用于在无线功率传输系统中检测物体的非线性系统辨识

摘要

一种检测外来物体是否接近无线功率传输系统(WPTS)中发射线圈的方法，该方法包括：将伪随机信号应用到发射线圈上；在将伪随机信号应用到发射线圈上的同时，记录响应于所应用的伪随机信号而在WPTS内生成的一个或多个信号；通过使用记录的该一个或多个信号，生成用于WPTS的某些方面的动态系统模型；以及与存储的训练数据相结合地使用所生成的动态系统模型，从而确定特征可从存储的训练数据中被识别为是外来物体特征的物体是否接近发射线圈。

说明书

本申请要求于2012年12月18日提交的美国临时申请No.61/738,786 的优先权，其所有内容通过引用并入于此。

技术领域

本发明的实施例大体涉及用于为诸如但不限于电动车辆和便携式装 置的系统充电和/或供电的无线功率传输。

背景技术

随着电动汽车的复兴，我们已发现，电池技术、快速充电技术和无线 功率传输在便捷的电池充电方法方面有了很多新的发展。作为一种缓解由 现有电池技术造成的局限性的方法，无线快速充电技术变得与纯电动汽车 越发相关。由此，电池可以通过驱动嵌入道路中的线圈而在交通灯处进行 充电，在购物时在停车场中进行充电，或在免下车服务场所进行充电。

无线功率传输具有可能起始于特斯拉(Tesla)的悠久历史。现在，该 技术的应用无处不在，包括牙刷、手机、笔记本，并且甚至被考虑用于一 般在家庭中使用的电器，例如灯、钟表、等等。在大多数应用中，无线功 率传输被用于对电池充电，作为在无线充电系统和装置之间的临时能量储 蓄器来使用。随着诸如锂离子电池的更好的电池技术的到来，有可能与之 前相比更加快速地对电池充电并且由此成为无线快速充电器。为了获得普 遍认可，这种无线快速充电器必需有效并且强劲，这是本申请中所讨论的 某些应用的着重点。

存在许多类型的无线功率传输。本发明集中于谐振感应式充电(RIC)， 虽然所描述的许多内容还应用于其它类型的无线充电方法。顾名思义，RIC 使用了高Q值调谐线圈和电容器，并且通过磁场在线圈之间传输功率。 RIC不同于要求先进的电子技术的、包含例如非常高频的RF场的远场技 术，并且不同于使用RIC时仅在波长的一小部分内工作的近场技术。通过 RIC，发现可以在线圈之间传输多得多的功率并且传输距离长达超过若干 线圈直径。使用磁场而不是辐射电磁场还表现出更少的潜在健康危害。

用于RIC的传统类型的线圈为具有以列阵布置在平面中的单螺旋缠 绕的扁平(pancake)线圈。图1中的电路示出了用于RIC的一般电路， 线圈L1和L2分别为发送线圈和接收线圈，并且制成为扁平线圈。在用于 变压器的情况下，可以通过线圈电阻性、自感性和互感性来描述线圈的电 气特征。该互感性涉及由一个线圈生成的电场有多少被传导到其它线圈 上，其更多地涉及线圈如何相对于彼此取向的几何特性，包括距离和取向。 当耦合减少时，传输的功率就少，而焦耳加热中的功率损耗保持不变或增 加，由此降低了效率。

发明内容

通常，一方面，本发明的至少其中一个实施例以一种在无线功率传输 系统(WPTS)中检测外来物体是否接近发射线圈的方法为特征。该方法 包括：将伪随机信号应用到发射线圈上；在将伪随机信号应用到发射线圈 上的同时，记录响应于所应用的伪随机信号而在WPTS内生成的一个或多 个信号；通过使用所记录的一个或多个信号，生成用于WPTS的某些方面 的动态系统模型；以及与存储的训练数据相结合地使用所生成的动态系统 模型，从而确定特征可从存储的训练数据中被识别为是外来物体特征的物 体是否接近发射线圈。

其它实施例包括一个或多个以下特征。该方法还包括：如果确定特征 可从存储的训练数据中被识别为是外来物体特征的物体接近发射线圈，那 么生成指示不发生无线充电的控制信号和/或终止接收器系统的无线充 电。该一个或多个信号包括发射线圈的电流信号并且还可以包括发射线圈 的电压信号。使用所生成的动态系统模型包括将包含在所生成的动态系统 模型中的信息与通过经验获得的、指示附近存在外来物体的存储信息进行 比较。生成动态系统模型包括使用系统辨识或非线性系统辨识，从而将选 择的模型拟合到从所记录的一个或多个信号中提取的数据上。该选择的模 型为维纳系统。该选择的模型具有动态线性部分和静态非线性部分。所生 成的动态系统模型包括时域表示或频域表示。

另一些实施例包括一个或多个以下特征。存储的训练数据通过存储的 滤波函数来表示，并且与存储的训练数据相结合地使用所生成的动态系统 模型的函数包括处理所生成的动态系统模型，从而生成输出信号，其中， 输出信号指示特征可从存储的训练数据中被识别为是外来物体特征的物 体作为接收线圈是否接近发射线圈，并且其中，处理动态系统模型包括应 用滤波函数。在WPTS内生成的该一个或多个信号包括发射线圈的电流信 号。生成动态系统模型包括将所记录的发射线圈的电流信号作为动态系统 模型来使用。滤波函数为非线性滤波函数，从在测试系统上进行的测量中 提取该非线性滤波函数，该测试系统包括测试发射线圈和定位在彼此分离 的不同距离处的测试物体。该方法还包括，如果确定特征可从存储的训练 数据中被识别为是外来物体特征的物体接近发射线圈，那么生成指示不发 生无线充电的控制信号。该方法进一步包括，如果确定特征可从存储的训 练数据中被识别为是外来物体特征的物体接近发射线圈，那么终止接收器 系统的无线充电。

通常，另一方面，本发明的至少其中一个实施例以一种无线功率传输 系统为特征。该系统包括：发射线圈；连接到发射线圈上的功率发射器电 路；连接到发射线圈上的传感器电路；以及用于控制功率发射器电路和传 感器电路的控制器，其中，控制器包括用于存储训练数据的存储器以及处 理器系统，该处理器系统被编程为：引起功率发射器电路将伪随机信号应 用到发射线圈上；在将伪随机信号应用到发射线圈上的同时，引起传感器 电路记录响应于所应用的伪随机信号而在WPTS内生成的一个或多个信 号；通过使用所记录的该一个或多个信号，生成用于WPTS的某些方面的 动态系统模型；以及与存储的训练数据相结合地使用所生成的动态系统模 型，从而确定特征可从存储的训练数据中被识别为是外来物体特征的物体 是否接近发射线圈。

其它实施例包括一个或多个以下特征。该一个或多个信号包括发射线 圈的电流信号和电压信号。

又一些其它实施例包括一个或多个以下特征。存储的训练数据由存储 的滤波器函数表示，并且其中，处理器系统被编程为通过使用滤波器函数 处理所生成的动态系统模型而与存储的训练数据相结合地使用所生成的 动态系统模型，从而生成输出信号，其中，输出信号指示特征可从存储的 训练数据中被识别为是外来物体特征的物体是否接近发射线圈。如权利要 求22的无线功率传输系统，其中，在WPTS中生成的该一个或多个信号 包括发射线圈的电流信号。该动态系统模型为所记录的发射线圈的电流信 号。

