KR20200053900A - 인공지능 기반의 플랙서블 무선 충전 장치 - Google Patents

인공지능 기반의 플랙서블 무선 충전 장치 Download PDF

Info

Publication number
KR20200053900A
KR20200053900A KR1020180137378A KR20180137378A KR20200053900A KR 20200053900 A KR20200053900 A KR 20200053900A KR 1020180137378 A KR1020180137378 A KR 1020180137378A KR 20180137378 A KR20180137378 A KR 20180137378A KR 20200053900 A KR20200053900 A KR 20200053900A
Authority
KR
South Korea
Prior art keywords
wireless power
module
charging device
bnn
artificial intelligence
Prior art date
Application number
KR1020180137378A
Other languages
English (en)
Other versions
KR102120263B1 (ko
Inventor
모경구
Original Assignee
모경구
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 모경구 filed Critical 모경구
Priority to KR1020180137378A priority Critical patent/KR102120263B1/ko
Publication of KR20200053900A publication Critical patent/KR20200053900A/ko
Application granted granted Critical
Publication of KR102120263B1 publication Critical patent/KR102120263B1/ko

Links

Images

Classifications

    • 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
    • H02J50/90—Circuit arrangements or systems for wireless supply or distribution of electric power involving detection or optimisation of position, e.g. alignment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M1/00—Analogue/digital conversion; Digital/analogue conversion
    • H03M1/12—Analogue/digital converters
    • H03M1/34—Analogue value compared with reference values
    • H03M1/38—Analogue value compared with reference values sequentially only, e.g. successive approximation type

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Power Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

본 발명은 인공지능 기반의 플랙서블 무선 충전 장치에 관한 것으로, 무선전력 수신 모듈에 무선전력을 송신하고 상기 무선전력 수신 모듈의 압력, 온도 또는 이미지를 포함하는 특성을 기초로 가변되는 굴곡성을 가지는 무선전력 송신부 및 상기 무선전력 송신부와 유선 케이블을 통해 연결되는 비-일체형의 전력변환부를 포함한다. 따라서, 본 발명은 인공지능 기반의 센서를 통해 크기와 모양이 다양한 복수의 사용자 단말들에 통합적으로 적용할 수 있다.

