 프로세서는 상기 선택된 전압 파형으로 상기 시스템을 구동시키는 것으로부터 발생하는 전류 파형을 시뮬레이션하기 위해 획득된 비선형 모델을 사용한다(706). 그런 다음 상기 전송 코일에 대한 출력 전력을 계산하고 상기 계산된 출력 전력과 동일한 목적 함수를 설정한다(708). 다음으로, 상기 프로세서는 출력 전력을 최대화하는 파라미터 값들의 세트를 찾기 위해 공지의 비선형 최소화 절차를 호출한다(712). 이 최적 파형 탐색 동안, 상기 제어기는 전류 파형을 반복적으로 시뮬레이션하기 위해 비선형 모델을 이용하고, 명백한 최적값이 발견될 때까지 구동 신호를 위한 파라미터,C_k 및

의 값들을 매번 변경한다.

출력 전력을 최대화하는 파라미터 값들의 세트를 찾은 후에, 프로세서가 새로운 파라미터들을 가지는 전압 신호를 업데이트하고(714) 최적값이 발견되었는지 여부를 테스트한다(716). 최적값이 발견되지 않았다고 결정되면, 상기 프로세서 시스템은 이 최적화 루프의 시작으로 되돌아가고 값들의 더 나은 세트를 찾기 위해 계산을 반복한다(718).

최적 값들의 세트가 발견되면, 상기 프로세서는 상기 전송 전력 제어기에 의한 사용을 위한 값들을 저장한다(720).

상기 수신기와 전송기 간에 적당한 통신 채널이 존재하고 에너지 스토리지 팩(energy storage pack)으로 가는 실제 전력 신호를 얻는 것이 가능하다면, 상기 알고리즘이 직접적으로 저장된 전력을 예측하고 그런 다음 상기 저장된 전력을 최적화하기 위해 입력 파형을 조정하도록 적응될 수 있다.

외부 물체들의 존재 감지

전력 코일 근처 외부 물체들의 감지가 안전 및 효율성 모두에서 요구된다. 전송 전력에서 사용되는 상대적으로 낮은 주파수가 주어지고 전력 전송이 상기 코일들에 의해 생성되는 작은 전자기 방사를 가지는 유도 커플링(inductive coupling)에 의해 달성되는 것이 주어지면, RIC는 대부분 다른 무선 전력 전송 방법들, 특히 마이크로파 또는 빛을 사용하는 것들보다 본질적으로 더 안전하다.

자기장과 간섭하지 않는 물체들은 드물게 안전 관점 또는 무선 충전 시스템과의 간섭으로부터 어떠한 관심대상도 아닐 수 있다. 이러한 물체들이 감지될 필요가 있다면, 광학적, 기계적, 또는 음향 방법들 같은, 다른 수단들이 사용되어야만 한다.

금속 조각, 탄소 섬유 재료 또는 심지어 생체조직 같은, 전기적으로 전도성있는 물체들이 더 큰 관심대상이다. 이러한 물체가 존재한다면, 전송 손실, 상기 물체의 일부 가열(local heating), 및 잠재적으로 저하를 이끄는 결과를 초래하거나 더 나쁘게는 인간의 세포 손상을 초래하는 강한 와전류가 생성될 수 있다. 수백 킬로와트가 전송될 때, 줄 열 가열(Joule heating)이 50°C 이상 외부 객체의 온도를 상승시킬 수 있고 피부 화상을 초래할 수 있다. 수백 킬로와트에 도달할 때, 긴 노출에 대한 그리고 아마도 심장박동기를 착용하는 사람들에 대한 노출 위험이 존재할 수 있다. 그래서, 생체 조직을 포함하는, 전도성 물체들이 전송 코일에 근접할 때 감지하는 것이 중요하다.

근접 센서들 및 광학 기술들이 사용될 수 있다. 예상하지 못한 전력 손실을 판단하기 위한 모델에 기초한 외부 물체들의 존재를 감지하기 위한 방법들이 제안되어 왔다. 예를 들어, Kuyvenhoven, N., Dean, C., Melton, J., Schwannecke, J., and Umenei, A.E., "Development of a Foreign Object Detection and Analysis Method for Wireless Power Systems," IEEE , Wireless Power Consortium (2011)를 참조한다. 수신 코일 서브-시스템이 전송 서브-시스템과 통신할 수 있을 때, 수신된 전력의 양을 전송기에 보고할 수 있다. 상기 전송 서브-시스템의 제어기는 코일로 가는 알려진 에너지 양으로부터 손실을 계산할 수 있다. 그리고 불명 전력의 양이 소정의 임계값을 초과한 경우에, 전력 전송이 중단될 것이다.

그러나, 코일에 의해 감지된 필드(field)에서 그것들이 초래하는 변경들(modifications)로부터 직접 이러한 물체들을 감지하는 것이 훨씬 더 실용적이다. 본원에서 설명된 바와 같이, 지속적으로 상기 전송 코일의 비선형 동적 응답을 추정함으로써, 상기 전송 동역학(transmitter dynamics)을 변경하는 방식으로부터 외부 물체를 감지하는 것이 가능하다. 비선형성들은 수신 전자 시스템에서 주로 발생하는 경향이 있다. 비선형성들은 금속의 또는 생체 조직 같은 다른 전기적으로 전도성 있는 시스템들에서 덜 발생할 가능성이 있고, 포화(saturation)를 나타내지 않는다.

