Magnetics Optimizer: Cómo encontrar el diseño de transformador óptimo en términos de Pareto con NSGA-II

Por qué el diseño magnético sigue siendo difícil

La simulación de electrónica de potencia ha recorrido un largo camino. Puede modelar un convertidor de conmutación completo en SPICE, ejecutar el sistema Montecarlo en su circuito de control y predecir las emisiones radiadas antes de girar la placa. Sin embargo, el diseño magnético sigue siendo obstinadamente manual. El flujo de trabajo estándar consiste en estimar los voltios-segundo necesarios, elegir un núcleo del catálogo según las reglas generales de manejo de la energía, calcular las vueltas, comprobar que la bobina encaja en la ventana, verificar que la densidad máxima de flujo se mantenga por debajo de la saturación y esperar que el aumento térmico sea aceptable.

El problema es que «elegir un núcleo del catálogo» no es un paso determinista. TDK, Ferroxcube, Magnetics Inc. y Micrometals ofrecen en conjunto docenas de materiales de ferrita y cientos de formas de núcleos: EE, ETD, PQ, RM y toroides. Cada material tiene sus propios coeficientes de Steinmetz, densidad de flujo de saturación y resistencia térmica. Los núcleos ETD favorecen el bobinado de gran volumen; los núcleos PQ prefieren los ensamblajes de bajo perfil. Las ferritas N87 y N97 de TDK tienen diferentes perfiles de pérdida de núcleo a 100 kHz frente a 500 kHz. Los toroides de hierro en polvo toleran un flujo de saturación más alto, pero se ven perjudicados por la pérdida del núcleo de alta frecuencia.

Además de eso, no existe un diseño único que sea el mejor. Un diseño optimizado para una pérdida mínima utiliza un núcleo grande con baja densidad de flujo y alambre grueso. Un diseño optimizado para un tamaño mínimo empuja la densidad de flujo hacia la saturación y cierra herméticamente la sinuosa ventana. Estos objetivos entran en conflicto, y el equilibrio adecuado depende del presupuesto térmico, la limitación del tamaño de la placa y el objetivo de eficiencia.

El Magnetics Optimizer aborda este problema directamente. Considera la selección de núcleos y la geometría de las bobinas como un problema de optimización multiobjetivo, que se resuelve con el NSGA-II en los 113 núcleos de la base de datos simultáneamente, lo que devuelve el modelo de Pareto: todos los diseños en los que no se puede mejorar la eficiencia sin aumentar el volumen.

El problema del diseño: 48 V Flyback, 36 W, 100 kHz

El ejemplo resuelto a lo largo de esta publicación es un transformador de retorno regulado del lado primario: entrada de 48 V (nominal), salida de 12 V a 3 A (36 W), frecuencia de conmutación de 100 kHz, ciclo de trabajo del 45%. Los parámetros introducidos en la herramienta:

Con una entrada de 48 V y un ciclo de trabajo del 45%, el producto en voltios-segundo que se aplica al primario durante el tiempo de funcionamiento es:Esto impulsa la selección por turnos y el área central. Debe ser compatible sin saturar el núcleo y restablecerse por completo durante el tiempo de inactividad, la restricción fundamental que une el número de giros, la geometría del núcleo y la frecuencia de conmutación.

Por qué es importante la optimización multiobjetivo

Considera dos diseños extremos para este vuelo de regreso:

Diseño A: pérdida mínima: Utilice un núcleo ETD44 ($A_e = 173\,\text{mm}^2$). La gran sección transversal soporta los voltios-segundos necesarios con giros moderados y una densidad de flujo máxima baja, tal vez 80 mT. La pérdida de núcleo es pequeña. El cable primario grueso mantiene baja la resistencia a la corriente continua. La eficiencia supera el 98%. Pero el ETD44 tiene un volumen de aproximadamente 18 cm³. Diseño B: volumen mínimo: Utilice un núcleo EE25 ($A_e = 52\,\text{mm}^2$). Se requieren menos vueltas, pero la densidad máxima de flujo debe aproximarse a los 240 mT para cumplir con la restricción de voltios-segundo. La pérdida del núcleo aumenta considerablemente: el exponente de Steinmetz$\beta \approx 2.86$significa que la pérdida aumenta considerablemente con la densidad de flujo. Un aumento del 10% en la densidad máxima de flujo aumenta la pérdida de núcleo en$(1.10)^{2.86} - 1 \approx 32\%$. El volumen cae a unos 3 cm³, es decir, una sexta parte del volumen del Diseño A.

Tampoco es universalmente mejor. La fuente de alimentación de un centro de datos acepta el núcleo más grande para aumentar la eficiencia; de todos modos, un cargador portátil para uso médico necesita ocupar poco espacio. La respuesta correcta es la de Pareto: todos los diseños en los que no se puede mejorar la eficiencia sin aumentar el volumen.