Description

인공지능 기반의 플랙서블 무선 충전 장치 {FLEXIBLE WIRELESS CHARGING APPARATUS BASED ON ARTIFICIAL INTELLIGENCE}
본 발명은 멀티 충전이 가능한 인공지능 기반의 플랙서블 무선 충전 기술에 관한 것으로 보다 상세하게는, 인공지능 기반의 센서를 구비하여 크기와 모양이 다양한 복수의 사용자 단말들에 통합적으로 적용할 수 있는 인공지능 기반의 플랙서블 무선 충전 장치에 관한 것이다.
Deep Learning 기술의 발전으로 그 응용분야가 지속적으로 확대되고 있다. 기존에는 주로 소프트웨어 형태 또는 Digital 회로의 형태로 구현이 이루어져 왔다. 최근에는 기존의 Neural Network의 중복성을 제거하는 방법이 연구되어 기존에 비해 수십 배 적은 회로 규모와 파워소모를 보이면서도 인식률은 기존 방법에 근접할 수 있다는 보고가 이어지고 있다. 이로 인해 클라우드나 서버에 접속하지 않고 Device 자체에서 Deep Learning 기능을 구현하는 Edge Computing 이 실용화 단계로 발전하고 있다. Binary Neural Network(BNN)은 weight 또는 activation 값이 +1/-1 또는 1/0 형태의 Binary 값을 가지는 형태로서, 전력과 회로를 최소화할 수 있는 유력한 기술의 하나로 개발이 되고 있다. 일반적으로 BNN(Binary Neural Network)은 주로 Input Layer와 Output Layer를 제외한 Hidden Layer에서 weight 와 activation 값이 +1/-1 또는 1/0 형태의 Binary 값을 가지는 Neural Network을 의미한다. Weight 와 Activation 값을 모두 이진화 하는 BNN에서도 예측 정확도를 유지하기 위해서, 첫번째 layer 인 input layer의 입력 값은 입력 값과 마지막 Layer인 Output Layer의 출력 값은 이진화 하지 않고 그대로 이용하는 것이 일반적이다.
BNN 등의 기술은 그 자체로 상당히 유용한 기술이나 주로 Digital Domain 만을 개선한 기술이다. 그런데 입력 Data의 Sensing 은 주로 Analog 형태로 이루어진다. Device 전체 관점에서의 파워 및 회로 규모 최적화를 위해서는 Sensor의 Analog Signal을 Digital 로 변환하는 부분과 BNN 등을 효과적으로 연결하는 방법이 필요하다.
스마트 폰 이후 스마트 워치, 무선 헤드셋 등 다양한 웨어러블 형태의 모바일 기기 사용이 늘어나고 있다. 최근에는 연속식 혈당 측정기, 인공관절 Monitoring 과 같이 Health-Care 분야에도 다양한 모바일 기기들이 이용되고 있다. 이들 기기의 사용에 있어 최대 3~5 일에 그치는 짧은 배터리 수명 등이 착용에 한계로 작용하고 있다. 무선 전력 전송 (Wireless Power Transfer) 기술은 그 대안의 하나로 개발되고 있다. 기존의 무선 충전 장치(700)는 주로 유도 방식을 기반으로 상용화되었으며, 유도 방식의 경우, 무선전력을 송신하는 장치(Tx)의 코일과 무선전력을 수신하는 장치(Rx)의 코일의 결합계수가 1에 가까운 조건에서 동작된다. 결합계수가 1에 가깝게 되기 위해서는 송신코일과 수신코일의 크기와 모양이 비슷해야 하고 정렬 여부가 중요하다. 정렬 정도에 따라 효율의 변동이 크게 일어날 수 있다. 따라서 하나의 무선 충전 장치(700)로 다양한 모바일 기기에 대응하는 것이 근본적으로 어려울 수밖에 없다. 공명방식 등 다양한 기술의 사용화 개발노력이 지속되어왔으나 본격 상용화는 미흡한 상황이다.
한국공개특허 제10-2016-0022035 (2016.02.29)호는 이동단말기로부터 전압범위정보를 전달받고 전압범위정보에 대응하여 전압패턴정보를 생성하는 제어부, 전압패턴정보에 대응하여 소정의 전압패턴을 갖는 인증전력을 생성하는 전력변환부(710), 및 인증전력을 이동단말기로 전송하는 레조네이터를 포함할 수 있다.
한국공개특허 제10-2011-0068007 (2011.06.22)호는 상용 전원으로부터 고주파를 발생시켜 증폭하고, 증폭된 고주파를 송신하는 충전 모체와, 상기 충전 모체로부터 유도된 고주파를 수신받아 수신된 고주파를 DC 전원으로 정류하고 휴대용 단말기의 충전 단자를 통해 정류된 DC 전원을 휴대용 단말기의 배터리에 공급하는 전원 공급부로 구성된 어댑터 모듈을 포함한다. 상기와 같은 발명은 휴대용 단말기를 무선으로 충전시키도록 구성함으로써, 충전 중에 충전기를 분리하고 통화해야 하는 불편함을 줄일 수 있는 효과가 있다.
한국공개특허 제10-2016-0022035 (2016.02.29)호 한국공개특허 제10-2011-0068007 (2011.06.22)호
본 발명의 일 실시예는 인공지능 기반의 센서를 구비하여 크기와 모양이 다양한 복수의 사용자 단말들에 통합적으로 적용할 수 있는 인공지능 기반의 플랙서블 무선 충전 장치를 제공하고자 한다.
본 발명의 일 실시예는 센서의 아날로그 신호를 디지털 신호로 변환하는 ADC 와 Deep Learning Network(DLN)의 입력층의 곱셈-누산 기능을 유기적으로 통합하는 기술을 적용한 인공지능 기반의 플랙서블 무선 충전 장치를 제공하고자 한다.
본 발명의 일 실시예는 무선전력 송신 모듈과 전력변환 모듈을 분리하여 얇은 형태로 구현되고, 무선전력 송신 모듈을 굴곡이 가능하게 구현하여 무선전력을 수신하는 사용자 단말이 평면 형태가 아닌 경우에도 최적의 충전 효율을 얻을 수 있는 인공지능 기반의 플랙서블 무선 충전 장치를 제공하고자 한다.
실시예들 중에서 인공지능 기반의 플랙서블 무선 충전 장치는 무선전력 수신 모듈에 무선전력을 송신하고 상기 무선전력 수신 모듈의 압력, 온도 또는 이미지를 포함하는 특성을 기초로 구부러지는 굴곡성을 가지는 무선전력 송신부(720) 및 상기 무선전력 송신부(720)와 유선 케이블을 통해 연결되는 비-일체형의 전력변환부(710)를 포함한다.
상기 무선전력 송신부(720)는 상기 무선전력 수신 모듈에 무선전력을 송신하는 코일 모듈(722), 상기 코일 모듈(722)과 연결되고 상기 무선전력 수신 모듈의 특성을 검출하는 센서 모듈(724) 및 상기 센서 모듈(724)과 연결되는 신호 변환 모듈(726)을 포함하여 통합적으로 구성될 수 있다.
상기 무선전력 송신부(720)는 상기 코일 모듈(722)을 상기 무선전력 수신 모듈의 특성에 구애되지 않고 특정 배열로 형성되는 복수의 무선전력 송신 코일들로 구성할 수 있다.
상기 무선전력 송신부(720)는 상기 센서 모듈(724)을 상기 코일 모듈(722)의 특정 배열과 같이 형성하고 상기 무선전력 수신 모듈의 특성을 각각 검출하는 복수의 센서들로 구성할 수 있다.