부가적으로, 일반적인 전기 소자들(electrical components)은 전기장의 존재에서 선형으로 반응하고, 주파수 도메인에서, 그 임피던스의 보데 플롯(bode plot)이 로그-로그 플롯(log-log plot)에서 정수 기울기를 가지는 직선으로 정의된다. 또한, 위상은 주파수에 대한 임피던스의 기울기에 선형으로 관련되고 그것들은 최소 위상 시스템으로 동작한다. 생체 조직의 경우에, 일반적으로 기울기는 정수가 아니고 최소 위상 시스템으로 응답하지 않는다. 그래서, 특히 복합 구조들 또는 큰 분산 집합체들(distributed masses)의 경우에 다양한 외부 물체들이 매우 독특한 방법으로 비선형 시스템의 선형 부분에 주로 영향을 미칠 것이다.

전송 전력 제어기의 감지 시스템은 상기 코일 시스템의 선형 및 비선형 요소들(components)에서 변화에 기초하여, 외부 물체가 상기 전송 코일의 근처로 오는 것을 감지할 수 있기 위해 상이한 유형의 재료들로 훈련될 수 있다. 먼저, 비선형 모델들의 큰 컬렉션이 식별되며 감지되기 위한 전형적인 물체들, 금속 또는 인공 조직, 의 대표로 데이터베이스에 저장된다. 그 후, 이러한 모델들은 뉴럴 네트워크(neural network), 주성분 분석(PCA), 또는 SVD 같은 기존 수학 기법들을 사용하여 분류된다. 그로부터 모델 공간의 고도로 축소된 표현이 감지를 위해 획득되고 사용되는 모델들을 표현하기 위해 PCA 및 SVD가 최적 기저를 정의하도록 사용될 수 있다.

상이한 물체들이 비선형 모델들의 선형 및/또는 비선형 요소들(components)에 다르게 영향을 주는 것으로 주어지면, 그 고유 특성들이 최적 기저 함수들의 다른 요소들(components)에 격리될 수 있다. 그러므로, 인간 신체 같은 물체가 무선 전송 시스템 근처로 온다면, 그 구체적인 성분(specific components)이 그 특정 기저 함수들에 관련된 계수들에 나타날 것이고 계수 값들로부터 감지가능하게 될 것이다. 이러한 경우에, 인간 또는 동물이 코일에 근접하는지를 판단하기 위해 인간 또는 동물 모드(mode)의 계수들 특성을 보는 것으로 충분하다. 그 대신에, 공간이 각 관심대상 물체를 특성화하는 영역들로 구획될 수 있다. 그 후, 모델이 전방으로 또는 그 클러스터 공간의 경계 외부로 움직일 때, 외부 물체들의 존재의 표시를 제공한다.

도 16a 및 도 16b는 하나의 이러한 시스템의 훈련 알고리즘의 구현을 도시한다. 일반적으로, 전송 코일에 대하여 다른 위치들에서 다른 유형의 물체들을 위한 다수의 동적 시스템 모델들을 수집하기 위해 비선형 시스템 식별이 사용된다. 이러한 물체들을 위한 데이터 수집 후에, SVD 분해를 사용하여 최적 기저 함수들이 도출된다. 그 후, 주로 개체의 각 유형을 대표하는 모드(mode)는 모드들(modes)이 상기 객체 유형에 고유한 중요한 요소들(unique significant components)을 가지는지를 찾음으로써 모델 공간에 고립된다.

도 17은 감지가 훈련 알고리즘으로부터 수집되는 정보를 사용하는 필드(field)에서 진행되는 법을 표시한다. 일반적으로, 원시 데이터(raw data)가 지속적으로 획득되고 비선형 모델들이 지속적으로 상기 원시 데이터로부터 도출된다. 새로운 모델이 획득될 때마다, 최적 기저 계수들로 분해된다. 그런 다음, 데이터베이스에서 관심대상 물체의 각 대표 유형에 대해, 대응하는 모드 계수들(mode coefficients)이 소정의 임계값을 초과할 때, 상기 물체 유형의 가능성 있는 존재를 신호로 알리고 무선 전력 전송이 중단되거나 경고 신호가 발생된다.

도 16a, 도 16b 및 도 17에 의해 도시된 상기 실시 예의 더 상세한 설명이 이제 다음과 같다.

도 16a를 참조하면, 외부 물체 감지를 위한 데이터베이스를 구축하는 것(또는 사전 훈련하는 것)은 도 9에 도시된 바와 같이, 수신기의 존재를 감지하기 위해 수행되는 것들과 유사한 단계들의 세트를 포함한다. 그것은 감지하기를 원하는 물체들의 컬렉션을 식별하고 모음으로써 시작된다(800). 그래서, 예를 들어, 인간 또는 동물이 무선 전력 전송 필드(field)로 들어올 때, 충전 프로세스가 종료되는 것이 바람직하기 때문에, 인간 및 동물 조직의 대표적인 물체들은 물체들의 컬렉션에 포함될 필요가 있다. 또한 전력의 무선 전송을 방해하고 및/또는 무선 전력 전송 필드(field)에 존재한다면 손상을 입거나 사람들에게 잠재적인 손상을 초래할 물체들의 존재를 감지하는 것이 바람직하기 때문에, 그러한 물체들은 또한 식별되고 물체들의 컬렉션에 추가될 필요가 있다.