El algoritmo: NSGA-II

El optimizador utiliza el NSGA-II (algoritmo genético de clasificación no dominado II), implementado con la biblioteca DEAP. El NSGA-II mantiene un conjunto de diseños de candidatos, evalúa ambos objetivos para cada candidato, clasifica a las personas según su posición dominante en términos de Pareto y utiliza una métrica de distancia de agrupamiento para preservar la diversidad en el frente, evitando que la población se reduzca a un solo punto.

Cada individuo codifica un diseño transformador completo como un cromosoma de 7 genes:

• Índice principal: índice de enteros en la base de datos de 113 núcleos
• El primario se convierte en N1: entero, 3—120
• Giros secundarios N2: se deriva de la relación de giros de los transformadores; varía para los inductores acoplados
• Calibre de cable primario — AWG 14—40
• Calibre de cable secundario — AWG 14—40
• Intervalo de aire — 0—3 mm (continuo)
• Intercalación — Ninguno/P-S-P/S-P-S/Completo (entero 0—3)

Para las topologías de transformadores (retroceso, avance), el N2 no se optimiza directamente, sino que se deriva de la restricción de relación de vueltas$N_2 = \text{round}(N_1 \cdot V_{out} / (V_{in} \cdot D))$. Esto es físicamente correcto y reduce el espacio de búsqueda.

El algoritmo evalúa a cada candidato en 10 puntos de operación: 5 fracciones de carga (20%, 40%, 60%, 80%, 100%) × 2 voltajes de entrada (nominales y +10%). Los valores de aptitud física son la pérdida total de volumen corporal y la pérdida total (en el peor de los casos) en los 10 puntos. Esto garantiza que el optimizador encuentre diseños que sean robustos en todo el rango de operación y no estén ajustados a una sola condición nominal.

Con 200 personas y 150 generaciones (nivel gratuito), el optimizador realiza entre 120 000 y 150 000 evaluaciones aproximadamente. En el modelo Fargate Worker, esto se completa en aproximadamente 20 a 40 segundos.

Modelos de física

La función de aptitud encadena cuatro modelos de física en secuencia para cada candidato.

Pérdida de núcleo: ecuación de Steinmetz: donde$C_m$,$\alpha$y$\beta$son coeficientes de Steinmetz específicos del material almacenados por material en la base de datos principal, y$V_e$es el volumen efectivo del núcleo en m³. Las unidades son SI en todas partes (f en Hz, B en T, P en W). Para TDK N87:$C_m = 0.0585$,$\alpha = 1.86$,$\beta = 2.86$. El exponente pronunciado$\beta$es la sensibilidad dominante: pequeñas reducciones en la densidad máxima de flujo producen grandes mejoras en las pérdidas de núcleo. Densidad máxima de flujo para topologías de un solo extremo (retroceso, avance):Para inductores de potencia:$B_{pk} = L \cdot I_{peak} / (N_1 \cdot A_e)$, donde$L$se calcula a partir del modelo de inductancia de núcleo con huecos. Resistencia de bobinado AC — modelo Dowell:

Tanto el efecto piel como el efecto de proximidad aumentan la resistencia efectiva del bobinado a la frecuencia de conmutación. El modelo de Dowell calcula$F_R = R_{ac}/R_{dc}$en función del diámetro normalizado del alambre$\Delta = h_{layer}/\delta$(donde$h_{layer} = d_w \sqrt{\pi/4}$para conductores redondos) y del número de capas de bobinado$n_l$:

Profundidad de la piel a 100 kHz:$\delta = \sqrt{\rho_{Cu}/(\pi f \mu_0)} \approx 209\,\mu\text{m}$. El alambre AWG22 tiene un diámetro de 0,644 mm, lo que da como resultado$\Delta \approx 1.5$. Con 4 capas principales,$F_R \approx 5$. El optimizador evalúa las tres opciones de intercalado y selecciona la mejor.

Inductancia del intersticio de aire: Una vez alcanzado el valor$l_{gap} > l_e/\mu_r$, el espacio de aire es el dominante y la inductancia pasa a ser prácticamente independiente de la permeabilidad del material del núcleo, una propiedad útil para la tolerancia de fabricación. Térmico: La resistencia térmica acumulada$R_{th}$se almacena por núcleo a partir de los datos del fabricante. El techo térmico$T_{ambient} + \Delta T \leq T_{max}$es una limitación estricta. Los diseños que lo infrinjan en cualquier punto de operación reciben una penalización que supera ambos objetivos de acondicionamiento físico. Importantes restricciones de viabilidad: -$B_{pk} < 0.8 \times B_{sat}$: margen de saturación del 20% con la tensión más desfavorable

• Factor de llenado$k_u = (N_1 A_{w1} + N_2 A_{w2})/W_a < 0.40$-$T_{ambient} + P_{total} \cdot R_{th} < T_{max}$## Cómo ejecutar el optimizador: resultados del Flyback de 48 V

Una vez finalizada la ejecución, la herramienta muestra el frente de Pareto en forma de diagrama de dispersión (pérdida frente a volumen), en el que se puede hacer clic en cada punto para ver los detalles del diseño. El gráfico de convergencia evolutiva muestra que el indicador de hipervolumen crece hacia una meseta: una vez que la curva se aplana, las generaciones adicionales obtienen rendimientos decrecientes.