상기 신호 변환 모듈(726)은 적어도 하나의 ADC 및 상기 적어도 하나의 ADC와 유기적으로 통합된 BNN(Binary Neural Network)의 첫 계층에 해당하는 입력층을 포함할 수 있다.
상기 신호 변환 모듈(726)은 상기 BNN의 출력 결과를 기초로 복수의 무선전력 송신 코일들의 각 코일 전류를 제어하여 복수의 무선전력 수신 모듈들을 동시에 충전시킬 수 있다.
상기 신호 변환 모듈(726)은 복수의 SAR(Successive-Approximation Register) ADC들을 포함하고, 상기 복수의 SAR ADC의 출력 값을 상기 BNN의 입력층으로 전달하여 처리함에 있어서 각 ADC의 스위치 커패시터 뱅크를 그대로 이용하고 상기 BNN의 입력층의 곱셈-누산 기능을 수행할 수 있다.
상기 신호 변환 모듈(726)은 상기 BNN의 첫 계층과 두번째 단 이후의 나머지 단을 분리하고, 상기 BNN의 첫 계층을 상기 센서 모듈(724) 및 상기 ADC 모듈과 통합시켜 ADC의 멀티 비트 형태의 출력 데이터를 BNN의 입력층을 거친 후에 이진 데이터로 변환하여 상기 두번째 단으로 전송할 수 있다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다 거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 인공지능 기반의 플랙서블 무선 충전 장치는 인공지능 기반의 센서를 구비하여 크기와 모양이 다양한 복수의 사용자 단말들에 통합적으로 적용할 수 있다.
본 발명의 일 실시예에 따른 인공지능 기반의 플랙서블 무선 충전 장치는 센서 모듈, ADC 및 BNN의 첫 계층을 하나의 무선전력 송신부로 집적하여 최소한의 파워와 회로 복잡도로 아날로그 센서 모듈과 BNN의 입력층을 통합할 수 있다.
본 발명의 일 실시예에 따른 인공지능 기반의 플랙서블 무선 충전 장치는 센서의 아날로그 신호를 디지털 신호로 변환하는 ADC 와 Deep Learning Network(DLN)의 입력층의 곱셈-누산 기능을 유기적으로 통합할 수 있다.
본 발명의 일 실시예에 따른 인공지능 기반의 플랙서블 무선 충전 장치는 무선전력 송신 모듈과 전력변환 모듈을 분리하여 얇은 형태로 구현되고, 무선전력 송신 모듈을 굴곡이 가능하게 구현하여 무선전력을 수신하는 사용자 단말이 평면 형태가 아닌 경우에도 최적의 충전 효율을 얻을 수 있다.
도 1 은 일반적인 Deep Learning Network(DLN)의 개념도를 나타낸다.
도 2 (a)는 Single-Ended SAR ADC의 Switched Capacitor DAC의 구조를
나타낸다. 도 2(b)는 상기 (a)에서 VREF 와 GND 와의 연결이 SAR Register 를 통해 이루어지는 것을 표현한 개념도이다.
도 3은 SAR ADC의 Switched Capacitor DAC과 도1의 DNL의 Input Layer 동작을 융합하는 개념을 나타내는 개념도이다.
도 4(a)는 Differential 구조의 SAR ADC의 Switched Capacitor DAC의 구조를 나타낸다. 도 4(b)는 상기 도(a)에서 VREF와 GND를 SAR Register Control 로 표현한 개념도이다.
도 5(a)는 Differential 구조에 대해서 SAR ADC의 Switched Capacitor DAC 과 Switched-Capacitor Neuron for Wide Vector Summation 개념을 융합한 개념도이다. 도 5(b)는 Bias 및 Offset 과 Common Mode 조절을 위한 Switched Capacitor 구조를 포함한 Analog Wide Summation 구현 개념도이다.
도 6(a)는 기존의 방법대로 ADC와 BNN이 별도로 동작할 때의 센서 신호 처리 시스템 개념도이고, 도 6(b)는 본 발명의 일 실시예에 따른 ADC와 BNN의 입력층이 통합되어 BNN의 나머지 층과 별도로 분리되어 센서 신호를 처리하는 무선전력 송신부의 개념도이다.
도 7 은 본 발명의 일 실시예에 따른 인공지능 기반의 플랙서블 무선 충전 장치의 구성도이다.
도 8(a)는 Qi 표준의 듀얼 공명 코일(Dual Resonant Coil) 구조를, 도 8(b)는 무선전력 송신 코일이 움직일 수 있는 경우에 무선전력 수신 코일의 위치를 검출하기 위한 Qi 표준의 검출 코일(Detection Coil)의 예시도이다.
도 9는 본 발명의 일 실시예에 따른 무선전력 수신 모듈의 특성 검출을 위해 센서 모듈과 통합된 코일 모듈, 전력 전송을 위한 무선전력 송신 코일 어레이를 갖는 플랙서블한 코일 어레이(Flexible Coil Array)의 예시도이다.
도 10 은 본 발명의 일 실시예에 따른 멀티 충전이 가능한 인공지능 기반의 무선 충전 시스템의 블록도이다.
도 11 은 본 발명의 일 실시예에 따른 인공지능 기반의 플랙서블 무선 충전 장치(700)의 충전 과정을 나타내는 순서도이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다 거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
인공지능 기반의 플랙서블 무선 충전 장치(700)(이하, 무선 충전 장치(700))는 센서의 아날로그 신호를 디지털 형태로 바꾸는 ADC(Analog to Digital Converter) 와 딥러닝 네트워크(Deep Learning Network(DLN))의 첫 계층인 입력층의 곱셈-누산기(Multiply and Accumulate) 부분을 통합하고 센싱 및 딥러닝 부분을 종합적으로 최적화하여 최소한의 에너지와 회로 규모로 아날로그 신호들을 BNN(Binary Neural Network)에 전달 및 처리할 수 있도록 한다. 이때, 무선 충전 장치(700)는 BNN의 첫 계층과 나머지 부분을 분리하되, 첫 계층은 센서 및 ADC 부분과 통합되도록 할 수 있다. 이때, ADC의 멀티 비트(Multi bit) 형태의 출력 데이터(Output Data)는 입력층(input layer)에 그대로 입력되고 입력층의 가중치(weight)는 이진(Binary) 형태일 수 있다. ADC의 멀티 비트 형태의 출력 데이터는 BNN의 입력층의 처리를 거친 후에 이진 데이터(Binary Data)로 변환되면 다음 단으로 전송되게 된다. 결과적으로, 무선 충전 장치(700)는 최소한의 에너지와 회로 형태로 아날로그 신호의 디지털 변환, Binary 변환 및 BNN의 입력층의 처리를 수행할 수 있게 된다.
또한, 무선 충전 장치(700)는 BNN의 두번째 계층 이후의 나머지 부분의 성능을 순수 디지털 성능의 관점에서 최적화할 수 있다. 일 실시예에서, 무선 충전 장치(700)는 ADC의 아날로그 회로 부분과 디지털 부분 또는 디지털 회로와 인터페이스 부분 간의 레벨 전환 문제 및 전원 분리 문제 등의 영향을 받지 않는다.
