MétaCan
Menu
Retour à la cohorte
Enregistrement W4410358774 · doi:10.1109/tpel.2025.3570317

A Parameter-Centric Approach for Enhancing Misalignment Tolerance in Wireless Power Transfer Systems

2025· article· en· W4410358774 sur OpenAlexaff
Zhaoyang Yuan, Qingxin Yang, Changsong Cai, Pengcheng Zhang, Ran Wang, Xianjie Ma, Maryam Saeedifard

Notice bibliographique

RevueIEEE Transactions on Power Electronics · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensUniversity of Alberta
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNatural Science Foundation of Hubei ProvinceState Key Laboratory of Reliability and Intelligence of Electrical EquipmentHebei University of TechnologyNational Natural Science Foundation of China
Mots-clésWireless power transferWirelessElectronic engineeringComputer scienceMaximum power transfer theoremPower (physics)Electrical engineeringEngineeringPhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

This paper introduces a misalignment-tolerant design method for wireless power transfer (WPT) systems by optimization of compensation network parameters. Leveraging the derivation of two-port impedance parameters and adjoint sensitivity analysis, the coupling misalignment characteristics of the system are assessed. Subsequently, a parameter-centric misalignment tolerant approach, independent of the coil structure, is established through a linear fitting method. The proposed approach ensures zero-voltage switching (ZVS) and facilitates efficient stable constant current (CC) output. Experimental validation is performed on a scaled-down 500-W rated SS-compensated WPT prototype equipped with non-specialized square-shaped coils, demonstrating the effectiveness of the proposed approach. The proposed method enhances the SS-compensated system's ability to tolerate both horizontal and vertical misalignments, surpassing the performance of conventional SS topologies. Specifically, the system achieves over 85% efficiency within the misalignment tolerance range, with a peak efficiency of 93.2%. Additionally, the load current variation remains within 5.8% for 100 mm <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"><tex-math notation="LaTeX">$x$</tex-math></inline-formula>-misalignment and <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"><tex-math notation="LaTeX">$-$</tex-math></inline-formula>15 to <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"><tex-math notation="LaTeX">$+$</tex-math></inline-formula>50 mm <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"><tex-math notation="LaTeX">$z$</tex-math></inline-formula>-misalignment.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,876
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,211
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power ElectronicsMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207