本发明的一个或多个实施例的细节在附图和以下说明书内得以展示。 本发明的其它特征、目的和优点将会通过该说明书和附图以及权利要求书 而清楚易懂。

附图说明

图1描绘了具有发射线圈L1和接收线圈L2的功率传输电路；

图2表示调谐线圈在在空闲空间与相邻等同线圈相连接时的一般电 阻抗；

图3示出了用于以不同量彼此间隔开的两个线圈的发射线圈阻抗谱 图；

图4示出了与图3中线圈阻抗谱图相对应的发射线圈功率谱图；

图5表示两个线圈的最优线圈频率相对于其间隔距离的关系；

图6描绘了维纳系统的方框图；

图7描绘了哈默斯坦系统的方框图；

图8为包括传输线圈和接收线圈的无线功率传输系统的方框图；

图9表示用于预先训练(pre-training)无线功率传输系统的发射器功 率控制器的算法的流程图，用于检测无线功率接收器系统；

图10表示由发射器功率控制器执行的算法的流程图，从而检测无线 功率接收器系统的存在；

图11表示用于生成由发射器功率控制器使用的非线性过滤器的算法 的流程图，从而检测无线功率接收器系统的存在；

图12表示由发射器功率控制器执行的、用于使用图11的非线性过滤 器的算法的流程图，从而检测无线功率接收器系统的存在；

图13表示由发射器功率控制器执行的算法的流程图，从而自动调节 无线功率传输信号的频率；

图14A表示用于生成由发射器功率控制器使用的非线性过滤器的算 法的流程图，从而自动调节无线功率传输信号的频率；

图14B表示由发射器功率控制器执行的、用于使用图14的非线性过 滤器的算法的流程图，从而自动调节无线功率传输信号的频率；

图15表示至少部分地由发射器功率控制器执行的算法的流程图，从 而调节无线功率信号的波形；

图16A-B表示用于预先调整无线功率传输系统的发射器功率控制器 的算法的流程图，用于检测外来物体；

图17表示由发射器功率控制器执行的算法的流程图，用于检测外来 物体；

图18A表示用于生成由发射器功率控制器使用的非线性过滤器的算 法的流程图，从而检测外来物体的存在；

图18B表示由发射器功率控制器执行的、用于使用图18A的非线性 过滤器的算法的流程图，从而检测外来物体的存在。

具体实施方式

在介绍不同实施例的细节之前，将首先讨论某些由这些实施例所解决 的问题。

图2给出了调谐线圈的一般电阻抗，例如，该线圈可以对应于无线功 率传输系统中的发射线圈。与感应器串联的理想电容器的阻抗在谐振频率 和自然频率处具有零值，如曲线C所示。当被视为接收线圈的第二扁平线 圈(并联的感应器和电容器)开始靠近发射线圈时，如曲线A所示，在自 然频率处的阻抗明显地增加。标记B的曲线示出了当接收线圈还在电路中 包括电阻性负载从而耗散在外环中生成的功率时、双线圈系统的阻抗。可 以理解的是，仅要求接触发射线圈的两个端子的阻抗测量可以提供深入了 解电路操作的非常方便的工具

如图2中的曲线A所示，当两个线圈彼此开始靠近时发生的更加重要 的现象是频率分割。当发射线圈和接收线圈处于接近范围时，可以在频域 附近最优功率传输的地方观察到两个或更多频率。换句话说，一次观察两 个最小值，这两个值在自然频率的两侧上。(关于这种现象的更进一步的 讨论参见：阿兰森P.桑普尔和约书亚R.史密斯撰写并发表于2010年IEEE 的《用于无线功率传输的磁性耦合谐振器的分析、实验结果和适应范围》， 以及黄,X.L.等人撰写并发表于2012年8月19-23日的俄罗斯PIERS会议 记录的《无线功率传输系统的谐振频率分割分析和优化》)。

图3给出了发射线圈在距接收线圈若干距离处的一般阻抗。当线圈逐 步彼此靠近时，自然频率处的阻抗的峰值增加，并且任意一侧发生阻抗最 小值的位置处的两个频率进一步舒展开。通过这些阻抗谱图，可以计算出 指示有多少功率进入线圈的功率谱图。相应的功率谱图在图4中示出。如 清楚所示，功率在两个频率处最大，这两个频率的间隔随着两个线圈的间 隔的函数而变小，直到两个峰值实际在较长间隔处汇合(在系统的自然频 率处汇合)。

图5示出了一个不同的无线系统在发生最大功率传输处的最优频率 与以线圈直径表示的两个线圈的相对间隔距离之间的关系。可以看出，当 线圈之间的距离小于线圈直径的大约一半时，在观察到最大功率传输处存 在两个频率。在固定设备中，很容易将最优振荡器频率选择为输出功率。 但是，在动态情况下，当线圈相对于彼此移动并且不知道线圈之间的距离 时，维持该最优功率传输成为一种挑战。

通常，目的是将传输到负载的功率最大化。在实验室环境中，可连接 传感线(sense leads)从而测量在发射器中由电源电路生成的功率，并且 测量由负载接收的功率。接着，可扫遍所有频率并且周期性地测量传输功 率与所接收功率的比率，确定发生峰值功率传输处的频率，由此调节振荡 器频率。可以使用多个在优化方法中发展出的算法来完成最优频率的确 定。但是，由于频率分割和可能存在的两个本地最优频率，应该使用包含 随机最小值的技术。当确定最优值时，可以通过本地查询更加快速地实时 追踪最优频率。

但是，在现实生活应用中，例如相对于彼此移动或在发射线圈上移动 的汽车，其可能无法直接测量在负载中耗费的功率。可以通过例如定位在 例如发送线圈和接收线圈之间的定向耦合器来获得自动频率调谐，从而测 量入射和反射功率(参见Sample和Smith)。其他技术可包括将诸如负载 电流、电压和功率的所要求的测量值从接收器以无线方式传输到发射器 上。这可以通过使用不会受功率传输信号影响的不同频带、将调制信号从 接收线圈发送到发射线圈上来完成。可备选地，可使用其它传输媒介将信 息传回发射器，比如光信号或者声信号。次级线圈可以嵌入功率线圈中从 而传输这样的信号。

如Sample和Smith所示，建模技术可以用于将所传输的功率关联到 线圈位置和取向上。在这种情况下，给出两个线圈之间距离和取向的位置 传感器可以用于辨识最优功率频率。

图1所示的功率传输系统在比如整流器或者次级转换器中包括若干 非线性。如果系统是线性的，那么在工程文献中描述的多种技术可以被用 于快速辨识该系统并且从这里提取最佳参数。但是，如果这样的技术被用 于确定传输信号中的微扰将如何影响在负载中观察到的信号，那么它们可 能失败或给出不正确的描述，这是由于在电路中存在诸如整流二极管的硬 非线性元件。

还已发现，可使用非正弦瞬态波形来增加功率传输。因为开关功率模 块或者功率FET被用于使电子器件中的功率损耗最小化，并且它们生成 脉冲或阶跃形式的信号而不是正弦信号，所以这是特别有益的。这样的功 率模块或者晶体管包括IGBT(集成栅双极型晶体管)以及模块， IGBT一般能够在高压下开关并且HEXFET能够在高频下开关，例如，达 到数十兆赫兹的频率。

获得在线圈彼此相对平移并且旋转的同时实时确定这种信号的最佳 波形的系统化方法是通过以下所描述的方法实现的其中一个的目标。

非线性系统辨识

本申请所描述的至少某些实施例采用非线性系统辨识，从而获得所要 获得的结果。因此，在讨论多种实施例的细节之前，首先要简单介绍非线 性系统辨识。

根据弗雷歇(Fréchet)定理可知，任何有限存储、时不变、非线性动 态系统可以由具有用于有限区间上平方可积的所有输入的有限阶伏尔泰 拉(Volterra)级数的任意精度来表示。伏尔特拉级数类似于泰勒级数， 除了其可以捕捉诸如电容器和感应器的装置的“记忆”效应之外。表示动 态、非线性、时不变函数的函数展开的伏尔特拉级数为以下形式的多维卷 积积分的无穷合：

$y\left(t\right)=K_0+\underset{-\propto }{\overset{+\propto }{\Sigma }}\underset{-\propto }{\overset{+\propto }{\int }}...\underset{-\propto }{\overset{+\propto }{\int }}{K}_n({\tau }_1,{\tau }_2,...{\tau }_n)·x(t-{\tau }_1)·x(t-{\tau }_2)·...·x(t-{\tau }_n){\mathrm{dx}}_1{\mathrm{dx}}_2...{\mathrm{dx}}_n$

与伏尔特拉级数密切相关的是维纳(Wiener)级数。在维纳级数中， 针对纯随机白噪声输入将各项正交化，并且使用例如互相关技术来更加便 捷地辨识各项。

Korenberg在“用于非线性系统的并行级联辨识和核估计(Parallel  Cascade Identification and Kernel Estimation for Nonlinear Systems)”(生 物医学工程年报，1990年，第19卷,429-455页))证明了可以由有限伏 尔特拉级数表示的任何离散时间有限存储系统还可以由其后紧跟着静态 非线性的动态线性系统的并行级联(parallel cascade)的有限级数来表示， 从而扩展了上述弗雷歇定理(即，通过维纳系统或LN系统的级联)。

动态系统模型的一个示例是维纳系统，在图6示出。在这个系统中， 由h(τ)表示的动态线性系统之后紧跟着由N(·)表示的静态非线性系统。这 也被称为LN系统。该动态线性系统必须是静态的(时不变)、稳定的以 及无存储的。它将时间x(t)的输入函数的所有可能的和允许的集合映射到 时间u(t)的输出函数。静态非线性将允许的实际值“u(t)”的范围映射到函 数范围内的实际值“y(t)”。动态线性部分和静态非线性部分这两个成分 可以参数地或非参数地表示。典型地，参数表示涉及某些类型的符号表达， 包含参数a₀,a₁,…a_n。例如，诸如以下的多项式可以被用于表示静态非线性：