일반적으로, 딥러닝 네트워크의 경우 첫 계층의 복잡도는 나머지 계층에 비해 상대적으로 낮은 편이다. 따라서, ADC 및 BNN의 첫 계층을 통합한 부분과 나머지 부분을 분리할 경우 이들 사이의 데이터 트래픽(Data traffic)은 디지털 형태이며 그 데이터의 양은 상대적으로 작다. 일 실시예에서, 무선 충전 장치(700)는 무선전력 송수신 코일에 해당하는 마그네틱 감지 코일(Magnetic Sensing Coil), 이미지 센서, 온도 센서 또는 압력센서 어레이 등을 적용할 수 있다. 이러한 센서 데이터를 인식하는 기능이 추가될 경우, 무선 충전 장치(700)의 안전성 및 효율 향상을 이룰 수 있으며, 하나의 무선 충전 장치(700)로 여러 개의 무선전력 수신 모듈을 충전하는 장치를 구현할 수 있다. 여기에서, 무선전력 수신 모듈은 모바일 폰, 태블릿 피씨 등을 포함하는 사용자 단말의 충전부에 해당할 수 있다. 무선 충전 장치(700)는 이들 센서들에 대해서 상기 언급한 바와 같이 센서 어레이, ADC 부분 및 BNN의 첫 계층을 하나의 센서 및 신호 변환 모듈(726)로 집적할 수 있다.
무선 충전 장치(700)는 무선전력 송신 코일과 전력 변환부를 분리하고 무선전력 송신 코일과 상기 언급한 센서 및 신호 변환 모듈(726)을 일체형으로 결합한 하나의 무선전력 송신부(720)를 포함할 수 있다. 일 실시예에서, 무선전력 송신부(720)는 굴곡성(Flexible)을 가질 수 있다. 보다 구체적으로, 무선 충전 장치(700)는 굴곡성을 가지는 무선전력 송신부(720)를 통해 무선전력 수신 모듈이 평면 형태가 아닌 경우에도 무선전력 송신부(720)의 무선전력 송신 코일과 무선전력 수신 모듈의 무선전력 수신 코일간 최적의 정렬을 유지할 수 있다. 무선전력 송신부(720)는 플렉시블(Flexible)하게 구현된 경우 무게가 가볍고 유연하므로 구동이 용이하다. 일 실시예에서, 무선 충전 장치(700)의 센싱 및 센서 데이터의 처리 능력은 무선전력 수신 모듈의 종류 및 위치를 파악하여 자동적으로 충전 작업을 수행하는데 이용될 수 있다. 무선전력 수신 모듈(Rx)의 종류가 다양하지 않을 경우에는 하나의 무선전력 송신 코일(Tx-Coil)로 순차적으로 여러 무선전력 수신 모듈을 충전하는 형태가 될 수도 있다. 궁극적으로 다양한 Rx를 동시에 충전할 수 있는 방법은 공명 방식이다. 방식의 장점을 최대화하기 위해 Tx-Coil 자체도 어레이(Array) 형태로 구현될 수 있다. 무선 충전 장치(700)는 센서 어레이(Sensor Array)와 이에 통합된 BNN을 이용한 Rx 인식 결과를 Tx- Coil Array의 각 코일 전류 컨트롤에 실시간으로 적용할 경우, 여러 무선전력 수신 모듈(사용자 단말)을 동시에 최적 조건으로 충전할 수 있다. 이로서 다양한 종류의 사용자 단말과 무선 충전 장치(700)간 정확한 정렬 및 일 대 다 충전 문제를 해결할 수 있다.
먼저 인공지능 기반의 플랙서블 무선 충전 장치(700)의 아날로그 센서 어레이와 BNN의 첫 계층에 해당하는 입력층을 통합하는 방법에 대해서 도 1 내지 도 6에서 기술한다.
도 1 은 일반적인 딥러닝 네트워크(DLN)의 개념도이다.
도 1에서, 첫번째 층(Layer)을 입력층(Input Layer)이라고 한다. 첫번째 층의 i번째 뉴런(Neuron)의 출력 al.i 는 첫번째 층의 가중치 매트릭스(Weight Matrix)와 이전 층 인 l-1 번째 층의 출력의 Product를 구한 후에 Bias, bl,i 를 더하고 비선형의 활성화함수 fact 를 적용하여 얻어진다. 이를 수식으로 표현하면 아래 수학식1과 같은 형태가 된다.
[수학식1]
Figure pat00001
여기에서, Xj 를 j번째 입력이라고 할 때, 입력층(Input Layer)의 i번째 출력 ai는 아래의 수학식2의 형태로 표시된다.
[수학식2]
Figure pat00002
가중치 매트릭스와 이전 Layer의 출력 값들의 연산은 곱셈-덧셈(Multiply-and-Add) 연산이라고 할 수 있다. 이 연산은 디지털 형태로 이루어지므로, 입력 신호는 디지털 형태로 표현될 필요가 있다. 그런데 일반적으로 입력 신호는 아날로그 형태로 얻어지므로 이를 ADC 를 통해 디지털로 변환이 선행되어야 한다. 또, BNN(Binary Neural Network)이라고 하더라도 그 정확도를 유지하기 위해서는 입력층의 입력 값은 이진(Binary)형태로 바뀌지 않고 원래의 ADC 해상도를 유지하게 된다. 입력층의 출력을 이진 형태로 출력할 경우 입력층을 제외한 나머지 층의 연산은 XOR Gate를 활용하여 이루어질 수 있다. 여기에서, BNN(Binary Neural Network)은 주로 Hidden Layer에서 weight 와 activation 값이 +1/-1 또는 1/0 형태의 Binary 값을 가지는 Neural Network을 의미한다.
도 2 (a)는 Single-Ended SAR ADC의 Switched Capacitor DAC(Digital to Analog converter)의 구조를 나타내는 도면이고, 도 2(b)는 도 2(a)에서 VREF와 GND 와의 연결이 SAR Register 를 통해 이루어지는 것을 표현한 개념도이다.
무선 충전 장치(700)는 센서의 아날로그 신호를 디지털 형태로 바꾸는 ADC 와 딥러닝 네트워크의 첫 계층의 곱셈-누산기(Multiply and Accumulate) 부분을 유기적으로 통합하여 최소한의 에너지와 회로 규모로 아날로그 신호들을 BNN에 전달 및 처리할 수 있도록 한다. 저전력 등의 장점으로 인해 가장 널리 쓰이는 SAR(Successive Approximation Register) ADC에는 Switched Capacitor 구조의 DAC 가 널리 사용된다. 일 실시예에서, 무선 충전 장치(700)는 가중치 매트릭스(Weight Matrix)가 Binary 형태인 경우에 수학식2의 입력층에 대한 곱셈-덧셈 동작을 SAR-ADC의 Switched Capacitor 구조를 그대로 재활용해서 통합적으로 수행할 수 있다.
도 3은 SAR ADC의 Switched Capacitor DAC과 Switched-Capacitor Neuron for Wide Vector Summation개념을 융합한 개념도를 나타낸다. 여기에서, 수학식1 또는 수학식2에 나타낸 동작을 Switched-Capacitor로 구현하는 경우 Switched-Capacitor Neuron for Wide Vector Summation 라는 용어를 사용할 수 있다.