물체들의 컬렉션이 식별되었다면, 전송 코일에 대한 그러한 물체들의 포지션들(positions)의 세트가 정의된다(802). 이것은 전력 전송 필드(field)에서 물체들 중 임의의 것의 존재를 감지하는 것이 바람직한 포지션들(positions)의 대표 세트이다.

식별된 물체들의 컬렉션과 정의된 포지션들(positions)의 세트로, 훈련 절차는 상기 시스템의 대응하는 비선형 모델을 도출하기 위해 그 포지션들(positions) 각각에서(806) 상기 물체들 각각에(804) 실험들을 수행하는 것을 포함한다. 정의된 포지션들(positions) 중 하나에 위치한 선택된 물체에 대해, 의사-랜덤(pseudo-random) 전압 신호(예를 들어, GWN 신호)가 전송 코일에 인가된다(808). 의사-랜덤(pseudo-random) 신호가 전송 코일에 인가될 동안, 상기 전송 코일의 전압 신호 및 전류 신호가 기록되고 상기 기록된 신호들이 상기 전송 코일의 임피던스의 위너 모델(Wiener model)에 맞게 된다(810). 그 결과는 임피던스를 위한 임펄스 응답에 의해 표현되는 선형 부분과 비선형 파형에 의해 표현되는 비선형 부분이다. 임펄스 응답 및 비선형 파형 모두 상기 선택된 물체 및 상기 선택된 포지션(position)과 관련하여 저장된다(812).

상기 정의된 포지션들(positions) 모두에서 물체들 모두가 테스트될 때까지 이 프로세스는 각 물체에 대해(814) 그리고 상기 정의된 포지션들(positions) 각각에서(816) 반복된다.

상기 정의된 포지션들(positions) 각각에서 각 물체에 대한 데이터를 수집한 후에, 그리고 공지 기술들을 사용하여, 저장된 임피던스 파형들의 컬렉션을 위한 최적 기저가 계산되고(818) 저장된 비선형 파형들의 컬렉션을 위한 최적 기저가 계산된다(820). 이 프로세스는 SCD 또는 PCA 등 공지의 분해 기법 중 적절한 하나를 사용한다. 계산되었던 두 개의 최적 기저들로부터, 기저 함수들의 축소된 세트가 식별된다(822).

이제 도 16b를 참조하면, 훈련 절차의 부분으로, 상기 컬렉션의 각 물체에 대해 또 다른 단계들의 세트가 실행된다(824). 상기 물체들의 컬렉션으로부터 선택된 물체의 각 포지션(position)에 대해, 상기 포지션(position)에서(826) 상기 물체에 대해 이전에 계산된 비선형 모델이 훈련 알고리즘의 첫번째 부분 동안 식별되었던 축소된 기저함수들로 분해된다(828). 상기 프로세서 시스템이 상기 물체에 대해 데이터가 기록되었던 각 포지션(position)에 대해 이 작업을 수행했다면(830), 상기 모델들의 컬렉션을 위한 상기 물체에 특정한 기저 함수 모드들(basis function modes)을 결정한다(832). 다시 말해서, 상기 물체에 대한 데이터의 계산된 세트에 가장 관련 있는 기저함수들의 서브세트를 식별한다. 상기 기저함수들의 계수들이 대응하는 모델을 위한 모델 공간에서 포인트를 정의한다. 다른 포지션들(positions)/방향들(orientations)을 나타내는 상기 물체에 대한 모든 모델들에 대한 이러한 포인트들의 컬렉션에 대해 상기 대응하는 물체에 대응하는 공간의 영역을 정의하기 위해 공지의 분류 기법을 사용하는 것이 가능하다.

그것들이 모두 분석될 때까지 상기 컬렉션에서 상기 물체들 각각에 대해 방금 설명된 프로세스가 수행된다(834). 그 결과들은 외부 물체들 중 대응하는 하나의 감지된 존재에 대응하는 모델 공간의 영역들을 정의한다. 그것은 물체 감지동안 사용되기 위한 상기 전송 전력 제어기에 저장되는 분류 또는 클러스터 정보와 함께 기저 함수들의 축소된 세트이다. 이 데이터는 상기 감지 알고리즘에 의한 사용을 위한 무선 전력 전송 시스템의 메모리에 저장된다.