$f\left(x\right)=a_0+\underset{n=1}{\overset{N}{\Sigma }}(a_n*x^n)$

维纳系统是被称为级联或者区块结构化系统的一类模型的例子。级联 或者区块结构化系统的其它例子包括：哈默斯坦系统，如图7所示，其中， 动态线性系统紧随静态非线性系统(NL)之后；以及级联数系统，其中， 线性系统之后紧跟着非线性以及另一个线性系统(LNL)。

存在多种系统辨识方法，有些比较概括，其它一些更加具体并且是基 于与应用到系统的输入函数的性质相关的假设。它们还可以取决于所使用 模型中的空间。其中一种最普遍的非线性系统辨识技术涉及描述预期模型 中引起误差的函数。通过使用该系统的参数表示，诸如莱文贝格-马夸特 (Levenberg-Marquardt)技术的非线性最小化技术可以被用于寻找使误差 函数最小化的参数。这个方法是普遍并直接执行的，但是与其它技术相比 是典型地计算效率低的。

在维纳(LN)模型的非参数形式的情况下，已经由科恩伯格和亨特 开发出非常有效的技术。他们还已针对辨识哈默斯坦系统开发出有效的技 术。亨特等人所著的“非线性生物系统的辨识：维纳和哈默斯坦级联模型” (生物控制论，1986年第55卷第135-144页)已描述了这样的技术。并 且，他们已经开发出实际并有效的技术来辨识在线性系统之后紧跟着静态 非线性和另一个线性系统(LNL)的并行级联，如在例如科恩伯格 (Korenberg)等人所著的“非线性生物系统的辨识：LNL级联模型”(生 物控制论，1986年第55卷第125-134页)中所描述的那样。已经证实了 每个具有有限存储的连续离散时间系统可以通过LNL系统的有穷合而一 致逼近(uniformly approximated)。

通过数值执行的非参数函数最终由样本函数表示并且包含非常大量 的数值。因此，这些样本数据函数通常转换成参数形式。这样，保持了计 算的有效性并且最后得到的最终表示更加简练。在多个案例中，在检查脉 冲响应之后，可以推断系统的阶数，并且在拟合了简化的降阶模型之后， 脉冲响应最终被过滤并减少噪音。

使用非线性系统辨识(特别是关于维纳和伏尔特拉)的附加说明还可 以在以下参考文献中找到：科恩伯格(Korenberg)等人所著的“Exact  Orthogonal Kernel Estimation From Finite Data Records”(生物医学工程年 报，1988年第16卷第201-214页)；科恩伯格(Korenberg)等人所著的 “The Identification of Nonlinear Biological Systems:Wiener Kernel  Approaches”(生物医学工程年报，1990年第18卷第629-654页)；以 及科恩伯格(Korenberg)等人所著的“The Identification of Nonlinear  Biological Systems:Volterra Kernel Approaches”(生物医学工程年报，1996 年第24卷，第250-268页)。其它细节还可以在Ian W.Hunter和Serge R. Lafontaine的公开号为US2012/0098481、名称为“Apparatus and Method for  Rapidly Charging Batteries”的美国专利申请中找到，其内容通过引用并入 于此。

应该注意的是，具有滞后的系统其自身适合于参数方法，然而其不适 于使用上述Korenberg和Hunter的用于辨识结构化区块的快速辨识方法。 如上所述应注意的是，如果使用参数方法，那么可以使用莱文贝格-马夸 特(Levenberg-Marquardt)技术，从而找到使误差函数最小化的参数，例 如，使预期维纳输出和真实系统输出之间的区别最小化。

应该理解的是，可以适当地采用上述技术，从而执行在本申请中所描 述的非线性系统辨识。

将非线性系统辨识应用于无线功率传输

在本申请所描述的实施例中，使用上述技术的非线性系统辨识来改进 无线功率传输和快速充电器，从而调节供给到发射线圈上的功率信号的参 数，以便：检测接收线圈何时足够靠近以开始传输功率；当移动接收线圈 时自动调节频率；调节用于传输功率的信号波形；以及检测物体何时干扰 功率传输。

以下详细描述执行这些函数的多种实施例。

无线功率传输系统

参考图8，可以执行多种实施例的系统的一个示例包括无线功率发射 器系统10和接收器系统50。取决于期望的应用，发射器系统可以定位在 平台11上，该平台可以是静态平台或者可以是诸如车辆或者车辆轮胎的 移动平台。接收系统定位在移动平台51(例如，电动车辆或者车辆轮胎) 上，该平台51包括用于存储能量的可充电电池模块56，从而操作移动平 台上的设备，例如电动马达。

发射器系统包括通过谐振感应式充电(RIC)的方式将功率无线地传 输给接收系统的发射线圈12。发射器系统还包括：驱动发射线圈的功率 发射器电路14；操作功率发射器电路14并且执行以下描述的函数的功率 发射控制器；用于将功率提供给发射线圈12并用于为多种其它电气部件 供电的电源系统18；以及能够测量和记录发射线圈12处的电流和电压信 号的传感器和测量电路20。

控制器包括处理器系统24(包括一个或多个处理器)，其用于运行 在本申请中所描述的算法，用于执行操作功率发射器电路的编码，并且用 于执行与功率发射器系统相关的其它函数。其还包括存储器(RAM和 ROM)26，用于存储由处理器系统24执行的编码，包括对应于在本申请 中所描述的算法的功能性编码，并且用于存储由处理器系统24使用的数 据以及存储在执行本申请中所描述的算法的过程中由处理器系统24所生 成的数据。还存在连接到处理器系统并且供处理器系统24访问的硬盘驱 动器28。其提供了计算机可读的数字存储器以用于载入到有源存储器内 的程序以及在处理器上运行从而执行在本申请中所描述的算法的程序。

接收器系统50包括接收通过发射线圈12无线传输的功率的接收器线 圈52。其还包括可充电电池模块56(包括例如锂离子电池)以及用于管 理电池模块56的操作的电池管理系统54。关于在本申请中所描述的实施 例，当通过接收线圈52无线接收来自相邻功率发射器系统的功率时，电 池管理系统54负责辅助电池模块56的充电。

检测接收器系统的存在

典型地，优选仅在接收线圈就位以接收功率时激励该发射线圈。可以 使用多种手段来检测接收线圈的存在，比如接近开关、RFID标签、在边 频带中将低功率信号从接收线圈辐射到发射线圈上、使用声音收发器或光 学收发器或者推动按钮的操作器。但即使使用了这些技术的其中一种，还 是需要确保所检测的接收器处于合适的位置。也会有期望自动检测合适 (legitimate)线圈的存在并当线圈就位时自动开始充电的情况。

如图2所示，当接收线圈朝向接收器移动时，从发射线圈测量的阻抗 经历了明显的变化，并且这提供了检测接收线圈的手段。可以通过在频率 范围内扫描纯正弦波信号并且将电压与电流的比率表示成频率的函数来 获得阻抗。但是，系统辨识提供了更好的方法。在系统学中，动态系统将 容许的时间函数的域映射到输出时间函数的范围内。可将线圈视为由时变 电压(或电流)激励并以电流(或电压)的形式生成时间响应的系统。标 准的非参数时域线性系统辨识技术提供系统模型作为脉冲响应，该脉冲响 应可以接着被用于计算频域系统响应，该频域系统响应对应于发射线圈情 况中的阻抗。在以下公开可用的文献中描述了这样的技术：由Eykhoff,P. 所著的“System Identification:parameter and state estimation(系统辨识： 参数和状态估计)”(威利出版社，伦敦，1974年)；由Goodwin、G.C.、 Payne和R.L.所著“Dynamic system identification:experimental design and  data analysis(动态系统辨识：实验设计和数据分析)”(大学出版社，纽 约，1977年)；由Graupe D所著“Identification of systems(系统辨识)”(莱 因霍尔德出版社，纽约，1976年)；以及由Ljung所著“System Identification -Theory for the User(系统辨识-用户理论)”(普伦蒂斯霍尔出版社，1999 年，第二版)。

如上所述，系统原理还提供了多个非线性系统辨识技术，这些技术提 供了非线性系统表示，比如伏尔特拉级数展开的核或者结构化区块系统表 示的区块。

在非线性系统辨识中，对应于通常导纳(阻抗)测量的线性部分在脉 冲响应形式的时域中获得，接着可以使用已有技术(例如，离散傅里叶变 换)将该脉冲响应形式的时域映射到频域中，从而获得阻抗谱图。非线性 成分，其在伏尔特拉级数的情况下是高阶核或者在区块结构化方法的情况 下是非线性，提供在次级线圈中存在诸如电子部件(整流器)的非线性成 分的标志。因此，仅非线性成分的存在将提供关于存在需要充电或供电的 系统的信息。但是，在包括通常以其他电子部件的方式存在的、可能在发 射器附近的非线性部件的其他系统的情况下，这可能还不够。

