CTベース磁気エネルギーハーベスティングシステムにおける非線形B-H特性を考慮した誘導電圧のデータ駆動型予測
Data-Driven Prediction of Induced Voltage in CT-Based Magnetic Energy Harvesting Systems Considering Nonlinear B–H Characteristics
本論文は、CT(電流トランス)ベースの磁気エネルギーハーベスティングシステムにおける誘導電圧の高速予測のための深層ニューラルネットワーク(DNN)ベースの代理モデル開発に関する研究である。CTベースの磁気ハーベスターは低電力電子機器向けの有望な自励式電源であるが、コア材料の非線形磁気挙動が出力性能に大きく影響するため、誘導電圧の正確な予測はデバイス設計において重要である。本研究では、非線形B-H曲線にアークタンジェントベースモデルを用いてパラメータ化し、磁性材料パラメータ、一次電流、負荷抵抗を変更して電磁シミュレーションを実行した。得られたデータセットを用いてDNN代理モデルの訓練と検証を行った。訓練済みモデルは、R2値0.99以上、低い予測誤差という高い予測精度を示し、異なる磁性材料特性や動作条件における実効値誘導電圧の傾向を再現した。さらに、調査したパラメータ範囲内での最大電力点解析にも使用された。この代理モデルは、繰り返し行われる電磁シミュレーションの必要性を減らし、CTベース磁気エネルギーハーベスティングシステムの効率的な設計探索を支援できることが示された。
本論文はCTベース磁気エネルギーハーベスティングにおいてDNN代理モデルを用いた誘導電圧予測手法を提案した研究であり、学術的な技術提案に留まっている。投資家視点では、実用化段階や製品化の発表、企業関与、市場投入時期など具体的な事業インパクトに欠ける。ただし、エネルギーハーベスティング技術の設計効率化という方向性自体は産業用IoTセンサーや低電力デバイス向け自励式電源の実用化に寄与する可能性があるため、関連スタートアップや材料メーカーの動向をウォッチする際の背景知識として参考になる。