도 3에서, 무선 충전 장치(700)는 상기의 목적을 달성하기 위한 SAR-ADC의 구조를 나타낸다. Binary 형태인 각 SAR Register의 출력 값들은 XOR Gate를 통해 Weight 값과 곱해지게 된다. 또 Capacitor DAC의 공통 노드인 VTOP는 별도의 스위치를 통해 Multiply-ADD 동작의 공통 노드인 Node-Sum에 연결될 수 있다.
도 4는 차동구조를 갖는 SAR-ADC의 구조를 나타낸다. 도 4(a)는 Differential 구조의 SAR ADC의 Switched Capacitor DAC의 구조를 나타낸다. 도 4(b)는 상기 도(a)에서 VREF(기준전압) 와 GND(ground, 접지) 를 SAR Register Control 로 표현한 개념도이다.
도 5는 차동구조를 갖는 경우에 대한 구현예를 나타낸다. 도 5(a)는 Differential 구조에 대해서 SAR ADC의 Switched Capacitor DAC을 Switched-Capacitor Wide Summation 구조에 적용하기 위해 변경한 개념도이다. 도 5에서, Capacitor Bank for Weight 부분에는 도 4의 각 SAR ADC의 Switched Capacitor DAC에 사용된 Capacitor 들을 그대로 이용하여 구현하고 있다. Signal- Ended 경우와 같이 XOR Gate 가 추가되어 SAR Register의 출력 값과 Binary Weight 값과의 곱셈 연산이 처리되고 별도의 Switch 가 추가되어 Switched-Capacitor Wide Summation 구조에 적용되게 된다. 도 5(b)는 도 4의 구조의 병렬 연결과 더불어 Bias 및 Offset과 Common Mode 조절을 위한 Switched Capacitor 구조까지 포함한 Analog Wide Summation 구현 개념도이다. 도 5(b)의 Capacitor Bank for Weight 부분에는 도 4의 구조가 병렬적으로 연결되어 적용된다.
도 6(a)는 기존의 방법대로 ADC와 BNN이 별도로 동작할 때의 센서 신호 처리 시스템 개념도이고, 도 6(b)는 본 발명의 일 실시예에 따른 ADC와 BNN의 입력층이 통합되어 BNN의 나머지 층과 별도로 분리되어 센서 신호를 처리하는 무선전력 송신부(720)의 개념도이다. 상기 무선전력 송신부(720)는 상기 무선전력 수신 모듈에 무선전력을 송신하는 코일 모듈(722), 상기 코일 모듈(722)과 연결되고 상기 무선전력 수신 모듈의 특성을 검출하는 센서 모듈(724) 및 상기 센서 모듈(724)과 연결되어 센서의 아날로그 신호를 디지털 신호로 변환하는 신호 변환 모듈(726)을 포함하여 통합적으로 구성될 수 있다.
기존의 방법대로 ADC 와 BNN 이 별도로 동작할 때의 센서 신호 처리 시스템은 도 6(a)와 같은 구조를 가지게 된다. 도 6에서, 본 발명의 무선 충전 장치(700)는 BNN의 첫 계층과 나머지 부분을 분리하되, 첫 계층을 센서 모듈(724) 및 센서 모듈(724)과 연결된 적어도 하나의 ADC와 통합할 수 있다. 일 실시예에서, 무선 충전 장치(700)의 ADC의 멀티 비트 형태의 출력 데이터는 이진 데이터로 변환된 후 다음 단으로 전송되게 된다. 이로서, 무선 충전 장치(700)는 최소한의 에너지와 회로 형태로 아날로그 신호의 디지털 변환, Binary 변환 및 BNN의 첫 계층의 처리를 수행할 수 있게 된다.
또한 BNN의 두번째 계층 이후의 나머지 부분은, 순수 디지털 성능의 관점에서 그 성능을 최적화할 수 있다. 무선 충전 장치(700)는 ADC의 아날로그 회로 부분과 디지털 부분 또는 디지털 회로와 인터페이스 부분 간의 레벨 전환(Level Conversion) 문제 및 전원 분리 문제 등의 영향을 받지 않는다. 일반적으로 딥러닝 네트워크의 경우 첫 계층의 복잡도는 나머지 계층에 비해 상대적으로 낮은 편이다. 따라서 ADC 및 BNN 첫 계층을 통합한 부분과 나머지 부분을 분리할 경우 이들 사이의 데이터 트래픽은 디지털 형태이며 그 데이터의 양은 상대적으로 작다.
상기에서 기술된 복수의 센서(sensor array)들로 구성된 센서 모듈(724)과 BNN의 입력층(input layer)을 통합하는 방법이 적용된 인공지능 기반의 플랙서블 무선 충전 장치(700)에 대해서 도 7 내지 도 11을 통해 기술한다.
도 7 은 본 발명의 일 실시예에 따른 인공지능 기반의 플랙서블 무선 충전 장치(700)의 구성도이다.
도 7을 참조하면, 인공지능 기반의 플랙서블 무선 충전 장치(700)(이하, 무선 충전 장치(700))는 무선전력 수신 모듈에 무선전력을 송신하고 상기 무선전력 수신 모듈의 압력, 온도 또는 이미지를 포함하는 특성을 기초로 구부러지는 굴곡성을 가지는 무선전력 송신부(720) 및 상기 무선전력 송신부(720)와 유선 케이블을 통해 연결되는 비-일체형의 전력변환부(710)를 포함한다. 즉, 무선 충전 장치(700)는 무선전력 송신 코일(Tx Coil)과 제어 및 DC-AC 전력변환 부분등의 기능을 갖는 전력변환부(710)(Tx Main Module), 즉 Tx 본체를 분리하여 형성된다.
무선전력 송신부(720)는 상기 무선전력 수신 모듈에 무선전력을 송신하는 코일 모듈(722), 상기 무선전력 수신 모듈의 특성을 검출하는 센서 모듈(724) 및 상기 센서 모듈(724)과 연결되는 신호 변환 모듈(726)을 포함하여 통합적으로 구성될 수 있다. 일 실시예에서, 무선전력 송신부(720)는 코일 모듈(722)을 무선전력 수신 모듈의 특성에 구애되지 않는 특정 배열로 형성되는 복수의 무선전력 송신 코일(tx coil)들로 구성할 수 있다. 또한, 무선전력 송신부(720)는 센서 모듈(724)을 상기 코일 모듈(722)의 특정 배열과 같이 형성된 센서 어레이(sensor array) 형태로 상기 무선전력 수신 모듈의 특성을 각각 검출하는 복수의 센서들로 구성할 수 있다. 예를 들어, 무선전력 송신부(720)는 복수의 센서들을 복수의 무선전력 송신 코일들의 배열에 맞추어 어레이 형태로 구현할 수 있다. 무선 충전 장치(700)에 기본적인 센싱 능력 또는 센서 데이터 처리 및 분석 능력이 부여되었을 경우 안전성 및 편리성이 크게 향상될 수 있다. 이를 위해 마그네틱 센싱 코일(Magnetic Sensing Coil), 이미지 센서, 온도 센서, 또는 압력센서 어레이 등을 적용할 수 있다. 이를 통해, 무선 충전 장치(700)는 크기 또는 모양이 다양한 여러 형태의 무선전력 수신 모듈(Rx), 즉 사용자 단말들을 충전할 수 있다.