在已知所有接收器具有几乎相同的特质的情况中，可以如图9所示那 样预先训练线圈检测系统。在不同位置使用第一接收器，并且可能针对变 化的充电水平和环境温度来测试该第一接收器。将功率信号应用于发射线 圈，并且使用非线性系统辨识，从而针对每个位置和其他所需参数来获得 其不同动态系统模型或表示。这些不同的模型保留在数据库中，从而限定 了模型参数空间。接着，如图10所示，实施检测阶段，在该阶段重复进 行实验，该实验包含应用PR(伪随机)信号以及使用非线性系统辨识从 而对生成的线圈动态特征建模。

为了参数化该非线性和阻抗谱图的空间，使用诸如奇异值分解 (SVD)、主成分分析(PCA)、微波或者样条的技术来确定一组最优正 交基础函数。模型功能被分解成其主成分，并且当超过阈值时，所获得的 系数可以被用于指示接收线圈的存在。对于这样技术的更进一步讨论，参 考Chatterjee,Anindya所著的“An introduction to the proper orthogonal  decomposition(适当正交分解导读)”(当代科学，第78卷，7,2000号)。

现在将详细描述在图9和图10中示出的算法的操作。

参考图9，用于预先训练发射器功率控制器的程序始于首先限定待测 试的系统配置的代表集(100)。使用等同于在场中将被检测的系统进行 测试。各配置的代表集将包括接收线圈相对于发射线圈的位置和取向的至 少一定范围。另外，其还可以包括用于一个或多个预计会影响非线性模型 细节的操作参数的不同值。这样的操作参数可以包括，例如，接收器系统 的温度和由接收器系统充电的电池的充电状态。位置和取向的选择通过相 对物理关系引导，该物理关系在场中操作功率发射器期间被视为是相关 的。例如，这可以包括：在开始发生功率传输的地方建立最大距离并接着 通过逐步使接收线圈朝向发射线圈移动来限定更加靠近的距离。

通过使用所限定的这一定位和取向集合，针对所限定的每一配置进行 数据的采集和处理(102-114)。针对每个配置，这都包括：通过包括充 足功率的伪随机电压信号(例如，GWN电压信号或者PRBS)来驱动功 率传输电路的发射线圈，从而激励无线接收器系统中的非线性元件(102)。 当功率应用到发射线圈上时，测量和记录在发射线圈上的电压和电流 (104)。由于施加的电压波形是已知的，所以理论上仅需要测量在发射 线圈上的电流信号。但是，在实践中，，当所施加的电压信号到达发射线 圈时，可能会发生少许的变化，这是由于传输电路中其它元件的影响。因 此，为了在建模该系统时获得更高的精度水平，期望测量发射线圈上的电 流信号和电压信号二者。

在测量电流和电压信号之后，使用诸如以上引用的其中一个的已知非 线性系统辨识程序，从而将合适的非线性系统模型(例如，维纳模型)拟 合到所测量的数据上，以便获得表征所测量系统的动态系统模型(例如， 阻抗)特征的线性和非线性波形的估计(106)。在这种情况下，线性波 形为表示动态线性部分(或者传输函数)的脉冲响应，并且静态非线性波 形可以是用于模型的非线性静态部分的最佳拟合多项式。

在所描述的实施例中，通过使用合适技术(例如，傅里叶变换)将线 性波形的表示变换成频域，以用于将脉冲响应变换成相应的阻抗谱图 (108)。与所计算的特别配置相关联地，将计算出的阻抗谱图连同对应 的非线性波形一起存储起来。

针对限定的所有配置重复进行这一系列数据采集步骤，从而建立起传 输/接收器系统的动态系统模型的数据库。换句话说，在存储了针对刚完 成的测试的计算信息之后，确定是否已测试完所有位置(112)。如果还 有更多位置待测试，那么将接收线圈移动到在所限定的位置/取向中的另 一个位置或取向(114)，并且针对新配置重复进行这一系列测量和计算。

所得到的数据库表示阻抗谱图和非线性的空间。该空间接着通过确定 两组存储波形的最优基础而被参数化。换句话说，针对所有的阻抗波形 (116)和所有的非线性波形(118)执行这一步。多种已知技术中的任何 一种都可以用于达到这个目的。在所描述的实施例中，使用SVD(奇异值 分解)。在针对两组波形计算基础函数的最优集之后，限定基础函数的缩 减集(120)。这包括选择优化基础函数的子集合，该子集合在表示该波 形和消除在表示这些波形方面具有较少解释功率的那些基础函数方面是 最有效的。换言之，它包括：辨识基础函数的集合中具充分区别性的那个 子集合。用于辨识缩减集的技术是已知的。

使用所采用的系统生成数据，还可以进行经验式确定从而辨识可以成 功启动接收线圈无线功率传输的位置和/或配置。这些确定结果提供了划 分(partitioning)模型空间的基础，从而辨识表示被检测接收器就位的区 域。通常已知的分类方法被用于划分或者归并(clustering)模型空间，从 而限定这些表示接收器处于启动无线功率传输的容许距离内的区域。

运行图9中描绘的进程的结果为训练数据的集合，其包括优化基础函 数的缩减集。功率发射控制器使用训练数据，包括限定了模型空间中动态 系统模型和表征该模型空间的基础函数的优化集合的数据，以及用于分类 该空间的阈值标准，从而确定接收器系统是否处于启动无线充电的范围 内。训练数据存储在本地存储器中，该本地存储器是功率发射控制器的一 部分和/或可以访问功率发射控制器。

通过发射器功率控制器的处理器系统执行的算法在图10中示出。当 被激活以搜索在其附近的接收器系统时，发射器功率控制器开启搜索回 路，在该回路中，它重复地检验其发射线圈的阻抗，从而检测接收器系统 的存在(202-216)。每当它进入这个循环时，其将伪随机电压信号应用 到发射线圈上(202)并测量和记录发射线圈的电压信号和电流信号(204)。 它使用被用于生成存储在发射器功率控制器中的训练数据的相同伪随机 信号。该控制器接着使用之前采用的非线性系统辨识程序，从而将动态系 统维纳模型(例如，发射线圈的阻抗或者导纳)拟合到其测量数据上(206)。 这形成线性波形和表示该非线性模型的静态非线性波形。由于存储的参考 数据作为阻抗谱图表示在频域中、与作为脉冲响应的时域相对，所以发射 器控制器将动态线性波形转变为对应的阻抗谱图，从而使其可以与存储在 数据库中的阻抗谱图相比较。在这一点上，处理的结果为阻抗谱图和非线 性波形。

通过使用针对参考数据所提取的基础函数的缩减集，发射器控制器将 阻抗谱图分解成其相应的各个基础函数，并且将非线性表示分解成其相应 的各个基础函数(212)。结果为表示赋予该基础函数以表示波形的权重 的系数的集合。

接着，通过使用之前针对模型空间计算的分类信息，发射器控制器确 定其是否已经检测到就位以开始无线功率传输的接收线圈(214)。这可 以例如通过将模型空间中表示电流测量的点与表示使用通过经验提取的 阈值进行物体测试的计算区域相比较而完成。

如果确定已经在用于启动无线功率传输的范围内检测到接收线圈，那 么控制器生成引起启动无线功率传输的信号(216，218)。否则，发射器 控制器重复刚刚描述的检测回路(216，202)。发射器控制器通过该回路 继续循环，直到它检测到可以进行无线功率传输的接收线圈。

根据图9和图10所描述的方案采用了一种间接方法。根据间接方法， 首先获得线性和非线性模型。接着，使用合适的基础函数来分解用于这些 模型的波形。仅在这个时候，可以将基础函数的参数与分类方法一起使用， 从而得到接收器单元的位置的准确测量。

相反，非线性系统辨识方法还可以被用于执行直接方法，从而获得相 同结果，比如提供接收器单元到底有多近的测量。这样的直接方法的优点 在于：可以通过诸如伏尔特拉级数展开或者结构化区块的并行级联的非线 性系统来表示可以被重塑为确定性的时不变无存储映射的任何非线性程 序，该映射将输入函数的域映射到输出函数的范围内，以及如果足够的信 息包含在输入和输出伪信号中，那么可以从输入函数中辨识该系统。基于 这个方法的更进一步的理念可以在Green等人所著的“Recognition of  Adenosine Triphosphate Binding Sites Using Parallel Cascade System  Identification(使用平行级系统辨识来认知三磷酸腺苷结合位点)”(生 物医学工程年报，第31期，第462-470页，2003年)中找到。

采用了这种方法的一个实施例在图11和图12中示出。在所示出的实 施例中，线圈的阻抗被用于检测接收器。通常，如图11所示，收集不同 接收线圈位置的单元阻抗谱图的集合。接着，假设测得的每个谱图都由N 个点构成，在相应的线圈位置生成位置恒定的信号，其还是由N个点构成， 并且将测得的谱图的每个点都分配给相应的接收线圈位置。为了系统辨识 的目的，通过将阻抗谱图连接在一起而生成输入信号，并且通过将位置信 号连接在一起而生成输出信号。随后，通过使用非线性系统辨识，获得用 于该输入-输出系统的非线性模型，比如结构化区块的并行级联。

