Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2507.12082

帮助 | 高级搜索

电气工程与系统科学 > 系统与控制

arXiv:2507.12082 (eess)
[提交于 2025年7月16日 ]

标题: 高功率多层矩形平面绕组的电感估算

标题: Inductance Estimation for High-Power Multilayer Rectangle Planar Windings

Authors:Theofilos Papadopoulos, Antonios Antonopoulos
摘要: 本文提出了一种简单且准确的类似单项式方程,用于估算多层矩形平面绕组(MLRPWs)在高频、高功率应用中的电感。 该方程由几何尺寸的幂乘积组成,每个幂乘积分别具有不同的幂系数。 这些系数通过多元线性回归(MLR)生成,基于大约6000个模拟绕组的大数据集,训练/评估样本比例为80/20。 结果的平均误差值为0%,标准偏差低于1.8%。 电感估计的准确性已在多个实验样品上得到验证,这些样品的尺寸既包括初始训练数据集内的,也包括其外的。
摘要: This paper proposes a simple and accurate monomial-like equation for estimating the inductance of Multilayer Rectangle-shaped Planar Windings (MLRPWs) for high-frequency, high-power applications. The equation consists of the power product of the geometrical dimensions, raised at individual power coefficients. The coefficients are generated via Multiple Linear Regression (MLR), based on a large set of approximately 6,000 simulated windings, with an 80/20 training/evaluation sample ratio. The resulting mean error value is 0%, with a standard deviation below 1.8%. The accuracy of the inductance estimation is confirmed on several experimental samples, with dimensions both within and outside the initial training dataset.
评论: 7页,7图,IEEE工业电子学新兴与选定主题期刊,2025
主题: 系统与控制 (eess.SY)
引用方式: arXiv:2507.12082 [eess.SY]
  (或者 arXiv:2507.12082v1 [eess.SY] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.12082
通过 DataCite 发表的 arXiv DOI(待注册)
相关 DOI: https://doi.org/10.1109/JESTIE.2025.3564119
链接到相关资源的 DOI

提交历史

来自: Theofilos Papadopoulos Christos [查看电子邮件]
[v1] 星期三, 2025 年 7 月 16 日 09:42:13 UTC (6,267 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess.SY
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.SY
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号