Tres soluciones representativas del frente final de Pareto:

El diseño B es la solución balanceada recomendada por el optimizador para una temperatura ambiente nominal de 40 °C. ETD34 con material N87, 28 giros primarios y 7 giros secundarios (relación de giros de 4:1 para 12 V a partir de 48 V con un ciclo de trabajo del 45%), AWG22 primario y AWG18 secundario, espacio de aire de 0,5 mm, intercalación P-S-P. Pérdida total de 660 mW, eficiencia del 98,2%, aumento de temperatura de 28 °C. Densidad máxima de flujo de 0,118 T frente al$B_{sat} = 0.39\,\text{T}$del N87, lo que representa un margen de saturación del 70% con respecto al límite reducido.

El diseño A muestra lo que compra el ETD44 más grande: las pérdidas de núcleo disminuyen porque$B_{pk} = 0.071\,\text{T}$apenas representa un tercio de la densidad de flujo del diseño B. En$\beta = 2.86$, ese factor de 1,66 en la densidad de flujo reduce la pérdida de núcleo en$(1.66)^{2.86} \approx 5\times$. La compensación es 2,3 veces más volumen.

El diseño C es térmicamente seguro a 40 °C de temperatura ambiente, pero marginalmente: a 55 °C de temperatura ambiente, el aumento de 51 °C eleva la temperatura de la unión a 106 °C, lo que infringe la restricción. La parte frontal de Pareto hace que este límite sea explícito antes de que exista ningún hardware.

Comparación de los materiales básicos

El optimizador responde automáticamente a la pregunta de selección de materiales. Para 100 kHz, el patrón es uniforme:

A 100 kHz, el N97 supera constantemente al N87 en diseños de eficiencia crítica. Su$C_m$inferior reduce la pérdida de núcleo en aproximadamente un 35% con la misma densidad de flujo y frecuencia. El optimizador selecciona el N97 en el extremo de baja pérdida de la parte frontal de Pareto y el N87 en el extremo equilibrado y de volumen mínimo.

El hierro en polvo (material R, Mix26) aparece en la parte frontal de Pareto solo cuando se necesita una alta densidad de flujo de saturación, normalmente en inductores de potencia con una polarización de corriente continua significativa. En el caso de un motor de retorno de 36 W, la ferrita es la que predomina en todo momento, ya que la energía almacenada por ciclo es moderada y el bajo nivel$C_m$de ferrita gana.

Para frecuencias de conmutación superiores a 200 kHz, el N49 o el 3F36 dominan constantemente. La escala$f^{\alpha}$con$\alpha \approx 1.86$significa que duplicar la frecuencia de 100 kHz a 200 kHz aumenta la pérdida de núcleo en$2^{1.86} \approx 3.6\times$. El cambio de N87 a 3F36 a 200 kHz permite recuperar aproximadamente la mitad de este aumento. El optimizador detecta este cruce de forma empírica, sin necesidad de un umbral de frecuencia codificado.

Margen de saturación y factor de relleno

Cuando los imanes se diseñan a mano, los dos fallos de producción más comunes son la saturación del núcleo y el llenado excesivo de las ventanas. El optimizador elimina ambos problemas con restricciones estrictas.

La saturación se comprueba en el punto de funcionamiento más desfavorable ($V_{in} \times 1.1$, en cualquier carga). Una sobretensión de entrada del 10% por sí sola aumenta$B_{pk}$en un 10%. En combinación con una reducción del 10% en$N_1$debido a un cambio de diseño inducido por la tolerancia, el efecto acumulativo puede llevar a un diseño marginal a la saturación. La reducción del 20% del optimizador ($B_{pk} < 0.8 \times B_{sat}$) proporciona este margen de maniobra de forma explícita. El factor de lleno$k_u < 0.40$tiene en cuenta el aislamiento del cable, el grosor de la pared de la bobina y la cinta entre capas. Un diseño que muestre$k_u = 0.42$en papel es físicamente imposible de enrollar de manera uniforme. La restricción se aplica estrictamente: no se acepta ninguna compensación por pérdida o volumen.