然后，如图12所示，使用该模型作为接收线圈位置的估计器。为此， 获得针对未知线圈位置的准确谱图，并且将其作为对估计的非线性模型的 输入。由非线性模型计算的输出直接提供对接收线圈位置的估计。根据格 林的解释，输出信号的最终值被用作估计的线圈位置。

现在将要详细描述在图11和图12中示出的算法的特点。

图11示出了用于预先训练用于检测接收线圈的发射器控制器的程 序。如先前参照图12描述地，该程序起始于首先限定待进行测试的系统 配置的代表集(300)。

通过使用系统配置的这一限定集，针对所限定的每一个配置采集和处 理数据。针对每个配置，这都包括：通过包括充足功率的伪随机电压信号 (例如，GWN电压信号)来驱动功率传输电路的发射线圈，从而激励无 线接收器系统中的非线性元件(302)。当功率被应用到发射线圈上时， 测量和记录在发射线圈上的电压和电流(304)。在测量电流和电压信号 之后，计算阻抗谱图(306)。在所描述的实施例中，这通过使用测量信 号的如下互相关函数来完成：

$H\left(x\right)=\frac{F\left\{C_{xy}\left(t\right)\right\}}{F\left\{C_{xx}\left(t\right)\right\}}$

C_xy(τ)＝∫y(t)x(t-τ)dτ

C_xx(τ)＝∫y(t)x(t-τ)dτ

其中，C_xx(τ)为电压信号的自相关函数，C_xy(τ)为电压和电流信号的互 相关函数，以及F{·}表示快速傅里叶变换(FFT)。在这种情况下，通过 数据的N个点来表示所生成的计算的阻抗谱图。

当然，不仅仅只有这样的方式来计算阻抗谱图。其它合适的方法对于 本领域技术人员是已知的。例如，一种方法可以简单地计算测量信号的傅 里叶变换，并且使用该变换计算阻抗谱图。但是，互相关函数的使用具有 减少噪音影响的优点。

所计算的阻抗谱图对应于由相对于发射线圈的位置或定位来表示的 线圈配置。这样的线圈位置分配有独一无二的数字(例如，与发射线圈的 距离)，以每个点都等于所分配的数字来产生相应的N点线圈位置信号 (30)并且将其作为输出信号随与其相关的待计算N点阻抗谱图一起存储 起来(310)。

这一系列步骤是针对所限定的每一个配置进行的。当完成时，产生的 是所存储的计算谱图和针对限定的所有配置的相应线圈位置信号的数据 库。

一旦已经获得所有配置的测量数据，就将针对所有配置的阻抗谱图连 接在一起，从而形成输入信号(316)：

输入信号＝{H₁，H₂，...，H_n}

并且，将所有相应位置信号连接在一起，从而形成输出信号(318)：

输出信号＝{P₁，P₂，...，P_n}

接着将这两个信号作为虚构(hypothetical)非线性系统的输入和输出 信号对待。然后，使用非线性系统辨识，从而获得该非线性系统的非线性 模型(320)，比如结构化区块的并行级联。这个非线性模型被存储在发 射器功率控制器上，该发射器功率控制器将使用该模型，从而在操作期间 直接估计接收线圈的位置。另外，通过经验确定什么位置表示可以进行无 线充电的位置。而且，该信息还被存储以供发射器功率控制器使用。

通过发射器功率控制器执行的算法的细节在图12中示出。当被激活 以在其附近搜索接收器系统时(400)，发射器功率控制器开启搜索回路， 在该回路中，其重复测量其发射线圈的阻抗，从而检测接收器系统的存在 (402-412)。每当它执行这个回路时，其将伪随机电压信号应用到发射 线圈上(402)(可选择地使用用于生成存储在发射器功率控制器中的数 据集合的相同伪随机信号)并且测量发射线圈的电压信号和电流信号 (404)。接着，通过使用参照图11所描述的方法，控制器从所测量的电 压和电流信号计算发射线圈的N点阻抗谱图(406)。接下来，其将这个 计算的阻抗谱图应用于参照图11所生成的非线性模型(408)。结果为接 收器线圈(410)的位置指示器。如果非线性模型的输出指示了接收线圈 就位，那么功率传输控制器开始对接收器系统无线充电(412，414)。否 则，其重复刚刚描述的回路，从而持续搜索就位以用于充电的接收线圈 (412，402)。

上述方法使用了计算出的阻抗。一种可能在系统中保存更多关于非线 性的信息的备选方法是使用测得的电流来代替计算的阻抗。稍后参照图 18A-B描述这样的方法，其涉及外来物体检测。

自动调谐传输器频率

所描述的用于确定线圈位置技术适于将功率传输电路调谐到用于对 接收器系统进行无线充电的最优频率上。当线圈处于与线圈直径相比更远 的距离时，一般需要微调谐，因为用于传输功率的最优频率不会明显地改 变并且对于系统而言是已知的。当线圈彼此接近时则并非如上所述的那 样。当线圈接近时，最优频率可以随位置的变化快速地改变。因此，最优 频率必须在与线圈速度直接相关的速度下计算出来。在这种情况下，基于 系统辨识的技术提供了如下的明显优势：可以更加快速地确定所需的阻抗 谱图。一次施加包含所有的所需频率成分的信号而不是耗时地扫频，并且 由此估计谱图。

进入主线圈内的功率对应于传输的功率加上线圈自身以热量耗散的 功率＝，可以从阻抗谱图中提取出来。如果线圈传输系统可大部分由线性 系统表示出来，那么进入传输线圈内的功率通过电压和电流的积分给出。 从阻抗谱图中，我们得到：

$p\left(\omega \right)=\frac{1}{T}=\underset{0}{\overset{T}{\int }}{V}_0*\cos (\omega *t)*Z{\left(\omega \right)}^{-1}*V_0\cos (\omega *t-\phi (\omega ))*dt$

其中，Z(ω)是阻抗的大小，φ(ω)是相位。

$P\left(\omega \right)=\frac{1}{2}\frac{V_0^2}{Z\left(\omega \right)}*cos\left(\phi \left(\omega \right)\right).$

因此，在线性系统的情况中，最优功率传输将会发生在振幅和阻抗相 位余弦的乘积最大的地方。如果系统是明显非线性的，那么最优频率将还 会取决于振幅。

在无线功率传输系统(WPTS)的情况中，低平电压不够大从而不足 以激励包含半导体装置的内部非线性电器，由此系统将保持线性。因此， 期望将超过某些最小量的功率传递给线圈，从而观察系统中的非线性。随 机激励信号可以作为电压波形应用到线圈上，并且当电流流过线圈时，测 量响应。

非线性系统辨识被用于建模系统并使用所产生的非线性模型来估计 最优频率。理想地，以解析方式执行估计程序。换句话说，参数封闭式等 式被用于表示脉冲响应和非线性，或者高阶核。通过封闭式解析式，可以 解析地计算系统响应并且找到发生极值的参数值。为了找到最优频率，提 取赋予线圈功率的解析响应作为频率的函数以用于正弦输入电压波形，对 该解析响应求零值微分解，并且选择发生在最大值的零值。

但是，该解析表示对于处理或求解而言是非常复杂的。在这种情况下， 可求助于数值技术。为了更快地定位最优频率，可以执行沿线(频率轴) 的优化技术。关于讨论这种技术的文献，参考：Fletcher,R.所著的“优 化的实用方法(Practical Methods of Optimization)”(约翰.威立有限公司， 第二版，1987年)；W.H.等人所著的出版物“Numerical Recipes in C++ (C++数值方法)”(剑桥大学出版社，2002年)；Nocedal,J.和Wright, S.J.所著的“数值优化(Numerical Optimization)”(施普林格运筹学系 列，1999年)；以及William H.等人所著的出版物“数值方法第三版：科 学计算机领域(Numerical Recipes 3rd Edition:The Art of Scientific  Computing)”(剑桥大学出版社，第三版，2007年)。为此，数字地模 拟非线性系统响应并且将传输的功率用作最大化目标函数。相同的方法可 以被用于半解析表示，其中，可以通过切比雪夫(Chebychef)级数展开 来逼近非参数函数。

采用这种方案自动调谐线圈频率的算法的一个示例如图13所示。这 样的算法通过发射器功率控制器执行。通常，通过重复应用伪随机电压扰 动、采样线圈电压和电流并且将非线性模型拟合到所测量的数据上来持续 地获得非线性模型。该非线性模型接着作为信号频率的函数被用于数字地 模拟进入线圈内的功率。并且，使用搜索算法找到应该计算功率处的频率， 并迭代地定位最优频率。