도 17을 참조하면, 물체 감지를 수행하기 위해, 상기 전송 전력 제어기는 의사-랜덤(pseudo-random) 전압 신호(예를 들어, GWN)를 상기 전송 코일에 인가하고(900) 상기 코일에서 전압 및 전류 파형들을 측정하고 기록한다(902). 그런 다음, 이전에 설명하였던 바와 같이 비선형 시스템 식별을 사용하여, 상기 제어기는 상기 코일을 위한 비선형 동적 시스템 모델(예를 들어, 임피던스)을 상기 기록된 파형들에 대한 데이터에 맞춘다(904). 다음으로, 상기 훈련 단계 동안 식별된 기저 함수들의 축소된 세트를 사용하여, 상기 제어기는 상기 기저 함수들의 계수들의 세트를 나타내는 벡터를 획득하기 위해 상기 비선형 모델을 위해 획득된 파형들을 상기 기저함수들로 분해한다(906).

그 데이터베이스에 표현된 선택된 외부 물체에 대해(908), 상기 제어기는 상기 물체에 특정한 훈련 동안 결정되었던 상기 기저 함수들의 계수들을 결정한다(910). 상기 계수들을 사용하여, 상기 벡터가 외부 물체들을 나타내기 위한 분류 기법들을 통해 이전에 결정된 영역에 관하여 모델 공간으로 떨어지는 곳을 결정한다(912). 계수들의 세트가 상기 영역(예를 들어, 물체 크기 클러스터)내에 있거나 충분히 가까운 모델 공간에서 포인트를 정의한다고 결정된다면, 가까운 외부 물체가 감지되고 상기 제어기가 플래그를 설정하여 충전이 종료되거나 및/또는 발생하지 않게 한다(914).

상기 물체가 감지되지 않은 것으로 결정된다면, 상기 제어기는 충전을 중단하도록 설정되었을 모든 플래그를 제거하고 그 데이터베이스의 다음 물체를 위한 테스트로 이동한다(916). 이 프로세스는 모두가 테스트될 때까지 상기 데이터베이스의 각 물체에 대해 반복된다(916).

상기 데이터베이스의 모든 물체들에 대해 테스트들이 실행된 후에, 상기 제어기는 시작으로 돌아가고, 또 다른 의사-랜덤 신호(pseudo-random signal)를 전송 코일에 인가하고, 그리고 임의의 외부 물체들의 존재에 대한 새로운 탐색을 수행한다.

더 직접적이고 계산적으로 더 효율적인 대체적 방법이 도 18a 및 도 18b에 도시된다. 그것은 도 14a 및 도 14b에 도시된 자동 튜닝 알고리즘과 관련하여 설명되었던 Green 접근법을 사용한다. 세부사항은 다음과 같다.

이전에 설명한 바와 같이, 상기 프로세스는 감지하길 원하는 특정 클래스들의 물체들의 컬렉션을 식별하고 모음으로써 시작된다(1000). 추가적으로, 상기 컬렉션의 각 물체에 대해, 상기 물체의 근처에서 발견할 것을 예상할 수 있는 임의의 다른 물체들의 정체성(identity) 및 포지션들(positions)처럼, 테스트되기 위한 모든 포지션들(positions)이 정의된다. 한가지 중요한 분류기(classifier)는 상기 전력 코일 주변에 생체 조직같은 것일 수 있다. 또 다른 분류기(classifier)는 와전류가 유도되고 전력 손실을 초래하는 금속의 존재일 수 있다. 도 18a-b의 실시예는 생체 조직을 감지하기 위한 프로세스를 도시한다.

일반적으로, 생체 조직을 감지하는 비선형 모델을 짜맞추기 위해(assemble), 다양한 유형 및 질량들의 생체조직이 상기 전송 코일에 대해 상이한 위치들에 배치되고 측정이 이루어진다. 더 구체적으로, 각 물체 및 각 포지션(position)에 대해(1002), 다음 단계들이 수행된다. 의사-랜덤 전압 섭동 신호(pseudo-random voltage perturbation signal)가 상기 전송 코일에 인가되고, 그러는 동안, 상기 전송 코일에서 결과로 초래된 전류가 측정되고 기록된다(1006). 추가적으로, 필드가 위험하다고 간주되거나 안전하지 않은 조건을 생성하는지 여부를 표시하는 상기 물체/포지션(position)에 대해 안전 신호가 생성된다(1008). 이는 예를 들어, 이 단계(phase) 동안 조정된 픽업 코일들(calibrated pickup coils)을 사용하여 경험적으로 결정될 수 있다. 상기 물체가 위험 구역에 있다고 느껴지면(즉, 가능한 해로운 영향 또는 안전하지 않은 조건들이 상기 위치에 있는 것으로부터 초래될 것임), 상기 안전 신호의 값은 상수 값(예를 들어, -1)으로 설정된다. 반면에, 상기 물체가 안전 구역에 있다고 느껴지면(즉, 어떤 해로운 영향 또는 안전하지 않는 조건도 상기 위치에 있는 것으로부터 초래되지 않음), 상기 안전 신호의 값은 다른 상수값(예를 들어, +1)으로 설정된다. 모든 정의된 포지션들(positions)에서 모든 물체들에 대해 완료될 때까지 이 일련의 단계들이 반복된다(1010).

