Automatisierte Optimierung von EMV Filtern per Simulation

Herbert Hackl, Silicon Austria Labs, Graz
Jan Hansen, IFE TU Graz

 

Abstract

In diesem Vortrag besprechen wir zwei Ansätze zur simulationsgestützten multi-objective Optimierung von passiven EMV Filtern, insbesondere in Hinblick auf Unterdrückung leitungsgeführter CM und DM Störungen. Zusätzliche Parameter sind beispielsweise Preis und Volumen der verwendeten Bauelemente, insbesondere CM choke.

Herbert Hackl (Silicon Austria Labs, Graz) zeigt ein Python-LTSpice Framework welches auf den open-source Python Bibliotheken pyMOO und pyLTSpice aufbaut. Als Hardware-Demonstrator dient das „Design your EMC Filter“ Kit von Würth Elektronik, welches mit einer Vielzahl von Filterkomponenten bestückt werden kann. Die LTSpice Testbench verwendet die Bauteilmodelle von Würth, reale Listenpreise und Volumen und berücksichtigt die Parasitären des PCB Layouts. Mit einem sortierenden genetischem Algorithmus (NSGA-II) wird die optimale Bauteilkombination zur Erfüllung von Emissionslimits bei kleinstem Preis und Volumen gefunden.

Müssen sehr viele Filtervariationen geprüft werden, kann die notwendige Rechenzeit ein limitierender Faktor werden. Jan Hansen (IFE, TU Graz) zeigt eine Optimierungsmethode welche auf einem breitbandigen Surrogate Modell basiert. Präsentiert wird ein breitbandiger Kriging Ansatz, der effizient Verhaltensmodelle über bis zu 14 geometrische/Schaltungsparameter und den Frequenzbereich trainieren kann. Ist das Modell einmal erstellt, dauert eine Auswertung etwa 50ms, so dass z.B. mittels MATLAB etwa 1.5 Millionen Schaltungen pro Tag ausgewertet werden können. Neben einer optimalen Lösung lassen sich damit auch die Abhängigkeiten zwischen diversen Parametern als Pareto Fronten darstellen.