電動汽車無線充電新型DD耦合機構設計與優化

石崢嶸

摘 要：電動汽車無線電路系統設計中，需要根據系統性能要求，注重提高線圈設計優化，對發射線路線圈的DD結構進行操作，注重提高DD線圈空間磁場的合理分布，調整實現離散模塊化操作，注重提升群落化的算法優化，保證DD線圈達到最佳的參數范圍標準要求，與實際的DD線圈長度、寬度、間隙符合最優化的求解要求。本文將針對電動汽車無線操作充電線路的DD耦合機構進行設計分析，結合感應強度的實際空間參數分布進行判斷，分析基于蟻群算法下的DD耦合機構設計優化實施方案。

關鍵詞：電動汽車;無線充電;DD耦合

0 引言

線圈是實現電動汽車無線充電的最佳關鍵元器件，它直接關系到系統的功率傳輸和綜合效能。DD耦合線圈結構中，需要按照兩個電路實施并聯操作，分析磁場線路的串聯下矩形線圈的組成標準。調整傳統線圈下的磁場通路，分析低聚耦合系數，調整康水平偏移下的特性缺陷問題。依據高磁場線路路徑操作，調整磁場、實現低損耗，低泄漏的優化操作。通過正交偏移圈線路，構建DDQ型線圈。DD型-DDQ無線充電線圈耦合下，是滿足汽車無線充電線圈的主要方式和研究標準。作為發射線圈操作，DD線圈的形狀、參數設計之類關系到系統性能。

1 DD線圈磁感應強度的分布空間操作

按照DD線圈模型，以畢奧定律中規定具體理論標準，通過DD線圈感應，拓展空間磁場的有效分布，實施有效的推導應用。基于有效優化算法的形式，調整DD線圈下的設計思路和參數，分析線圈激發下的磁感應效果，提升磁感應強度水平，滿足實際系統操作的關系要求，提供有效的優化政策設計參數分析標準方法。

2 DD線圈磁感應強度的準確分布

（1）點分布。畢奧定律中規定，按照電流元標準，通過調整空間內的任意P點，逐步激發磁場的基礎定理，闡述線圈電流下的磁場強度范圍，分析數學關系要素。其中I表示電流過線圈的值，DI表示線圈電流的單位長;R表示單位長度下的線圈電流目標距離;RO表示單位長度下的電流線圈目標值，單位矢量標準。DI單位長度的線圈狀態電流中，依據目標產生的磁場強度進行分析。依據畢奧定律所提出的計算方式，依據DD型線圈磁場的實際分布方法，推導出需要計算的公式。依據驗證計算的標準，給予DD線圈的磁場分布空間。

按照坐標系數對線圈進行網絡劃分，對每一個網格下的磁場區間分布進行分析。調整網絡格邊距值，當接近于0的時候，需要計算精度，將其無線接近于實際標準值，避免計算難度過大。按照線圈模型標準，分析直角坐標系內的相關釋放值，調整各個邊的軸線平行線區間點。以L長的坐標通電導線分析，調整確定最小單元的長度。沿著Y軸平行放置導線，分析觀察坐標下的P值點位。按照坐標位置，觀察PN值。選取末端點計算實際的距離。確定每個單元的指向點，通過單位矢量值設定，調整P與線圈的距離，保證在H平行面上，確定P點投影下的線圈面，符合P投影范圍。

（2）磁場分析確定的驗證方式。按照物理教材中的長度L值，分析載波流下的導線范圍。按照D距離點位，分析磁感應下的計算方式。按照L=500mm、L=80mm、L=100mm標準，分析計算磁場計算的模型，保證其準確有效。

（3）DD線型圈下的磁場分布。DD線圈結構相對較為復雜，為了準確的計算磁場分布，推導點位的平面位置，通過N匝數據，確定DD線圈模型。通過平面位置，調整邊距內的線圈坐標位置。將DD線圈的每一個邊控制在400等份，從最小匝開始，對每條邊的空間磁場進行求解分析，記錄疊加原理，確定DD線圈整體空間的磁場分布，保證左邊矩形內各邊觀測上的磁感應強度符合要求。按照相同的解法要素，尋求右邊距線圈的觀測點，按照各匝線圈進行求解，疊加原理，保證整體DD線圈P點與磁感應強度B在同一標準內。使用數學工具對線圈空間點位進行矩陣運算分析，確定每一個磁場的準確分布情況。

3 蟻群算法中DD線圈參數的優化操作

按照線圈設計方式進行操作，依據設計參數優化，按照面積、間隙算法進行分析，優化蟻群算法，優化設計思路。

（1）DD線圈優化參數分析。按照疊加定理要素，分析雜數與空間磁感應的強度，成正比關系。實施傳輸性能優化調整，線圈需要密實纏繞。線圈的面積由線直徑、雜數確定。需要注意電線圈設計的要素，不可以一味的增加匝數，防止線圈電感量過大，導致成本增加。

（2）DD線圈長寬比。DD線圈中串聯通路下，需要按照DD線圈的長度寬度標準，分析線圈空間內的磁場強度分布，控制氣復雜程度和影響作用效果。

（3）電動線圈安全間隙DD分析。依據磁通路構成串聯回路的磁通效果，依據磁通路徑的高度與長度比關系，分析間隙性的磁感應強度，逐步減弱調控，確定接收線圈的耦合標準。為了有效的提升發射線圈的傳感效率，需要在下方添加高導磁感應材料，分析產生的單磁場，逐步提高線圈傳輸效果。通過添加高導磁率的鐵氧化材料，通過磁場作用，提高線圈基礎通路下的高度。在充電效率不變的前提下，增強無線充電系統的間隙和效果。

4 蟻群算法的優化方式

蟻群算法，簡稱ACO，是通過仿生技術實現的蟻群最優化算法。通過蟻群搜索分析，實現路徑內的矩陣轉移，提高矩陣內的路徑分配。調整信息元素下的衰減機制，控制淘汰路徑比率，確保最終獲取更高質量的解。

DD線圈設計中，需要實施電能傳輸的性能優化，注重相關參數分析，建立DD線圈優化設計思路，獲取最優的網絡結構形式。按照線圈面積，寬度不變的情況下，調整線圈區域范圍內的網格劃分標準，滿足最大優化發展需求。依據信息要素向量解析，判斷傳輸的最優處理效果。使用蟻群算法確定設計優化思路，對線圈設計的實際情況記錄分析，對條件進行限制收斂，優化求解思路，縮短運算參數標準。

在優化前需要分析線圈的區域內標準，分析劃分網絡的磁感應強度。通過分析線圈的基礎條件，對線圈的性能數據進行反饋。優化設計方案的同時，提高設計方案的準確性，按照接收線圈的區域標注，逐步提高磁感應強度效果，實現磁感應的均勻分布。

5 結語

綜上所述，汽車無線充電中，采用DD耦合機構設計方式，重視便捷性、精準性的設計參數分析，逐步優化設計思路，計算線圈的最優匝數，結合長寬標準比參數分析，確定DD型線圈內的無線設計充電設計參數，滿足無線充電的設計需求。

參考文獻：

[1]孫凱東.電動汽車無線充電DD型線圈設計參數優化[J].科技創新導報，2019（28）.

[2]鄔烈勤.普通型洗衣機排水控制機構設計[J].家用電器科技，1987（03）.

[3]熊慧，連璐，劉近貞.基于人體頭部模型的經顱磁刺激反向線圈研究[J].航天醫學與醫學工程，2019（06）.