根据图13指示，当确定接收线圈处于可以成功发生充电的距离内时， 发射器功率控制器将无线充电频率设置成与充电系统的估计谐振频率对 应的预定频率F₀，并且在这个频率上开始无线充电(500)。控制器接着 进入回路，在该回路中，其搜索最优充电频率。为了实施最优充电频率的 搜索，发射器功率控制器使用非线性系统辨识构建发射器-接收器系统的 非线性模型，并且接着使用该模型找到最优频率。以与参照用于检测接收 线圈存在的程序描述过的方式类似的方式完成模型构建。其将伪随机电压 信号作为扰动信号应用到发射线圈上(502)，并且测量发射线圈上的电 压和电流信号(504)。控制器接着使用非线性系统辨识，从而将测量的 数据拟合到发射线圈的动态系统表示(例如，阻抗)的维纳模型上(506)。 一旦已经提取维纳模型，那么控制器进入回路，在该回路中，其使用该非 线性模型搜索最优频率(508-516)。更具体地，其在之前选择的频率上 将非线性模型的响应模拟到电压信号上(508)。从所模拟的响应中，其 计算作为最大化目标函数的传输功率(510)。接着，其使用已知的梯度 最小化技术，从而在传输功率是最大值的地方找到新的频率(512)。在 此搜索最优频率期间，控制器使用非线性模型，从而重复地模拟响应，每 次改变用于驱动信号的频率值，直到找到视在最优值。在找到该视在最优 频率之后，其测试该新的频率是否确实是一个最优值(514)。

如果确定最优频率还没有找到，控制器重复该程序，从而持续地搜索 最优频率(516)。换句话说，其将非线性模型的响应模拟到新频率(518)， 在新频率上计算目标函数(510)，并且使用梯度最小化技术，从而在目 标函数为最大值的地方找到新的频率(512)。控制器重复这个程序，直 到找到最优值，此时，将发射线圈的频率设置成这个最优频率(518)。

在将驱动信号设置成所计算的最优频率之后，控制器测试充电是否完 成(520)。当接收器系统终止或关闭电池模块的充电时，这可以通过检 测接收线圈阻抗的突变来确定。备选地，如果存在回到发射器系统上的通 信信道，那么接收器系统可以在该通信信道上发送信号，从而通知发射器 系统：充电功能已停止。当控制器检测到充电完成时(520)，其闭合电 源，由此终止对接收线圈系统的无线功率传输(522)。

如果充电未完成，那么可变化发射和接收线圈的相对位置，由此影响 最优频率的值，因此，重新开始搜索新的最优频率。换句话说，其从支路 返回算法的起始处(502)，从而继续搜索。

根据上面的讨论，假设无线接收器系统不会将传输功率上的数据传回 到无线发射器系统上。但是，如果数据可以从接收器系统传输到发射系统 上，那么可以在应用到线圈上的电压V(t)和直接进入到能量存储单元(诸 如，电池组)内的功率P(t)之间提取非线性模型。该非线性模型接着如之 前所描述的那样被使用，从而在功率以最大量直接进入能量存储子系统中 的地方定位准确的频率，而不是在线圈中，其包括在线圈和功率电器中的 功率损耗。另外，还可以接着计算效率，这允许在最大充电速率和最大有 效充电速率之间进行选择。

作为用于自动调谐最优激励频率的备选和更加有效的方法，可以使用 基于上述Green的方法的直接方法。在这样的情况中，首先离线地获得非 线性模型形式的检测算法。这通过在具有相对于彼此处于不同定位和取向 的发射和接收线圈的真实系统上进行多个实验来完成。针对每个定位/取 向，确定最优线圈频率并记录相应线圈电流。假设离线进行这个程序，可 以以数值方式实验方式中任一或其两者来获得每个条件的最优频率。

在已完成所有测试并从这些测试中得到结果之后，出于非线性系统辨 识的目的构建输入信号并且构建输出信号。通过连接响应于随机激励信号 的所有测量电流信号来生成输入信号。并且通过连接对应于这些被连接的 电流信号的最优频率值来生成输出信号。在那之后，进行非线性系统辨识， 从而从构建的这些输入和输出信号中得到最优非线性频率估计器，其为表 示如何将不同的响应影射到对应的最优频率上的非线性模型。

一旦已经获得了最优非线性频率估计器，通过功率发射器控制器实时 地使用该估计器，从而从响应信号中直接提取要使用的最优激励频率。这 通过应用通常与用于构建估计器的伪随机信号相同的伪随机激励信号以 及通过将该激励信号产生的响应信号用作对非线性频率估计器的输入来 完成。估计器的输出辨识了在现有条件下用于无线功率传输的最优频率。

这种直接方法的更加详细的展示在图14A和图14B中示出。存在离 线(备份)部分(图14A)以及实时部分(图14B)。使用等同于执行实 时部分的设备的设备来构造离线部分。这是出于构建可被用作估计器的非 线性模型的目的。

现在参考图14A，针对离线部分，由所要建模的范围条件来进行确定。 条件的范围反映了线圈相对于彼此的不同定位和取向，对其实时进行自动 调谐。针对这些不同条件中的每一个条件都离线地进行实验。还可以使用 可能存在于能量场中并且可能影响无线功率传输的不同物体来进行实验。 例如，这可以包括距线圈不同距离处的诸如金属片或金属管的屏蔽材料。 换句话说，目的是为了还原有可能使用无线功率传输的实际生活条件。一 旦限定了可能条件的范围，那么离线程序包括针对不同条件中的每一个条 件执行一系列测试(602)。

首先，确定使功率传输最大化的最优线圈频率(604)。由于这是离 线完成的，所以其可以以数值方式或实验方式完成。接着，将伪随机电压 扰动信号应用到发射线圈上并且测量和记录电压信号的线圈电流(606)。 还限定和存储与记录的电流信号相关联的、具有等于对应最优频率值的恒 定频率信号(608)。

针对要建模的所有条件重复这一系列步骤(610)。

一旦已经获得针对所有条件的测量数据，以类似于先前参照图11描 述的方式构建非线性模型的输入和输出信号。将针对所有条件而记录的电 流信号连接在一起，从而形成输入信号(612)。并且，将所有对应的频 率信号连接在一起，从而形成输出信号(614)。被连接的输入和输出信 号接着作为非线性系统的输入和输出信号被处理，并且使用非线性系统辨 识从而获得该非线性系统的非线性模型(616)，比如结构化区块的并行 级联。通过发射器功率控制器来实时使用所产生的、表示频率估计器的非 线性模型，从而确定用于无线功率传输的最优频率。

图14B中示出的算法表示通过发射器功率控制器执行的一系列步骤。 发射器功率控制器将伪随机电压信号应用到发射线圈上，并记录由发射线 圈生成的电流信号(618)。接着，其将记录的电流信号作为对离线计算 得到的非线性频率估计器的输入(620)。估计器的最终输出为用于在现 有的条件下进行功率传输的最优频率，即，这两个线圈关于彼此的现有位 置和取向。控制器将功率传输电路的频率设置到该频率上(622)。此时， 其检查充电是否完成(624)。如果是，那么关闭电源并终止无线功率传 输或者设置导致功率传输终止或不会发生的标示(626)。

如果没有完成充电，那么控制器重复刚刚所描述的一系列步骤 618-624，从而考虑发射线圈相对于接收线圈的位置的任何可能变化或其 它条件上的预期变化。换句话说，在整个无线功率传输操作中持续运行自 动调谐。

注意，在刚刚所描述的算法包括在充电的同时还将伪随机信号应用到 系统上。可减少输出信号中噪音的另一种方法会将充电与测试交织在一 起。在这一情况中，在应用伪随机信号的同时不会应用驱动信号。

调节用于最优传输的发射器波形

理论上，流动通过自谐振线圈的电压和电流一般是正弦的，假设振 荡器的物理特性过滤掉了大多其它波形。但是，在实践中发现，有时可通 过使用稍微不同的波形来获得更高的功率传输效率。鉴于现代电子器件大 多使用数字控制开关系统生成功率信号这一事实，并不是模拟振荡器而是 电子器件自行生成几乎任何随意波形。

在获得描述无线功率传输的非线性模型之后，有可能调节波形。通过 掌握非线性模型，可能采用现有的非线性控制算法获得改进的波形。假设 不存在一般解决方案，在状态空间中的轨迹周围线性化该系统动态。迭代 地并且使用现有的线性控制理论，再次计算最优控制波形，并且在新的轨 迹周围再次线性化该系统直到得到收敛值。

备选地，数值方法可以被用于计算最优电压波形。这样的方法在图 15中示出。在这个流程图中，波形被表示为有限级数(finite series)，比 如缩短的傅里叶级数或者Chebychef(切比雪夫)多项式的总和。针对缩 短的傅里叶级数，电压可以被表示为：

