Koncept i primena mašinskog učenja u predviđanju induktivnosti u višeslojnim pravougaonim spiralnim mikrozavojnicama
Sažetak
Uvod/cilj: Ovim istraživanjem uvodi se nov pristup projektovanju skupa podataka pravougaonih planarnih zavojnica pomoću komplementarnih softverskih alata. MATLAB funkcioniše kao okruženje za projektovanje visokog nivoa, a FastHenry deluje kao računarski okvir za rešavanje Maksvelovih jednačina i dobijanje vrednosti induktivnosti. Generišu se dva različita sintetička skupa podataka pomoću naprednih tehnika uzorkovanja za različite konfiguracije, uključujući metodu uzorkovanja latinske hiperkocke. Ovi skupovi podataka se zatim obrađuju i obučavaju pomoću algoritama mašinskog učenja za predviđanje vrednosti induktivnosti na osnovu dobijenih geometrijskih parametara.
Metode: Za generisanje ekstenzivnih sintetičkih skupova podataka koji sadrže 20 000 redova za dvoslojne konfiguracije zavojnica i 15 000 redova za troslojne konfiguracije prvo se koristi MATLAB. Nakon procesa generisanja, proverava se da li su skupovi podataka spremni za obuku. Šest modela mašinskog učenja: Gaussian Process Regressor (GPR), KNeighborsRegressor (KNN), BayesianRidge, ElasticNetCV, GammaRegressor, kao i Bagging Regressor obučeno je i procenjeno pomoću metrika kao što su R² i RMSE. Modeli se zatim ispituju na nepoznatim podacima za ispitivanje i ocenjuju pomoću tehnike unakrsne validacije kako bi se utvrdilo koliko mogu da generalizuju.
Rezultati: Skupovi podataka su uspešno generisani, a modeli KNeighborsRegressor, Gaussian Process Regressor (GPR) i Bagging Regressor ostvarili su najbolje rezultate, iskazali su veliku tačnost i malu grešku.
Zaključak: Rezultati pokazuju da je mašinsko učenje praktičan i efikasan metod za predviđanje induktivnosti u višeslojnim pravougaonim planarnim zavojnicama na osnovu geometrije.
Reference
Alghrairi, M., Sulaiman, N., Mutashar, S., Wan Hasan, W. Z., Jaafar, H., & Algriree, W. (2022). Designing and analyzing multi-coil multi-layers for wireless power transmission in stent restenosis coronary artery. AIP Advances, 12(12). Available at: https://doi.org/10.1063/5.0121532
Altman, N. S. (1992). An Introduction to Kernel and Nearest-Neighbor Nonparametric Regression. The American Statistician, 46(3), 175–185. Available at: https://doi.org/10.1080/00031305.1992.10475879
Ansari, M.A., & Agarwal, P. (2024). Inductance Modelling of Planar Meander Structure Using RBM and kNN. SN Computational Sciences, 5, 1169. Available at: https://doi.org/10.1007/s42979-024-03516-7
Asadi, M., Rezaei, A., & Abazari, A. M. (2023, December). Calculation of Mutual Inductance between Two Planar Coils with Custom Specifications and Positions Using a Machine Learning Approach. In Proceedings of the International Conference on New Trends in Applied Sciences (Vol. 1, pp. 20-30). Available at: https://doi.org/10.58190/icontas.2023.50
Bayazıt, G. H., Caarls, E. I., & Lomonova, E. A. (2023). Inductance Map Regression of Doubly Excited Electrical Machines Considering Cross-Saturation. IEEE Transactions on Magnetics, 59(11), 1-5. Available at: https://doi.org/10.1109/TMAG.2023.3292500
Chen, X., Zheng, C., & Golestanirad, L. (2023). Application of Machine learning to predict RF heating of cardiac leads during magnetic resonance imaging at 1.5 T and 3 T: A simulation study. Journal of Magnetic Resonance, 349, 107384. Available at: https://doi.org/10.1016/j.jmr.2023.107384
Ding, W., Wang, Y., Chen, T., Lu, Z., You, Y., Wang, J., & Huang, Z. (2025). A stacking machine‐learning based method for accelerating magnetic coupler design with ferrite cores in inductive power transfer applications. International Journal of Circuit Theory and Applications, 53(1), 67-80. Available at: https://doi.org/10.1002/cta.4096
Farooq, M., Amin, B., Elahi, A., Wijns, W., & Shahzad, A. (2023). Planar Elliptical Inductor Design for Wireless Implantable Medical Devices. Bioengineering, 10(2), 151. Available at: https://doi.org/10.3390/bioengineering10020151
Faria, A. R. S., Marques, L. S., Gaspar, J., Alves, F. S., & Cabral, J. M. N. (2021, March). High precision, geometry independent analytical method for self-inductance calculation in planar coils. In 2021 22nd IEEE International Conference on Industrial Technology (ICIT) (Vol. 1, pp. 1234-1239). IEEE. Available at: http://doi.org/10.1109/ICIT46573.2021.9453559