도 8(a)는 Qi 표준의 듀얼 공명 코일(Dual Resonant Coil) 구조를, 도 8(b)는 무선전력 송신 코일이 움직일 수 있는 경우에 무선전력 수신 코일의 위치를 검출하기 위한 Qi 표준의 검출 코일(Detection Coil)의 예시도이다.
여기에서, Qi 표준은 무선전력위원회(Wireless Power Consortium)에서 개발하고, 4 cm 이내에서 전기유도로 무선충전되는 인터페이스 표준을 의미할 수 있다. 기존의 Qi 표준에는 마그네틱 센싱 코일을 이용해서 무선전력 수신 모듈의 위치를 파악하는 개념이 정의되어 있다. 도 8(a)에 나타낸 바와 같이 무선전력 수신 코일(Rx Coil)은 두개의 공명 주파수를 갖는 Dual Resonance 구조를 가지고 있다. 무선 충전 장치(700)에는 도 8(b)와 같은 마그네틱 센싱 코일(Magnetic Sensing Coil)을 적용할 수 있다. 무선전력 수신 모듈의 무선전력 수신 코일의 센싱을 위해서 무선전력 수신 코일은 1MHz 주파수에 두번째 공명 주파수를 갖는다. 일 실시예에서, 무선 충전 장치(700)에서는 Qi 표준문서에는 기술되어 있지 않으나 이미지 센서, 온도 센서, 또는 압력센서 등의 다양한 센서 어레이에 해당하는 센서 모듈(724)이 무선전력 수신 모듈의 위치 및 종류의 파악에 이용될 수 있다.
도 9는 본 발명의 일 실시예에 따른 무선전력 수신 모듈의 특성 검출을 위해 센서 모듈(724)과 통합된 코일 모듈(722), 전력 전송을 위한 무선전력 송신 코일 어레이를 갖는 플랙서블한 코일 어레이(Flexible Coil Array)의 예시도이다.
신호 변환 모듈(726)은 적어도 하나의 ADC(Analog to Digital Converter) 및 상기 적어도 하나의 ADC와 유기적으로 통합된 BNN(Binary Neural Network)의 첫 계층에 해당하는 입력층을 포함할 수 있다. 일 실시예에서, 무선 충전 장치(700)는 이들 센서 어레이들에 대해서 센서 어레이 및 ADC, BNN의 첫 계층을 각각 하나의 센서 모듈(724) 및 신호 변환 모듈(726)로 집적한다. 무선전력 송신 코일 자체도 어레이 형태로 배열되어 구현될 수 있다. 도 9에서, 무선전력 수신 모듈의 특성을 검출하는 센서 모듈(724)은 마그네틱 센싱 코일 어레이(Magnetic Sensing Coil Array)일 수도 있고, 온도 또는 압력 센서 등을 포함할 수도 있다. 보다 구체적으로, 무선 충전 장치(700)는 복수의 무선전력 송신 코일들을 포함하는 코일 모듈(722)과 상기 언급한 센서 모듈(724) 및 신호 변환 모듈(726)을 일체형으로 결합한 무선전력 송신부(720)를 포함하여 플랙서블(Flexible) 하게 구현될 수 있다. 결과적으로, 무선 충전 장치(700)는 무선전력 수신 모듈이 평면 형태가 아닌 경우에도 무선전력 수신 코일과 무선 충전 장치(700)의 무선전력 송신 코일간 최적의 정렬을 유지할 수 있다. 보다 구체적으로, 무선 충전 장치(700)는 전력변환부(710)와 무선전력 송신부(720)를 비-일체형으로 연결하여 무게가 가볍고, 얇은 형태로 구현이 가능하며 플랙서블하게 형성될 수 있다. 신호 변환 모듈은 BNN의 출력 결과를 기초로 복수의 무선전력 송신 코일들의 각 코일 전류를 제어하여 복수의 무선전력 수신 모듈들을 동시에 충전시킬 수 있다.
도 10은 본 발명의 일 실시예에 따른 인공지능 기반의 플랙서블 무선 충전 장치(700)의 블록도이다. 도 10에서, 무선 충전 장치(700)는 코일 모듈(722)(Flexible Coil Array) 및 ADC와 BNN의 첫 계층을 융합하는 신호 변환 모듈(726)을 포함할 수 있다. 이때 무선전력 송신 코일(Tx-Coil), 센서 어레이(Sensor Array) 및 신호(data) 변환 모듈(726)은 도 7에서와 같이 전력변환부(710) 내에 내장되지 않고 물리적으로 떨어져 있을 수 있다. 여기에서, 전력변환부는 DC POWER, DC-AC Converter 및 송신제어부를 포함할 수 있다. 일 실시예에서, 전력변환부와 무선전력 송신부는 케이블을 통해 연결될 수 있다. 보다 구체적으로, 무선 충전 장치(700)는 플랙서블하게 구현되는 무선전력 송신 코일 및 ADC 와 BNN의 첫 계층을 융합한 신호 변환 모듈(726)로 구성되어, 무선전력 송신 코일, 센서 어레이 및 신호 변환 모듈(726)은 도 7 에서와 같이 전력 변환부와 물리적으로 떨어져 있을 수 있다. 결과적으로, 무선 충전 장치(700)는 기본적인 인식 능력을 구비하여 무선전력 수신 모듈의 종류 및 위치를 파악하여 사용자의 개입없이 자동적으로 충전 작업을 수행하는 자동 충전 동작을 수행할 수 있다.
도 11 은 본 발명의 일 실시예에 따른 멀티 충전이 가능한 인공지능 기반의 무선 충전 과정을 나타내는 순서도이다.
도 11에서, 무선 충전 장치는 센서 어레이와 신호 변환 모듈을 동작시켜 BNN에 의한 무선전력 수신 모듈(Rx)의 추정을 수행할 수 있다. 이후, 상기 추정에 의해 무선전력 수신 모듈의 주파수 특성을 파악하거나 ID(Identification) 신호를 검출하고 무선 전력 수신 모듈과 정확한 정렬을 수행할 수 있다. 무선 충전 장치는 상기의 정확한 정렬이 이루어지지 않을 경우 센서와 신호변환 모듈의 동작에 의해 정확한 정렬이 이루어질 때까지 상기 과정을 반복할 수 있다. 정확한 정렬이 이루어지면 무선 충전을 수행하고 이상이 없는 경우 종료할 수 있다.
일 실시예에서, 무선 충전 장치(700)는 무선전력 수신 모듈이 여러 개인 경우, 하나의 무선전력 송신 코일로 순차적으로 여러 무선전력 수신 모듈을 충전할 수 있다. 다른 일 실시예에서, 무선 충전 장치(700)는 궁극적으로 다양한 무선전력 수신 모듈을 동시에 충전할 수 있는 공명 방식을 통해 무선전력 송신 코일 자체를 어레이 형태로 구현할 수 있다. 즉, 무선 충전 장치(700)는 상기 언급한 센서 어레이를 포함하는 센서 모듈(724)과 이에 통합된 BNN을 이용한 무선전력 수신 모듈 인식 결과를 복수의 무선전력 송신 코일을 포함하는 코일 모듈(722)의 각 코일 전류 컨트롤에 실시간으로 적용하여 다양한 형태를 가지는 복수의 무선전력 수신 모듈들을 최적 조건으로 충전할 수 있다. 결과적으로, 본 발명에 따른 무선 충전 장치(700)는 다양한 사용자 단말에 포함되는 여러가지 무선전력 수신 모듈들과의 정확한 정렬 문제 및 하나의 무선 충전 장치(700)로 복수의 사용자 단말들을 충전할 수 없는 기존의 문제들을 해결할 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
700: 인공지능 기반의 플랙서블 무선 충전 장치
710: 전력변환부
720: 무선전력 송신부 722: 코일 모듈
724: 센서 모듈 726: 신호 변환 모듈

