Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Threshold Text Classification with Kullback–Leibler Divergence Approach Kapitel lesen Erstes Kapitel lesen

2023 | OriginalPaper | Buchkapitel

Rapid Design of Square-Spiral Metamaterial for Enhanced Wireless Power Transfer Applications Using Artificial Neural Networks

verfasst von : Bui Huu Nguyen, Quoc-Dong Hoang, Luan N. T. Huynh

Erschienen in: Machine Learning and Mechanics Based Soft Computing Applications

Verlag: Springer Nature Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Wireless power transfer (WPT) is an appropriate method of delivering power without connecting wires to multiple devices. To further increase WPT performance, metamaterials’ extraordinary properties, such as electromagnetic field focusing, have been used successfully. Normally, metamaterial properties depend on multiple parameters. Several metamaterial designs require a significant amount of time to complete numerical simulation. In this work, we propose a rapid design square-spiral metamaterial method using an artificial neural network (ANN). When ANN is used, the results show an accuracy of 97.4% and a collective mean square error (MSE) less than 0.7 × 10–3. For synthesizing the design parameters, the results show an accuracy of 95.6% and the MSE less than 7 × 10–3. Besides, the computation time of 1000 samples can be reduced 93 × 103 times compared to the HFSS simulation.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Control Design for 400 Hz Ground Power Unit
Nächstes Kapitel GIS and RS Application for Land Use Status Quo Mapping in 2020 and Land Use Change Assessing in Thu Dau Mot City
Literatur
1.
Ho, J. S., Kim, S., & Poon, A. S. (2013, June). Midfield wireless powering for implantable systems. Proceedings of the IEEE, 101, 1369–1378.
2.
Pham, T. S., Ranaweera, A. K., Ngo, D. V., & Lee, J. W. (2017, July). Analysis and experiments on Fano interference using a 2D metamaterial cavity for field localized wireless power transfer. Journal of Physics D: Applied Physics, 50, 305102.
3.
Ma, W., Cheng, F., & Liu, Y. (2018, June). Deep-learning-enabled on-demand design of chiral metamaterials. ACS Nano, 12, 6326–6334.
4.
Nadell, C. C., Huang, B., Malof, J. M., & Padilla, W. J. (2019, September). Deep learning for accelerated all-dielectric metasurface design. Optics Express, 27, 27523–27535.
5.
Qiu, T., Shi, X., Wang, J., Li, Y., Qu, S., Cheng, Q., Cui, T., & Sui, S. (2019, April). Deep learning: A rapid and efficient route to automatic metasurface design. Advancement of Science, 6, 1900128.
6.
Bui, H. N. (2020, October). Design of tunable metasurface using deep neural networks for field localized wireless power transfer. IEEE Access, 8, 194868–194878.
7.
Tahersima, M. H., Kojima, K., Koike-Akino, T., Jha, D., Wang, B., Lin, C., & Parsons, K. (2019, February). Deep neural network inverse design of integrated photonic power splitters. Science and Reports, 9, 1–9.
8.
Akashi, N., Toma, M., & Kajikawa, K. (2019, November). Design of metamaterials using neural networks. Proceedings of SPIE, 11194, 111940U.
9.
Hou, J., Lin, H., Xu, W., Tian, Y., Wang, Y., Shi, X., Deng, F., & Chen, L. (2020, November). Customized inverse design of metamaterial absorber based on target-driven deep learning method. IEEE Access, 8, 211849–211859.
10.
So, S., Mun, J., & Rho, J. (2019, June). Simultaneous inverse design of materials and structures via deep learning: Demonstration of dipole resonance engineering using core-shell nanoparticles. Applied Materials & Interfaces, 11, 24264–24268.
11.
An, S., Fowler, C., Zheng, B., Shalaginov, M. Y., Tang, H., Li, H., Zhou, L., Ding, J., Agarwal, A. M., Baleine, C. R., Richardson, K. A., Gu, T., Hu, J., & Zhang, H. (2019). A deep learning approach for objective-driven all-dielectric metasurface design. ACS Photonics, 6, 3196–3207.
Metadaten
Titel
Rapid Design of Square-Spiral Metamaterial for Enhanced Wireless Power Transfer Applications Using Artificial Neural Networks
verfasst von
Bui Huu Nguyen
Quoc-Dong Hoang
Luan N. T. Huynh
Copyright-Jahr
2023
Verlag
Springer Nature Singapore
Buch
Machine Learning and Mechanics Based Soft Computing Applications

Print ISBN: 978-981-19-6449-7

Electronic ISBN: 978-981-19-6450-3

Copyright-Jahr: 2023

DOI
https://doi.org/10.1007/978-981-19-6450-3_12

Premium Partner

    Bildnachweise