Foreign object detection for a capacitive wireless charger

Abstract

One area that is currently attracting a lot of interest is the development of electric vehicles and the associated charging infrastructure. An approach for charging being considered is wireless charging. Wireless charging, inductive or capacitive, presents many advantages, but certain problems still need to be addressed, such as the creation of potentially hazardous conditions in the presence of foreign objects including living objects. This thesis focuses on foreign and living object detection for a capacitive wireless charger. The object detection is based on the measurement of the wireless charging transmitter’s output impedance and the temperature of the surrounding objects before the charger is turned on. The objects are classified into different categories using a logistic regression algorithm which is able to correctly classify objects with an 89% accuracy. Furthermore, the classification has 100% accuracy for the case when there are no objects in the neighborhood of the charger or when a living object is present.

Una de las áreas que más interés está suscitando en la actualidad es el desarrollo de vehículos eléctricos y su infraestructura. Una de las opciones para su carga que se está considerando es la carga inalámbrica. La carga inalámbrica, ya sea inductiva o capacitiva, presenta muchas ventajas, pero hay problemas que aún necesitan ser resueltos como la creación de condiciones potencialmente peligrosas en presencia de objetos extraños incluyendo seres vivos. Esta tesis se centra en la detección de objetos extraños y vivos para un cargador inalámbrico capacitivo. La detección de objetos se basa en la medida de la impedancia de salida del transmisor del cargador inalámbrico y de la temperatura de los objetos antes de que el cargador sea encendido. Los objetos se clasifican en cuatro categorías diferentes usando un algoritmo de regresión logística, que es capaz de clasificar correctamente los objetos con una precisión del 89%. Además, la clasificación tiene un 100% de precisión en el caso de que no haya objetos alrededor del cargador o cuando el objeto presente es un ser vivo.