Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安交通大学黄晶晶获国家专利权

西安交通大学黄晶晶获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉西安交通大学申请的专利机理知识和数据融合驱动的直流变换器建模方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119358390B

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411395492.9,技术领域涉及:G06F30/27;该发明授权机理知识和数据融合驱动的直流变换器建模方法及系统是由黄晶晶;王朔;高旭明;王金玉;徐占伯;张爱民设计研发完成,并于2024-10-08向国家知识产权局提交的专利申请。

机理知识和数据融合驱动的直流变换器建模方法及系统在说明书摘要公布了:一种机理知识和数据融合驱动的直流变换器建模方法及系统,方法包括结合直流变换器电路的机理知识,获取直流变换器仿真数据集;利用获取到的直流变换器仿真数据集对预先建立的数据驱动模型进行训练;使用训练好的数据驱动模型,采用粒子群算法寻找不同工况下数据驱动模型获得最高效率时对应的目标电路参数;使用目标电路参数训练预先搭建的BP神经网络,利用训练好的BP神经网络在外部工况变化时,输出直流变换器控制信号占空比,完成对直流变换器的建模。本发明解决了以往基于机理知识建模的方法存在准确度差、人工负担重的问题,以及已有的优化算法存在泛化能力不强的缺陷,在变工况条件下可以及时给出变换器开关管驱动控制信号的最优占空比。

本发明授权机理知识和数据融合驱动的直流变换器建模方法及系统在权利要求书中公布了:1.一种机理知识和数据融合驱动的直流变换器建模方法,其特征在于,包括: 结合直流变换器电路的机理知识,获取直流变换器仿真数据集; 利用获取到的直流变换器仿真数据集对预先建立的数据驱动模型进行训练; 使用训练好的数据驱动模型,采用粒子群算法寻找不同工况下数据驱动模型获得最高效率时对应的目标电路参数; 使用目标电路参数训练预先搭建的BP神经网络,利用训练好的BP神经网络在外部工况变化时,输出直流变换器控制信号占空比,完成对直流变换器的建模; 所述的数据驱动模型采用LightGBM模型,利用获取到的直流变换器仿真数据集对LightGBM模型进行训练时,将输入直流电压、输出直流电压、负载电阻作为LightGBM模型的输入,将开关管脉冲宽度调制信号占空比与电路传输效率作为LightGBM模型的输出,使LightGBM模型的输出尽可能与真实值相一致; 所述使用训练好的数据驱动模型,采用粒子群算法寻找不同工况下数据驱动模型获得最高效率时对应的目标电路参数包括: 对粒子的速度与位置进行随机初始化,计算每个粒子的适应度值,确定每个粒子的个体历史最优位置与整个粒子群的历史最优位置; 按下式更新每个粒子的速度与位置: 式中,表示第次迭代时,第个粒子的速度;表示第次迭代时,第个粒子的位置;表示第个粒子截止到第次迭代的最优位置;表示截止到第次迭代,所有粒子的最优位置;、为0~1之间的随机数;采用线性递减策略按下式求解惯性权重因子: 式中,为迭代次数,为最大迭代次数,、为个体学习系数与全局学习系数; 更新完粒子的速度与位置后,再次计算每个粒子的适应度函数,对每个粒子的个体历史最优位置与整个粒子群的历史最优位置进行更新,直到达到最大迭代次数; 在采用粒子群算法进行寻优的过程中,将负载在额定范围内变化,找到不同取值效率最高时对应的输入直流电压、开关管脉冲宽度调制信号占空比以及输出直流电压,将找到的不同工况下效率最高时所对应的电路参数组合,形成目标电路参数; 所述使用目标电路参数训练预先搭建的BP神经网络,利用训练好的BP神经网络在外部工况变化时,输出直流变换器控制信号占空比,完成对直流变换器的建模包括: 以负载电阻作为BP神经网络的输入,以开关管脉冲宽度调制信号占空比、输出直流电压、输入直流电压作为输出,对BP神经网络进行初始化,初始化输入层输入个数、隐藏层层数、每层隐藏层的节点个数、输出层输出个数,并对隐藏层各神经元权值进行赋值,隐藏层的节点数根据下式确定: 式中,为隐藏层节点数,为输入层节点数目,为输出层节点数目,为调节常数; 通过前向传播,计算隐藏层神经元,其中隐藏层神经元输出表示为: 式中,表示激活函数,为网络中的权重参数,使用梯度下降法,根据代价函数优化网络中的权重参数; 将训练好的BP神经网络导出,作为Buck-Boost电路的控制器,在负载电阻变化时,控制器给出效率最大时对应的最优占空比,完成对数据驱动模型的在线优化。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西安交通大学,其通讯地址为:710049 陕西省西安市碑林区咸宁西路28号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。