모든 데이터가 수집된 후에, 상기 기록된 전류 신호들 모두가 시스템 식별 목적들을 위해 사용되기 위한 입력 신호를 생성하기 위해 함께 연결되고(1012) 상기 안전 신호들 모두가 대응하는 출력 신호를 생성하기 위해 유사한 방식으로 함께 연결된다(1014). 그런 다음, 비선형 시스템 식별이 상기 입력 및 출력 신호들에 의해 특성화되는 시스템을 위한 비선형 모델을 도출하기 위해 사용된다. 결과로 초래된 비선형 모델은 외부 물체가 존재하는지 여부를 가리키는 신호를 출력하는 비선형 필터로서 상기 전력 전송 제어기에 의해 사용된다.

상기 전력 전송 제어기의 동작이 도 18b에 도시된다. 이어서, 미지의 환경에서, 상기 전력 전송 제어기는 외부 물체들의 탐색을 개시한다(1018). 이는 의사-랜덤 전압 신호(pseudo-random voltage signal)를 상기 전송 코일에 인가하고(외부 물체들에 대한 정보의 데이터베이스를 구축하기 위해 사용되었던 것과 동일), 전류 파형을 측정하고 기록하는 것을 포함한다(1020). 상기 기록된 전류 파형이 이전에 도출된 비선형 시스템에 의해 처리된다(1022). 양의 값을 가지는 출력은 외부 물체의 가능한 존재(예를 들어, 생체 조직)를 나타내고 상기 전력 제어기가 전송 코일에 전력이 차단되게 하는 인터럽트 신호(an interrupt signal)를 생성한다(1024). 그리고 상기 제어기는 상기 외부 물체가 더 이상 존재하지 않을 때를 결정하기 위해 탐색 루프를 반복한다.

비선형 필터가 음의 값을 출력한다면, 어떤 외부 물체도 발견되지 않았다는 것을 나타내며, 모든 이전에 구축된 인터럽션 신호(interruption signal)가 제거되고 탐색 루프가 반복된다.

상기 언급된 의사-랜덤 신호들(pseudo-random signal)의 두 구체적인 예시는 가우시안 백색 잡음(GWN)과 의사-랜덤 이진 시퀀스(PRBS)였다. 그러나 이에 한정되는 것은 아니다. 의사-랜덤(pseudo-random)에 대한 언급이 또한 예를 들어, 전력이 목표 시스템(target system)에 특정 모드를 여자하기(excite) 위해 연결될 수 있는 잡음 유사 신호들을 포함하는 것을 의미한다. 추가적으로, 상기 자극된 시스템(stimulated system)의 임펄스 응답 또는 전송 함수를 도출하기 위해 사용될 수 있는 임의의 신호를 포함하는 것을 의미한다.

다른 실시 예들이 다음 청구범위 내에 있다. 예를 들어, 수치적으로 선형 동적 시스템을 나타내는데 사용되는 다수의 "공간들"이 있다: 상태-공간 기법들; 전송 함수들; 주파수 함수들; ARX, ARMA, ARMAX 모델들의 형태에서 상이한 방정식들; Z-도메인 다항식들; 및 임펄스 응답이 시간의 파라메트릭 함수로서 표현되는 시간 도메인 기법들. 상태-공간 표현에 대한 전송 함수들 같은 하나의 공간에서 또 다른 공간으로 간에 표현들을 매핑하는 기법들이 있다. 상기 실시 예에서, 시간 도메인 및 주파수 도메인 표현들이 명시적으로 언급되었다. 그러나, 제한하도록 의도되지 않았다. 대체적 표현들 중 어느 하나의 사용이 본 발명의 범위 내에 있도록 의도된다.

상기 실시 예에서 모델링되었던 동적 시스템 표현들은 전송 코일 임피던스와 전송 코일 전류였다. 물론 예를 들어, 전송되는 전력, 전력 손실 및 전력 효율성을 포함하는 다른 동적 시스템 표현들을 모델링할 수 있다. 일부 표현들에 대해, 또 다른 채널을 통해 수신기로부터 정보를 획득할 필요가 있을 것이다. 예를 들어, 전력 손실 또는 전력 효율성은 배터리 모듈에 공급되는 전력을 모니터할 수 있을 것을 요구하고; 그러므로 상기 정보를 공급하기 위해 수신 시스템에 의존하는 것을 요구할 것이다.

상기 실시 예들이 차량 플랫폼에 대해 구체적인 언급을 했다 하더라도, 본원에 기술된 발명의 사용이 단지 상기 플랫폼에만 한정되는 것은 아니다. 본원에 기술된 발명들은 무선 전력 전송 및 수신 시스템이 하나의 시스템으로부터 다른 시스템으로 전력을 전송하기 위한 목적으로 서로 근접할 수 있게 되는 임의의 무선 전력 전송 시스템에 적용성을 가진다.

감지 알고리즘(detection algorithm)의 경우에, 전송 코일이 수신 코일 또는 외부 물체의 존재를 감지하기 위해 사용되었다는 것을 보였다. 그 경우일 필요는 없다. 대신에 감지 기능으로 사용하는 추가, 별도의 코일을 사용할 수 있다.