$V\left(t\right)\underset{k=0}{\overset{N}{\Sigma }}{C}_k*cos(k*{\omega }_0*t+{\phi }_k),$

其中，ω₀为基波角频率。为了实现最优化，必须指定某些约束，要么 是作为V(t)的界限、要么其中信号功率P₀是固定的并且假定基波的相位为 零：

$P_0=\underset{k=0}{\overset{N}{\Sigma }}{C}_k^2,$

φ₀＝0。

接着，诸如具有线性和非线性约束的莱文贝格-马夸特 (Levenberg-Marquardt)优化程序的数值优化技术被用于寻找未知参数C_k和φ_k。

如果发现需要通过接收线圈位置或者随着接收器能量存储水平的变 化而调节最优波形，那么当接收器移动时可以实时迭代地使用相同的技 术。

图15示出了用于寻找用于功率传输的最优波形的示例算法的细节。 通常，这个程序包括首先获得非线性模型(700)。接着，将该非线性模 型用于模拟线圈中的功率，采用优化技术来定位最佳波形。

可以根据之前的描述获得用于发射器和接收器系统的非线性模型。虽 然这可以实时完成，但是当使用预定义的无线充电系统时，通常不会有最 优波形在系统的不同实施例之间显著变化的情况。因此，最优信号波形的 确定可以在充电过程之后离线完成。

在已经获得非线性模型之后，初始化如上所述的用于电压波形的有限 级数表示的参数，从而使波形为纯正弦波(702)。即，C₀被设置等于V₀， 所应用的电压信号的振幅和相位φ₀被设置为零，与所有的其它参数C_k和φ_k都一样。另外，所使用的用于优化算法的多种参数还要在开始优化搜索的 准备过程中被初始化(704)。

一旦完成初始化，运行该初始化的处理器系统开始执行优化计算 (706-718)。这包括一系列步骤，重复该步骤直到找到参数值C_k和φ_k的 集合，其使目标函数最大化，即，发射线圈的输出功率最大化。处理器将 所获得的非线性模型用于模拟由使用选择的电压波形驱动该系统而产生 的电流波形(706)。其接着计算发射线圈的输出功率，并设置目标函数 等于该计算的输出功率(708)。接着，处理器调用已知的非线性最小化 程序，从而找到使输出功率最大化的参数值集合(712)。在此搜索最优 波形期间，控制器将非线性模型重复用于模拟电流波形，每次改变驱动信 号的参数值C_k和φ_k，直到找到视在最优值。

在找到使输出功率最大化的参数值集合之后，处理器使用这些新的参 数更新电压信号(714)，并测试是否已经找到最优值(716)。如果确定 没有找到最优值，那么处理器系统通过支路返回该优化回路的起始处，并 且重复该计算从而找到更好的数值集合(718)。

一旦找到最优数值集合，那么处理器储存这些数值以供发射器功率控 制器使用。

如果适当的通信信道存在于接收器和发射器之间并且可能使实际功 率信号到达能量存储包，那么该算法可以适于直接预测存储功率并接着调 节输入波形，从而使存储的功率最大化。

检测外来物体的存在

要求对接近功率线圈的外来物体的检测既安全又有效。假设在传输功 率中使用相对低的频率并且假设通过与由线圈生成的微电磁辐射感应耦 联来实现功率传输，RIC固有地比大多数其它无线功率传输方法安全，尤 其是使用微波或光的那些。

不会干扰磁场的物体不存在安全角度或干扰无线充电系统的顾虑。如 果需要检测这样的物体，那么不得不使用诸如光学方法、机械方法或声学 方法的其它装置。

更值得担忧的是导电物体，比如金属片、碳纤维材料或者甚至是活体 组织。如果这样的物体存在，那么可能生成涡电流，导致传输损耗、物体 中的局部加热以及潜在地导致机能退化，甚至更糟地导致人类细胞损伤。 当传输数百千瓦时，焦耳加热会将外来物体的温度提高到50℃以上，由 此烫伤皮肤。当达到数百千瓦时，对于长时间暴露会产生暴露风险，对于 穿戴起搏器的人而言也存在这种可能。因此，当包括活体组织的导体靠近 发射线圈时，检测是十分重要的。

可以使用接近传感器和光学技术。基于用于确定非期望功率损耗的模 型，已经提出了用于检测外来物体的存在的方法。例如，参见Kuyvenhoven, N.,Dean,C.,Melton,J.,Schwannecke,J.和Umenei,A.E.所著的“外来物 体检测的发展以及用于无线功率系统的分析方法(Development of a  Foreign Object Detection and Analysis Method for Wireless Power Systems)” (IEEE，无线电力协会，2011年)。当接收线圈子系统可以与发射器子 系统通讯时，其可以通知发射器关于接收的功率量。发射器子系统中的控 制器可以计算来自到达线圈的已知量能量中的损耗。并且，如果不知去向 的功率量超出预设的阈值，那么中断功率传输。

但是，更加实际的是从线圈感应的场中由这样的物体引起的变化来直 接检测该物体。如在本文中所描述的，通过持续地估计发射线圈的非线性 动态响应，有可能从其改变发射器动态的方式检测外来物体。非线性倾向 于主要发生在接收器电子系统中。非线性不太可能发生在不会显示饱和的 金属系统或诸如生物组织的其它导电系统中。

另外，典型的电子部件线性地反应于电场的存在，并且，在频域中， 它们的阻抗的波特图通过双对数坐标图中具有整数斜率的直线来限定。并 且，相位关于阻抗与频率的斜率呈线性，并且它们的性能像最小化相位系 统。在活体组织的情况中，典型地，斜率不是整数并且其不会响应成最小 化相位系统。因此，特别是在复杂结构或大分布质量的情况中，多种外来 物体将会以一种非常有特征的方式主要影响非线性系统的线性部分。

在发射器系统控制器中的检测系统可以通过不同类型的材料进行训 练，从而其可以基于线圈系统的线性和非线性成分的变化检测到外来物体 已经在发射线圈的附近。首先，辨识非线性模型的大集合并将其作为要检 测的一般物体、金属、人工组织的代表存储在数据库中。其次，使用诸如 神经式网络、主成分分析(PCA)以及SVD的现有数学技术将这些模型 进行分类。PCA和SVD可以被用于限定优化基础从而表示该模型，由此 获得模型空间的高降表示并将其用于检测。

假设不同物体不同地影响非线性模型的线性和/或非线性成分，它们 的独特特征可以在优化基础函数的不同部分中被隔离。因此，如果诸如人 类身体的物体靠近无线传输系统附近，那么其特定部分将出现在与其特别 基础函数相关的系数中，并且可从该系数值中检测到。在这种情况中，足 以观察到人类或动物模式的系数特征，从而确定是否有人类或动物处于线 圈的附近。备选地，空间可以被划分成表征每个感兴趣的物体的多个区域。 其次，当模型朝向其集群空间的边界移动或在其集群空间的外侧时，其给 予外来物体存在的指示。

图16A和图16B示出了用于这样一种系统的训练算法的实施方式。 通常，非线性系统辨识被用于收集相对于发射线圈的不同定位处的不同类 型的物体的较大数量的动态系统模型。在收集这些物体的数据之后，使用 SVD分解来提取优化基础函数。其次，通过定位哪个模式具有独特于该物 体类型的重要部分，在模型空间中隔离最代表每种类型物体的模式。

图17指示如何使用从训练算法中提取的信息在场中进行检测。通常， 持续地获得原始数据并从该原始数据中持续地提取非线性模型。每次获得 新的模型，其都会分解成它的优化基础系数。接着，针对数据库中感兴趣 的每个代表性物体类型，当相应的模式系数超过预设阈值时，其发射可能 存在该类型物体的信号，并且中断无线功率传输或者产生报警信号。

以下为由图16A、16B示出的实施例的更加详细的描述。

参考图16A，针对外来物体检测而构建数据库包括一组步骤，该步骤 类似于如图9所示的用于检测接收器的存在所执行的步骤。起始于辨识 和组合想要检测的物体的集合。因此，例如，由于期望在人类或动物处 于无线功率传输场内时终止充电程序，所以需要将代表人类和动物组织 的物体包含在物体的集合中。由于如果它存在于无线功率传输场内的话， 还期望检测到干扰功率的无线传输和/或将会对人们造成损害或引起潜 在损害的物体的存在，所以这些物体还需要被辨识并添加到物体的集合 中。

一旦已经辨识物体的集合，那么就限定了那些物体相对于发射线圈的 位置的集合(802)。这是期望在功率传输场内检测到任何物体的存在的 位置的代表集。

随着辨识物体集合以及限定位置集合，训练程序包括：在这些位置中 的每一个位置处(806)的每一个物体(804)上进行实验，从而获得该系 统的对应非线性模型。对于定位在其中一个限定位置上的选定物体，将伪 随机电压信号(例如，GWN信号)应用到发射线圈上(808)。在将伪随 机电压信号应用到发射线圈上的同时，记录发射线圈的电压信号和电流信 号，并且将所记录的信号拟合到发射线圈的阻抗的维纳模型上(810)。 由此产生用于阻抗的由脉冲响应表示的线性部分以及由非线性波形表示 的非线性部分。与所选择的物体和所选择的位置相关联地存储脉冲响应和 非线性部分(812)。

针对每个物体(814)并且在每个限定位置处重复进行该程序，直到 已在所有的限定位置处测试了所有的物体。

在收集每个限定位置处的每个物体的数据之后，使用已知的技术计算 用于存储的阻抗波形的集合的优化基础(818)以及计算用于存储的非线 性波形的集合的优化基础(820)。这个过程采用已知分解技术中的一种 适当技术，比如SVD或PCA等等。从已经计算出的这两个优化基础中辨 识基础函数的缩减集(822)。

现在参考图16B，作为训练程序的部分，针对集合中的每个物体执行 另一组步骤(824)。为了从物体的集合中选择出来的物体的每个位置， 将之前计算的针对该位置的物体的非线性模型(826)分解成在训练算法 的第一部分(828)期间被辨识的缩减基础函数。当处理器系统已经针对 该物体的记录了数据的每个位置执行了该任务时(830)，接着为模型的 集合确定特别用于该物体的基础函数模式(832)。换句话说，其辨识了 基础函数的、与针对该物体而计算的数据集合最相关的子集合。这些基础 函数的系数限定了用于相应模型的模型空间中的一个点。为了针对该物体 的所有模型收集这些表示不同位置/取向的点，有可能使用已知的分类技 术，从而限定对应于相应物体的空间的区域。

针对集合中的每个物体执行刚刚所描述的过程，直到它们已全部被分 析(834)。该结果限定了模型空间的对应于所检测的一个对应的外来物 体的存在的区域。它是与分类或者集群信息一起的基础函数的缩减集，该 分类或者集群信息存储在物体检测期间将使用的发射器功率控制器中。这 个数据被存储在无线功率发射器系统中的存储器内，用于供检测算法使 用。

参考图17，为了进行物体检测，发射器功率控制器将伪随机电压信 号(例如，GWN)应用到发射线圈上(900)，并且其测量和记录线圈上 的电压和电流波形(902)。接着，通过根据之前的描述使用非线性系统 辨识，控制器将该线圈的非线性动态系统模型(例如，阻抗)拟合到所记 录的波形的数据上(904)。接下来，通过在训练相位期间使用所辨识的 基础函数的缩减集，控制器将所获得的用于非线性模型的波形分解成这些 基础函数，从而获得表示该基础函数的系数集合的矢量(906)。

对于数据库中的选定外来物体(908)，控制器接着确定在训练期间 所确定的基础函数中对于该物体而言特别的系数(910)。通过使用这些 系数，接着确定相对于先前已通过分类方法确定的区域、该矢量落入了模 型空间中的什么地方，从而表示该外来物体(912)。如果确定该系数集 合限定了在区域内或者足够靠近该区域(例如，物体尺寸集群)的模型空 间中的一个点，那么可推断检测到附近的外来物体，并且控制器设置标示， 由此导致充电终止或不发生(914)。

如果确定没有检测到物体，那么控制器清除任何可能设置为中断充电 的标示，并且针对其数据库中的下一个物体继续进行测试(916)。对在 数据库中的每个物体都重复进行这个过程，直到所有物体被测试(916)。

在已针对数据库中所有物体进行测试之后，控制器通过支路返回至起 始点，从而开始将另一个伪随机信号应用到发射线圈上，并且针对任何外 来物体的存在进行新的搜索。

更加直接并且计算上更加有效的备选方法在图18A和18B中示出。 其采用了参照图14A和14B中描绘的自动调谐方法所描述的格林方法。 以下是细节。

如之前所述，该过程起始于辨识和组合想要检测的特别分类的物体的 集合(1000)。另外，针对该集合中的每个物体，限定要测试的所有位置， 如同可能期望在该物体附近找到的任何其他物体的辨识和位置。其中一个 重要的分类器可以是功率线圈附近的类似生物组织的任何东西。另一个分 类器可以是引起涡电流并导致功率损耗的金属的存在。图18A-B的实施例 示出了用于检测生物组织的过程。

通常，为了装配用于检测生物组织的非线性模型，将多种类型和质量 的生物组织放置在相对于发射线圈的不同定位处并且对其进行测量。更具 体地是，针对每个物体和每个位置(1002)执行以下步骤。将伪随机电压 扰动信号应用到发射线圈上，并且与此同时测量和记录发射线圈上产生的 电流(1006)。另外，生成安全信号以用于指示场是否被视为是有害的或 者产生不安全条件的物体/位置(1008)。在这个相位期间，这可以通过 使用例如校准拾波线圈来以经验确定。如果感觉到物体处于危险区域(即， 可能的有害影响或者不安全条件会发生在这个位置)，那么将安全信号值 设置为恒定值(例如，-1)。然而，如果感觉到物体处于安全区域(即， 没有有害影响或者不安全条件会发生在这个位置)，那么将安全信号值设 置为不同的恒定值(例如，+1)。重复这一系列步骤，直到已针对在所有 限定位置的所有物体完成了这些步骤(1010)。

在已收集所有的数据之后，将记录的所有电流信号连接在一起，从而 生成出于系统辨识目的所使用的输入信号(1012)，并且以类似的方式将 所有的安全信号连接在一起，从而生成相应的输出信号(1014)。接着， 非线性系统辨识被用于针对由这些输入和输出信号表征的系统来提取非 线性模型。通过功率发射器控制器将所产生的非线性模型用作非线性过滤 器，该过滤器输出指示外来物体是否存在的信号。

功率发射器控制器的操作在图18B中示出。随后，在未知的环境中， 功率发射器控制器开启对外来物体的搜索(1018)。这包括将伪随机电压 信号应用到发射线圈上(与被用于建立关于外来物体信息的数据库相同)， 并且测量和记录电流波形(1020)。所记录的电流波形通过之前所提取的 非线性系统来处理(1022)。具有正值的输出指示可能存在外来物体(例 如，活体组织)并且功率控制器生成可导致中断发射线圈供电(1024)的 中断信号。并且，控制器重复搜索回路，从而确定外来物体何时不再存在。

如果非线性过滤器输出负值，那么指示没有找到外来物体，清除任何 之前建立的中断信号并重复搜索回路。

上述伪随机信号的两个具体示例为高斯白噪音(GWN)和伪随机二 进制序列(PRBS)。但是，这不意味着限制本申请。关于伪随机的参考 还意味着包括：例如，类似噪音的信号，其中可以聚集功率从而激发目标 系统中的某些模式。另外，其意味着覆盖可被用于提取脉冲响应或者模拟 系统的传输函数的任何信号。

其它实施例落入随附权利要求书的范围内。例如，存在用于以参数方 式表示线性动态系统的多个“空间”：状态空间法；传递函数；频率函数； ARX、ARMA、ARMAX模型形式的不同等式；Z域多项式；以及时域法， 其中脉冲响应表示为时间的参数函数。存在从一个空间到另一个空间影射 各表示的方法，比如从传递函数到状态空间表示。在上述的实施例中，明 确提及了时域和频域表示。但是，这不意味着限制本申请。任何一个备选 表示的使用都落入本发明的范围内。

在上述实施例中，被建模的动态系统表示为发射线圈阻抗和发射线圈 电流。当然，可以建模包括例如功率传输、功率损耗、功率效率的其它动 态系统表示。针对某些表示，必须通过另一个通道获得来自接收器的信息。 例如，功率损耗或功率效率要求能够监测提供给电池模块的功率；因此， 要求依赖接收器系统来提供该信息。

虽然上述实施例具体参考了车载平台，但是这不意味着在此所描述的 发明的使用仅限于该平台。在此所描述的发明对于任何以下无线功率传输 系统都具有适用性：出于将功率从一个系统传输到其它系统上的目的，无 线功率发射器和接收器系统彼此靠近。

在检测算法的情况中，指示了发射线圈被用于检测接收线圈或者外来 物体的存在。并不一定如此。可以代替地使用由检测函数专门使用的附加 分离线圈。

还要注意的是，如已暗示的那样，在本申请中所呈现的算法不必仅在 单个处理器上运行。可以以适当的方式通过将任务分配给多个处理器而使 用该多个处理器。例如，在图9中所描绘的算法的情况中，可以适当地考 虑在一个处理器上进行所有数据收集，并且在另一个处理器上执行非线性 系统辨识。