Claims (8)

  1. 무선전력 수신 모듈에 무선전력을 송신하고 상기 무선전력 수신 모듈의 압력, 온도 또는 이미지를 포함하는 특성을 기초로 가변하는 굴곡성을 가지는 무선전력 송신부; 및
    상기 무선전력 송신부와 이격되어 연결되는 비-일체형 전력변환부를 포함하는 인공지능 기반의 플랙서블 무선 충전 장치.
  2. 제1항에 있어서, 상기 무선전력 송신부는
    상기 무선전력 수신 모듈에 무선전력을 송신하는 코일 모듈;
    상기 코일 모듈과 연결되고 상기 무선전력 수신 모듈의 특성을 검출하는 센서 모듈; 및
    상기 센서 모듈과 연결되어 센서의 아날로그 신호를 디지털 신호로 변환하는 신호 변환 모듈을 포함하여 통합적으로 구성되는 것을 특징으로 하는 인공지능 기반의 플랙서블 무선 충전 장치.
  3. 제2항에 있어서, 상기 무선전력 송신부는
    상기 코일 모듈을 상기 무선전력 수신 모듈의 특성에 구애되지 않는 특정 배열로 형성되는 복수의 무선전력 송신 코일들로 구성하는 것을 특징으로 하는 인공지능 기반의 플랙서블 무선 충전 장치.
  4. 제3항에 있어서, 상기 무선전력 송신부는
    상기 센서 모듈을 상기 코일 모듈의 특정 배열과 같이 형성된 센서 어레이(sensor array) 형태로 상기 무선전력 수신 모듈의 특성을 각각 검출하는 복수의 센서들로 구성하는 것을 특징으로 하는 인공지능 기반의 플랙서블 무선 충전 장치.
  5. 제2항에 있어서, 상기 신호 변환 모듈은
    적어도 하나의 ADC(Analog to Digital Converter); 및
    상기 적어도 하나의 ADC와 유기적으로 통합된 BNN(Binary Neural Network)의 첫 계층에 해당하는 입력층을 포함하는 것을 특징으로 하는 인공지능 기반의 플랙서블 무선 충전 장치.
  6. 제5항에 있어서, 상기 신호 변환 모듈은
    상기 BNN의 출력 결과를 기초로 복수의 무선전력 송신 코일들의 각 코일 전류를 제어하여 복수의 무선전력 수신 모듈들을 동시에 충전시키는 것을 특징으로 하는 인공지능 기반의 플랙서블 무선 충전 장치.
  7. 제5항에 있어서, 상기 신호 변환 모듈은
    복수의 SAR(Successive-Approximation Register) ADC들을 포함하고, 상기 복수의 SAR ADC의 출력 값을 상기 BNN의 입력층으로 전달하여 처리함에 있어서 각 ADC의 스위치 커패시터 뱅크(switched capacitor bank)를 그대로 이용하여 상기 BNN의 입력층의 곱셈-누산(multiply-accumulate) 기능을 수행하는 것을 특징으로 하는 인공지능 기반의 플랙서블 무선 충전 장치.
  8. 제6항에 있어서, 상기 신호 변환 모듈은
    상기 BNN의 첫 계층과 두번째 단 이후의 나머지 단을 분리하고, 상기 BNN의 첫 계층을 상기 센서 모듈 및 상기 ADC 모듈과 통합시켜 ADC의 멀티 비트 형태의 출력 데이터를 BNN의 입력층을 거친 후에 이진 데이터로 변환하여 상기 두번째 단으로 전송하는 것을 특징으로 하는 인공지능 기반의 플랙서블 무선 충전 장치.
KR1020180137378A 2018-11-09 2018-11-09 인공지능 기반의 플랙서블 무선 충전 장치 KR102120263B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180137378A KR102120263B1 (ko) 2018-11-09 2018-11-09 인공지능 기반의 플랙서블 무선 충전 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180137378A KR102120263B1 (ko) 2018-11-09 2018-11-09 인공지능 기반의 플랙서블 무선 충전 장치