Ambos valores se muestran en el panel de detalles del diseño para cada punto de Pareto seleccionado, lo que permite al ingeniero tener una visión completa de los márgenes del diseño antes de dedicarse a un núcleo.

Intercalación y pérdida por bobinado de corriente alterna

A 100 kHz, la resistencia del devanado de corriente alterna es con frecuencia el factor que más contribuye a la pérdida, no la pérdida del núcleo. El modelo Dowell hace que esto sea visible, y la opción de intercalación tiene un efecto espectacular.

Para el diseño ETD34/N87 con cable principal AWG22,$\Delta = d_w \sqrt{\pi/4} / \delta \approx 1.37$. Con una sencilla disposición P-S y 4 capas primarias, el modelo Dowell proporciona$F_R \approx 4.8$. La pérdida primaria de cobre es 4,8 veces mayor que la predicción de corriente continua.

La intercalación P-S-P divide la primaria en dos mitades que flanquean la secundaria. Ahora, cada mitad tiene solo 2 capas efectivas. El término$(n_l^2 - 1)$del efecto de proximidad pasa de 15 a 3, lo que supone una reducción de 5 veces. El valor$F_R$resultante cae de 4,8 a aproximadamente 1,9, lo que reduce la pérdida de cobre en corriente alterna en más de la mitad.

En el ejemplo de retroceso de 48 V, al pasar de la intercalación P-S a la P-S-P se reducen las pérdidas de cobre primario de aproximadamente 310 mW a 120 mW, 190 mW recuperados de un cambio de pedido arrollador que no cuesta nada en la BOM ni en el área de la placa. El optimizador evalúa las cuatro opciones de intercalación (ninguna, P-S-P, S-P-S y completa) de cada candidato y selecciona la mejor automáticamente.

Reglas prácticas de diseño basadas en las tendencias del optimizador

La ejecución de este optimizador en una variedad de topologías y frecuencias revela patrones consistentes.

Relación de vueltas más alta → prefiera la N97 en lugar de la N87 por motivos de eficiencia. Una relación de vueltas de 4:1 aumenta el N1 en relación con el N2, lo que aumenta la presión del factor de llenado y favorece las geometrías con ventanas de bobinado más grandes. La menor pérdida de núcleo del N97 en geometrías ETD más grandes (ETD39, ETD44) proporciona la combinación adecuada. Por encima de los 200 kHz, cambie los materiales antes de cambiar la geometría del nucleo. La escala de pérdida del núcleo$f^{1.86}$hace que la selección del material sea más impactante que la selección del tamaño a alta frecuencia. El optimizador selecciona este cruce de materiales de forma empírica; el ingeniero de diseño debe hacerlo de forma deliberada. El optimizador encuentra el espacio de aire correcto de forma automática. Un espacio más pequeño proporciona una mayor inductancia de magnetización y una menor pérdida de cobre reactivo, pero acerca$B_{pk}$a la saturación. Un espacio más grande reduce el valor de$B_{pk}$, pero desperdicia turnos en corriente magnetizante. La selección de huecos del optimizador para el diseño ETD34/N87 (0,5 mm) equilibra estos efectos en los 10 puntos de operación y sería difícil encontrarlos mediante iteraciones manuales. Para presupuestos térmicos ajustados, el ETD supera al PQ a un volumen similar. Los núcleos ETD tienen una menor resistencia térmica por unidad de volumen que los núcleos PQ con un manejo de potencia equivalente. Para obtener la misma pérdida total, un diseño ETD funciona a una temperatura entre 8 y 12 °C más fría. Cuando la restricción térmica es constante (temperatura ambiente superior a 50 °C o densidad de potencia superior a 0,5 W/cm³), las geometrías ETD dominan el frente de Pareto.

Conclusión

El diseño manual de transformadores produce diseños viables que rara vez son óptimos, ya sea sobredimensionados para su objetivo de eficiencia o marginales térmicamente porque el núcleo se seleccionó para obtener un volumen mínimo sin evaluar los peores puntos de funcionamiento. La interacción entre la geometría del núcleo, los coeficientes de Steinmetz del material, la resistencia al devanado por corriente alterna, el espacio de aire y la resistencia térmica es de dimensiones demasiado altas para que la intuición pueda navegar de forma fiable.

El Magnetics Optimizer automatiza la búsqueda exhaustiva: hasta 500 × 400 evaluaciones de candidatos (nivel de pago), una base de datos de 113 núcleos independiente del proveedor, evaluada en 10 puntos operativos por candidato, lo que arroja una relación de eficiencia frente a volumen. Usted elige en qué aspecto se encuentra su solicitud y dispone de los datos basados en la física para defender su elección.

[Ejecute el optimizador magnético] (/tools/magnetics-optimizer)