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！

龙图腾网恭喜安徽大学申请的专利基于物理信息机器学习的双向DC/DC变换器参数辨识方法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：CN119249903B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202411457933.3，技术领域涉及：G06F30/27；该发明授权基于物理信息机器学习的双向DC/DC变换器参数辨识方法是由张轩然;赵纪峰;汤德伟设计研发完成，并于2024-10-18向国家知识产权局提交的专利申请。

本基于物理信息机器学习的双向DC/DC变换器参数辨识方法在说明书摘要公布了：本发明提供了一种基于物理信息机器学习的双向DCDC变换器参数辨识方法，涉及参数辨识技术领域。该方法首先完成了对双向DCDC变换器的系统动力学模型的建立，其次利用隐式龙格‑库塔方法，构造出数据中间态与初始态和结束态的关系，并将其应用于系统动力学模型中，接着将历史训练数据输入深度神经网络中，得到数据的中间态，并将其作为输入代入物理模型中，实现将物理模型无缝耦合到深度神经网络的训练中。然后利用训练好的PINN实现在线参数辨识。这种混合设计可以无缝地结合BDDC物理模型的数据，有效地调制训练阶段，使其被强制执行到变换器的底层物理原理和约束，大大减少了所需的训练数据。

本发明授权基于物理信息机器学习的双向DC/DC变换器参数辨识方法在权利要求书中公布了：1.一种基于物理信息机器学习的双向DCDC变换器参数辨识方法，其特征在于，所述方法包括如下步骤：S1、构建双向DCDC变换器的系统动力学模型，所述双向DCDC变换器为用于控制调节蓄电池和超级电容两者间的充放电电流和输入输出电压的变换器；S2、利用隐式龙格-库塔方法，构造出数据中间态与初始态和结束态的关系，并将其用于所述系统动力学模型中，对其中的未知量进行求解；S3、构建物理信息神经网络，其由深度神经网络构成的数据驱动和物理模型两部分组成；其中，所述物理模型利用步骤S2的求解方法根据数据驱动部分的输出得到所述物理信息神经网络的预测值；将所述双向DCDC变换器中的待辨识参数作为所述物理信息神经网络中的数据驱动部分的参数，通过反向传播方法训练所述物理信息神经网络中的所有参数；S4、利用训练好的所述物理信息神经网络实现对所述双向DCDC变换器的在线参数辨识。

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安徽大学，其通讯地址为：230039 安徽省合肥市肥西路3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”。