Publications (2)

Publication Number Publication Date
KR20200053900A true KR20200053900A (ko) 2020-05-19
KR102120263B1 KR102120263B1 (ko) 2020-06-08

Family

ID=70913356

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180137378A KR102120263B1 (ko) 2018-11-09 2018-11-09 인공지능 기반의 플랙서블 무선 충전 장치

Country Status (1)

Country Link
KR (1) KR102120263B1 (ko)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005110399A (ja) * 2003-09-30 2005-04-21 Sharp Corp 非接触電力供給システム
KR20110068007A (ko) 2009-12-15 2011-06-22 이형수 휴대용 단말기 무선충전장치
JP2012044827A (ja) * 2010-08-23 2012-03-01 Midori Anzen Co Ltd 非接触充電装置
KR20130020340A (ko) * 2011-08-19 2013-02-27 주식회사 케이더파워 둘둘 마는 플렉서블 무선 충전기
KR20130078078A (ko) * 2011-12-30 2013-07-10 삼성전기주식회사 멀티 무선 충전 장치 및 그 제조 방법
KR20160022035A (ko) 2014-08-19 2016-02-29 삼성전기주식회사 무선충전장치 및 무선충전방법
KR20160086252A (ko) * 2015-01-09 2016-07-19 경희대학교 산학협력단 무선 에너지 공급 장치 및 방법
KR20170036628A (ko) * 2015-09-22 2017-04-03 에너저스 코포레이션 무선 전력 전송파를 생성하고 전송하는 시스템 및 방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005110399A (ja) * 2003-09-30 2005-04-21 Sharp Corp 非接触電力供給システム
KR20110068007A (ko) 2009-12-15 2011-06-22 이형수 휴대용 단말기 무선충전장치
JP2012044827A (ja) * 2010-08-23 2012-03-01 Midori Anzen Co Ltd 非接触充電装置
KR20130020340A (ko) * 2011-08-19 2013-02-27 주식회사 케이더파워 둘둘 마는 플렉서블 무선 충전기
KR20130078078A (ko) * 2011-12-30 2013-07-10 삼성전기주식회사 멀티 무선 충전 장치 및 그 제조 방법
KR20160022035A (ko) 2014-08-19 2016-02-29 삼성전기주식회사 무선충전장치 및 무선충전방법
KR20160086252A (ko) * 2015-01-09 2016-07-19 경희대학교 산학협력단 무선 에너지 공급 장치 및 방법
KR20170036628A (ko) * 2015-09-22 2017-04-03 에너저스 코포레이션 무선 전력 전송파를 생성하고 전송하는 시스템 및 방법

Also Published As

Publication number Publication date
KR102120263B1 (ko) 2020-06-08

Similar Documents

Publication Publication Date Title
US11901525B2 (en) Battery monitoring system
KR102047963B1 (ko) 무선 충전 장치 및 방법
US9680326B2 (en) Power transfer architecture employing coupled resonant circuits
TWI492549B (zh) 多模式功率放大電路、多模式無線發射模組及其方法
US20100234756A1 (en) Human body communication apparatus
KR20170044120A (ko) 무선 전력 전달
US8803758B2 (en) Antenna device and wireless communication apparatus
KR20130025485A (ko) 무선 전력을 이용한 통신 시스템
CN110350676B (zh) 一种无线充电的通信方法和装置
CN105680897A (zh) 无线设备、无线通信系统及方法
KR102120263B1 (ko) 인공지능 기반의 플랙서블 무선 충전 장치
KR101195504B1 (ko) 이동통신단말기 및 무선충전장치
US20230402879A1 (en) Wireless power transmitting apparatus and method for wirelessly transmitting power by wireless power transmitting apparatus
CN107003972A (zh) 用于使用人类或动物身体作为传输媒介来执行数据通信的通信设备和系统
EP4362280A1 (en) Electronic device for wirelessly transmitting power, and method for operating same
US20230052693A1 (en) Method of detecting foreign object and electronic device
US20230104202A1 (en) Power reception device and method for controlling charging of power reception device
CN115981507A (zh) 一种触摸感测系统
US7015852B1 (en) Cyclic analog-to-digital converter
CN103107827A (zh) 移动通讯装置及其无线通讯信号的调整方法
CN114467241A (zh) 无线功率传输
US20230412001A1 (en) Wireless power transmitting device, wireless power receiving device, and method of operating the same
KR20230166821A (ko) 위상 검출기를 포함하는 무선으로 전력을 전송하는 전자 장치와 이의 동작 방법
WO2023068726A1 (ko) 무선으로 전력을 전송하는 전자 장치와 이의 동작 방법
US20230378985A1 (en) Communication device and method for operating same

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant