[发明专利]电路电磁干扰预测方法及系统

权利要求书

1.一种电路电磁干扰预测方法，其特征在于，包括：

根据电路模型的电磁干扰分布路径分别建立初始的共模干扰模型和差模干扰模型；

将J-A模型分别代入所述初始的共模干扰模型和差模干扰模型，对干扰模型中的电感进行建模，从而得到优化的共模干扰模型和差模干扰模型；

将优化的M_s、c、k、α和值代入所述优化的共模干扰模型和差模干扰模型，获得对所述电路模型的电磁干扰情况的预测数据。

2.根据权利要求1所述的电路电磁干扰预测方法，其特征在于，所述将J-A模型代入所述初始的共模干扰模型和差模干扰模型，对干扰模型中的电感进行建模，从而得到优化的共模干扰模型和差模干扰模型的步骤，包括：

通过所述电路模型中电感电压值获得电感磁芯中的磁化强度；

根据初始J-A模型和所述磁化强度获得磁场强度值；

通过所述磁场强度值得到所述电路模型中的电感电流值；

获得对所述初始的共模干扰模型和差模干扰模型中的电感电压与电感电流之间关系，进行描述的所述J-A模型；

将所述J-A模型代入所述初始的共模干扰模型和差模干扰模型，获得优化的共模干扰模型和差模干扰模型。

3.根据权利要求1所述的电路电磁干扰预测方法，其特征在于，所述将优化的M_s、c、k、α和值代入所述优化的共模干扰模型和差模干扰模型，获得对所述电路模型的电磁干扰情况的预测数据步骤之前，包括：

根据电感磁芯参数以及B-H曲线，通过割线法与目标误差获取初步的M_s、c、k、α和值；所述M_s为饱和磁感应强度，所述c为比例参数，所述k为磁滞损耗参数，所述α为磁畴间耦合的平均磁场系数，所述为形状参数；

将所述初步的M_s、c、k、α和值，根据差分演算法与目标误差获取优化的M_s、c、k、α和值。

4.根据权利要求1所述的电路电磁干扰预测方法，其特征在于，所述根据电路模型的电磁干扰分布路径分别建立初始的共模干扰模型和差模干扰模型的步骤之前，包括：

根据待预测的电路建立所述电路模型。

5.一种电路电磁干扰预测系统，其特征在于，包括：

建模模块，用于根据电路模型的电磁干扰分布路径分别建立初始的共模干扰模型和差模干扰模型；

优化模块，用于将J-A模型分别代入所述初始的共模干扰模型和差模干扰模型得到优化的共模干扰模型和差模干扰模型；

带入模块，用于将优化的M_s、c、k、α和值代入所述优化的共模干扰模型和差模干扰模型，获得对所述电路模型的电磁干扰情况的预测数据。

6.根据权利要求5所述的电路电磁干扰预测系统，其特征在于，所述优化模块包括：

第一获取子模块，用于通过所述电路模型中电感电压值获得电感磁芯中的磁化强度；

第二获取子模块，用于根据初始J-A模型和所述磁化强度获得磁场强度值；

第三获取子模块，用于通过所述磁场强度值获得所述电路模型中的电感电流值；

描述子模块，用于获得对所述初始的共模干扰模型和差模干扰模型中的电感电压与电感电流之间关系，进行描述的所述J-A模型；

带入子模块，用于将所述J-A模型代入所述初始的共模干扰模型和差模干扰模型，获得优化的共模干扰模型和差模干扰模型。

7.根据权利要求5所述的电路电磁干扰预测系统，其特征在于，还包括：

数据提取模块，用于根据电感磁芯参数以及B-H曲线，通过割线法与目标误差获取初步的M_s、c、k、α和值；所述M_s为饱和磁感应强度，所述c为比例参数，所述k为磁滞损耗参数，所述α为磁畴间耦合的平均磁场系数，所述为形状参数；

数据优化模块，用于将所述初步的M_s、c、k、α和值，根据差分演算法与目标误差获取优化的M_s、c、k、α和值。

8.根据权利要求5所述的电路电磁干扰预测系统，其特征在于，还包括：

电路建模模块，用于根据待预测的电路建立所述电路模型。