암시된 것으로 보일 수 있는 것처럼, 본원에서 제시된 알고리즘들이 단일 프로세서상에서 실행될 필요가 없다는 것을 더 주목해야 한다. 다중 프로세서들이 적절한 방법으로 그것들 간에 분할된 작업들에 사용될 수 있다. 예를 들어, 도 9에서 도시된 알고리즘의 경우에, 하나의 프로세서상에서 데이터 컬렉션 모두를 수행하는 것 및 또 다른 프로세서의 비선형 시스템 식별을 수행하는 것이 적절하다고 고려될 수 있다.

Claims (57)

1. 무선 전력 전송 시스템(WPTS)에서 수신 코일이 전송 코일 근처에 있는지 여부를 감지하는 방법에 있어서, 상기 방법은:
   의사 랜덤 신호(pseudo-random signal)를 상기 전송 코일에 인가하는 단계;
   상기 의사 랜덤 신호(pseudo-random signal)가 상기 전송 코일에 인가될 동안, 상기 인가된 의사 랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS내에서 생성되는 적어도 하나의 신호들을 기록하는 단계;
   상기 적어도 하나의 기록된 신호들을 사용하여, 상기 WPTS의 전기적 특성들에 대한 동적 시스템 모델을 생성하는 단계; 및
   물체 - 상기 물체는 수신 코일로서 상기 물체를 구별하는 특성들을 가짐 - 가 상기 전송 코일 근처에 있는지 여부를 판단하기 위해 저장된 훈련 데이터와 결합하여 상기 생성된 동적 시스템 모델을 사용하는 단계를 포함하는 무선 전력 전송 시스템(WPTS)에서 수신 코일이 전송 코일 근처에 있는지 여부를 감지하는 방법.
2. 제1항에 있어서,
   상기 수신 코일이 상기 전송 코일 근처에 있는 것이 판단되면, 상기 전송 코일을 통해 상기 수신 코일로 무선 전력 전송을 개시하는 단계를 더 포함하는 무선 전력 전송 시스템(WPTS)에서 수신 코일이 전송 코일 근처에 있는지 여부를 감지하는 방법.
3. 삭제
4. 제1항에 있어서,
   상기 의사-랜덤 신호(pseudo-random signal)는 상기 수신 코일에 연결된 수신 시스템에서 비선형 전자 요소들(electronic components)을 자극하는 무선 전력 전송 시스템(WPTS)에서 수신 코일이 전송 코일 근처에 있는지 여부를 감지하는 방법.
5. 삭제
6. 삭제
7. 제1항에 있어서,
   상기 생성된 동적 시스템 모델을 사용하는 단계는 수신 코일의 인근 존재를 나타내는 경험적으로-도출된, 저장된 정보에 상기 생성된 동적 시스템 모델에 포함된 정보를 비교하는 단계를 포함하는 무선 전력 전송 시스템(WPTS)에서 수신 코일이 전송 코일 근처에 있는지 여부를 감지하는 방법.
8. 제1항에 있어서,
   상기 동적 시스템 모델을 생성하는 단계는 상기 적어도 하나의 기록된 신호들로부터 도출된 데이터에 선택된 모델을 맞추기 위해 시스템 식별을 사용하는 단계를 포함하는 무선 전력 전송 시스템(WPTS)에서 수신 코일이 전송 코일 근처에 있는지 여부를 감지하는 방법.
9. 삭제
10. 삭제
11. 삭제
12. 삭제
13. 삭제
14. 삭제
15. 삭제
16. 삭제
17. 삭제
18. 제1항에 있어서,
    상기 생성된 동적 시스템 모델을 사용하는 단계는 기저 함수 파라미터들의 세트를 생성하기 위해 상기 동적 시스템 모델을 기저 함수들로 분해하는 단계를 포함하는 무선 전력 전송 시스템(WPTS)에서 수신 코일이 전송 코일 근처에 있는지 여부를 감지하는 방법.
19. 제18항에 있어서,
    상기 생성된 동적 시스템 모델을 사용하는 단계는 수신 코일이 상기 전송 코일 근처에 있는지 여부를 판단하기 위해 기저 함수 파라미터들의 세트를 사용하는 단계를 더 포함하는 무선 전력 전송 시스템(WPTS)에서 수신 코일이 전송 코일 근처에 있는지 여부를 감지하는 방법.
20. 삭제
21. 삭제
22. 삭제
23. 제1항에 있어서,
    상기 저장된 훈련 데이터가 저장된 필터 함수에 의해 표현되고 상기 저장된 훈련 데이터와 결합하여 상기 생성된 동적 시스템 모델을 사용하는 단계는 출력 신호를 생성하기 위해 상기 생성된 동적 시스템 모델을 처리하는 단계를 포함하며, 상기 출력 신호는 상기 수신 코일로서 상기 저장된 훈련 데이터로부터 인식가능한 특성들을 가지는 물체가 상기 전송 코일 근처에 있는지 여부를 나타내고 상기 동적 시스템 모델을 처리하는 단계는 상기 저장된 필터 함수를 적용하는 단계를 포함하는 무선 전력 전송 시스템(WPTS)에서 수신 코일이 전송 코일 근처에 있는지 여부를 감지하는 방법.
24. 삭제
25. 삭제
26. 삭제
27. 제23항에 있어서,
    상기 동적 시스템 모델이 상기 전송 코일에 대한 전송 전력 함수이고,