Gastineau, L. A., Lewis, D. D., & Ionel, D. M. (2024, November). Combined 3D FEA and Machine Learning Design of Inductive Polyphase Coils for Wireless EV Charging. In 2024 13th International Conference on Renewable Energy Research and Applications (ICRERA) (pp. 1811-1816). IEEE. Available at: https://doi.org/10.1109/ICRERA62673.2024.10815533
MacKay, D. J. (1992). Bayesian interpolation. Neural Computation, 4(3), 415-447. Available at: https://doi.org/10.1162/neco.1992.4.3.415
Noroozi, B., & Morshed, B. I. (2021). Design and optimization of printed spiral coils for wireless passive sensors. IET Wireless Sensor Systems, 11(4), 169-178. Available at: https://doi.org/10.1049/wss2.12019
SIDUN, Aleksandr, SRIVASTAVA, Manish, O’DONOGHUE, Kilian, et al. Planar On-Silicon Inductor Design for Electromagnetic Tracking. IEEE Sensors Journal, 2023. Available at: https://doi.org/10.1109/JSEN.2023.3296471
Stillig, J., Parspour, N., Ewert, D., & Jung, T. J. (2022, July). Feasibility Study on Machine Learning-based Method for Determining Self-and Mutual Inductance. In 2022 International Seminar on Intelligent Technology and Its Applications (ISITIA) (pp. 193-198). IEEE. Available at: https://doi.org/10.1109/ISITIA56226.2022.9855321
Tolpygo, S. K., Golden, E. B., Weir, T. J., & Bolkhovsky, V. (2022). Mutual and self-inductance in planarized multilayered superconductor integrated circuits: Microstrips, striplines, bends, meanders, ground plane perforations. IEEE Transactions on Applied Superconductivity, 32(5), 1-31. Available at: https://doi.org/10.1109/TASC.2022.3162758
Wang, F., Zhang, X., Shokoueinejad, M., Iskandar, B. J., Webster, J. G., & Medow, J. E. (2018). Spiral planar coil design for the intracranial pressure sensor. Medical Devices & Sensors, 1(3), e10012. Available at: https://doi.org/10.1002/mds3.10012
Wheeler, H. A. (1928). Simple inductance formulas for radio coils. Proceedings of the Institute of Radio Engineers, 16(10), 1398-1400. Available at: https://doi.org/10.1109/JRPROC.1928.221309
Williams, C. K., & Rasmussen, C. E. (2006). Gaussian processes for machine learning (Vol. 2, No. 3, p. 4). Cambridge, MA: MIT press.
Wu, D., Lin, S., Chen, H., & Wang, X. (2023). Mutual inductance model of double printed circuit board‐based coplanar rectangular spiral coils for eddy‐current testing. International Journal of Numerical Modelling: Electronic Networks, Devices and Fields, 36(1), e3038. Available at: https://doi.org/10.1002/jnm.3038
Zhang, J., Hou, X., Qian, S., Bi, X., Hu, D., Liu, J., ... & Chou, X. (2024). Flexible multilayer MEMS coils and their application in energy harvesters. Science China Technological Sciences, 67(4), 1282-1293. Available at: https://doi.org/10.1007/s11431-023-2474-9
Zhao, J. (2010). A new calculation for designing multilayer planar spiral inductors. EDN (Electrical Design News, 55(14), 37.
Sva prava zadržana (c) 2025 Benazzouz younes, Guendouz djilalia
Ovaj rad je pod Creative Commons Autorstvo 4.0 međunarodnom licencom.
Vojnotehnički glasnik omogućava otvoreni pristup i, u skladu sa preporukom CEON-a, primenjuje Creative Commons odredbe o autorskim pravima:
Autori koji objavljuju u Vojnotehničkom glasniku pristaju na sledeće uslove:
- Autori zadržavaju autorska prava i pružaju časopisu pravo prvog objavljivanja rada i licenciraju ga Creative Commons licencom koja omogućava drugima da dele rad uz uslov navođenja autorstva i izvornog objavljivanja u ovom časopisu.
- Autori mogu izraditi zasebne, ugovorne aranžmane za neekskluzivnu distribuciju rada objavljenog u časopisu (npr. postavljanje u institucionalni repozitorijum ili objavljivanje u knjizi), uz navođenje da je rad izvorno objavljen u ovom časopisu.
- Autorima je dozvoljeno i podstiču se da postave objavljeni rad onlajn (npr. u institucionalnom repozitorijumu ili na svojim internet stranicama) pre i tokom postupka prijave priloga, s obzirom da takav postupak može voditi produktivnoj razmeni ideja i ranijoj i većoj citiranosti objavljenog rada (up. Efekat otvorenog pristupa).