    상기 필터 함수는 서로로부터 상이한 이격 거리들에 위치된 테스트 수신 코일 및 테스트 전송 코일을 포함하는 테스트 시스템에서 수행된 측정들로부터 도출되는 무선 전력 전송 시스템(WPTS)에서 수신 코일이 전송 코일 근처에 있는지 여부를 감지하는 방법.
28. 제23항에 있어서,
    수신 코일이 상기 전송 코일 근처에 있는 것이 감지되면, 상기 감지된 수신 코일로 상기 전송 코일을 통해 무선 전력 전송을 개시하는 단계를 더 포함하는 무선 전력 전송 시스템(WPTS)에서 수신 코일이 전송 코일 근처에 있는지 여부를 감지하는 방법.
29. 무선 전력 전송 시스템(WPTS)에 있어서, 상기 WPTS는:
    전송 코일;
    상기 전송 코일에 연결된 전력 전송 회로;
    상기 전송 코일에 연결된 센서 회로; 및
    상기 전력 전송 회로 및 상기 센서 회로를 제어하기 위한 제어기를 포함하고,
    상기 제어기는 훈련 데이터를 저장하기 위한 메모리 및 프로세서 시스템을 포함하고,
    상기 프로세서 시스템은:
    상기 전력 전송 회로가 상기 전송 코일에 의사 랜덤 신호(pseudo-random signal)를 인가하도록 하고;
    상기 의사 랜덤 신호(pseudo-random signal)가 상기 전송 코일에 인가되는 동안, 상기 센서 회로가 상기 인가된 의사 랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS내에서 생성된 적어도 하나의 신호들을 기록하도록 하고;
    상기 적어도 하나의 기록된 신호들을 사용하여, 상기 WPTS의 전기적 특성들에 대한 동적 시스템 모델을 생성하고; 및
    물체 - 상기 물체는 수신 코일로서 상기 물체를 구별하는 특성들을 가짐 - 가 상기 전송 코일 근처에 있는지 여부를 판단하기 위해 상기 저장된 훈련데이터와 결합하여 상기 생성된 동적 시스템 모델을 사용하기 위해 프로그램된 것을 특징으로 하는 무선 전력 전송 시스템.
30. 삭제
31. 제29항에 있어서,
    상기 생성된 동적 시스템 모델이 주파수 도메인 표현을 포함하고,
    상기 저장된 훈련 데이터가 저장된 필터 함수에 의해 표현되고 출력 신호를 생성하도록 상기 필터 함수로 상기 생성된 동적 시스템 모델을 처리함으로써 상기 저장된 훈련 데이터와 결합하여 상기 생성된 동적 시스템 모델을 사용하기 위해 상기 프로세서 시스템이 프로그램되고, 상기 출력 신호가 수신 코일로서 상기 저장된 훈련 데이터로부터 인식가능한 특성들을 가지는 물체가 상기 전송 코일 근처에 있는지 여부를 나타내는 무선 전력 전송 시스템.
32. 삭제
33. 삭제
34. 삭제
35. 삭제
36. 삭제
37. 삭제
38. 삭제
39. 삭제
40. 삭제
41. 삭제
42. 삭제
43. 삭제
44. 삭제
45. 삭제
46. 삭제
47. 무선 전력 전송 시스템(WPTS)에서 전송 코일 구동 신호에 대한 동작 주파수를 찾는 방법에서, 상기 방법은:
    상기 전송 코일에 의사-랜덤 신호(pseudo-random signal)를 인가하는 단계;
    상기 의사-랜덤 신호(pseudo-random signal)가 상기 전송 코일에 인가될 동안, 상기 인가된 의사 랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS내에서 생성된 신호를 기록하는 단계; 및
    출력 신호를 생성하기 위해 상기 기록된 신호를 처리하는 단계를 포함하고, 상기 출력 신호는 상기 구동 신호에 대해 사용되기 위해 상기 동작 주파수를 식별하고 상기 기록된 신호를 처리하는 단계는 비선형 필터 함수를 적용하는 단계를 포함하는 무선 전력 전송 시스템(WPTS)에서 전송 코일 구동 신호에 대한 동작 주파수를 찾는 방법.
48. 삭제
49. 삭제
50. 무선 전력 전송 시스템(WPTS)에 있어서, 상기 WPTS는:
    전송 코일;
    상기 전송 코일에 연결된 전력 전송 회로;
    상기 전송 코일에 연결된 센서 회로; 및
    상기 전력 전송 회로 및 상기 센서 회로를 제어하기 위한 제어기를 포함하고,
    상기 제어기는 비선형 필터 함수를 저장하기 위한 메모리 및 프로세서 시스템을 포함하고,
    상기 프로세서 시스템은:
    상기 전력 전송 회로가 상기 전송 코일에 의사 랜덤 신호(pseudo-random signal)를 인가하도록 하고;
    상기 의사 랜덤 신호(pseudo-random signal)가 상기 전송 코일에 인가되는 동안, 상기 센서 회로가 상기 인가된 의사 랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS내에서 생성된 신호를 기록하도록 하고; 및
    출력 신호를 생성하기 위하여 상기 기록된 신호를 처리하기 위해 프로그램되고, 상기 출력 신호는 상기 전송 코일에 대한 구동 신호에 대해 사용되기 위해 동작 주파수를 식별하고 상기 기록된 신호를 처리하는 것은 비선형 필터 함수를 적용하는 것을 특징으로 하는 무선 전력 전송 시스템(WPTS).
51. 제50항에 있어서,
    상기 비선형 필터 함수는 서로로부터 상이한 이격 거리들에 위치된 테스트 전송 코일 및 테스트 수신 코일을 포함하는 테스트 시스템에서 수행된 측정들로부터 도출되는 무선 전력 전송 시스템(WPTS).
52. 제50항에 있어서,
    상기 인가된 의사-랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS 내에서 생성된 신호는 상기 전송 코일에 의해 생성되는 신호인 무선 전력 전송 시스템(WPTS).
53. 무선 전력 전송 시스템(WPTS)에서 전송 코일 구동 신호에 대한 제1 파형을 식별하는 방법에 있어서, 상기 방법은:
    의사 랜덤 신호(pseudo-random signal)를 상기 전송 코일에 인가하는 단계;
    상기 의사 랜덤 신호(pseudo-random signal)가 상기 전송 코일에 인가될 동안, 상기 인가된 의사 랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS내에서 생성되는 적어도 하나의 신호들을 기록하는 단계;
    상기 적어도 하나의 기록된 신호들을 사용하여, 상기 WPTS의 전기적 특성들에 대한 동적 시스템 모델을 생성하는 단계; 및
    상기 무선 전력 전송 시스템(WPTS)의 전력 전송 효율을 증가시키도록 상기 구동 신호에 대한 상기 제1 파형 탐색을 수행하는 단계를 포함하고, 상기 탐색을 수행하는 단계는 상기 제1 파형이 발견될 때까지 상기 구동 신호의 파형을 변화하는 동안 상기 구동 신호에 대한 응답을 시뮬레이션하기 위해 상기 생성된 동적 시스템 모델을 반복적으로 사용하는 단계를 포함하는 무선 전력 전송 시스템(WPTS)에서 전송 코일 구동 신호에 대한 파형을 식별하는 방법.
54. 제53항에 있어서,
    상기 탐색을 수행하는 단계는:
    상기 시뮬레이션된 응답으로부터 출력 전력을 계산하는 단계;
    목적 함수로서 상기 계산된 출력 전력을 사용하는 단계; 및
    상기 목적 함수를 사용하여 상기 탐색을 수행하는 단계를 더 포함하는 무선 전력 전송 시스템(WPTS)에서 전송 코일 구동 신호에 대한 파형을 식별하는 방법.
55. 제53항에 있어서,
    상기 WPTS내에서 생성된 적어도 하나의 신호들은 상기 인가된 의사-랜덤 신호(pseudo-random signal)에 응답하여 상기 전송 코일에 의해 생성되는 신호를 포함하는 무선 전력 전송 시스템(WPTS)에서 전송 코일 구동 신호에 대한 파형을 식별하는 방법.
56. 제53항에 있어서,
    상기 제1 파형은 주파수인 무선 전력 전송 시스템(WPTS)에서 전송 코일 구동 신호에 대한 파형을 식별하는 방법.
57. 무선 전력 전송 시스템(WPTS)에 있어서, 상기 WPTS는:
    전송 코일;
    상기 전송 코일에 연결된 전력 전송 회로;
    상기 전송 코일에 연결된 센서 회로; 및
    상기 전력 전송 회로 및 상기 센서 회로를 제어하기 위한 제어기를 포함하고,
    상기 제어기는 비선형 필터 함수를 저장하기 위한 메모리 및 프로세서 시스템을 포함하고,
    상기 프로세서 시스템은:
    상기 전력 전송 회로가 상기 전송 코일에 의사 랜덤 신호(pseudo-random signal)를 인가하도록 하고;
    상기 의사 랜덤 신호(pseudo-random signal)가 상기 전송 코일에 인가되는 동안, 상기 센서 회로가 상기 인가된 의사 랜덤 신호(pseudo-random signal)에 응답하여 상기 WPTS내에서 생성된 적어도 하나의 신호들을 기록하도록 하고;
    상기 적어도 하나의 기록된 신호들을 사용함으로써, 상기 WPTS의 전기적 특성들에 대한 동적 시스템 모델을 생성하도록 하고; 및
    제1 파형이 발견될 때까지 상기 전송 코일에 대한 구동 신호의 파형을 변화하는 동안 상기 구동 신호에 대한 응답을 시뮬레이션하기 위해 상기 생성된 동적 시스템 모델을 반복적으로 사용하여 상기 무선 전력 전송 시스템(WPTS)의 전력 전송 효율을 증가시키도록 상기 구동 신호에 대한 상기 제1 파형 탐색을 수행하기 위해 프로그램된 것을 특징으로 하는 무선 전력 전송 시스템(WPTS).
    

Images