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！

申请/专利权人：吉林大学;长春汽车检测中心有限责任公司

摘要：本发明适用于电动汽车技术领域，提供了一种电动汽车无线充电的人体电磁暴露不确定性量化方法。本发明针对人体的部分器官暴露在电动汽车WPT系统电磁辐射中的诱导电场强度值进行计算，采用在传统BP神经网络的基础上引进模糊统计算法与小波分析进行了优化的FWNN建立人体器官诱导电场强度的代理模型，提升了计算效率与拟合效果。考虑到电动汽车车体屏蔽，对人体位于电动汽车后面时部分器官的电场强度进行计算；考虑到人体位移的问题，对人体的电场强度进行不确定性量化分析；证明FWNN算法能快速有效的对人体暴露于WPT系统电磁辐射中人体的诱导电场强度值进行不确定性量化分析，为未来人体电磁暴露安全防护研究提供了合理的建议和方向。

主权项：1.一种电动汽车无线充电的人体电磁暴露不确定性量化方法，其特征在于，包括以下步骤：步骤1、选择补偿电路拓扑结构并进行传输特性分析：采用LCC-LCC型补偿电路结构，设定电路参数，确定发射端和接收端的谐振条件，并利用回路网孔方程推导出电流传输比和电压传输比，进一步求解得到发射端输入电阻和EV-WPT系统的传输功率；步骤2、构建学习模型：考虑不确定性因素，并以不确定性因素样本作为输入训练模型，利用FWNN算法得到学习模型，量化人体电磁暴露不确定性结果；步骤3、参数学习与调整：使用误差反传的梯度下降法进行参数更新，直到网络实际输出与理想输出一致或达到预定的迭代次数；步骤4、实现不确定性量化：通过训练好的FWNN模型，对人体电磁暴露的不确定性进行量化评估；所述不确定性因素包括：发射线圈与接收线圈之间的距离偏移、横向偏移和垂直偏移；发射线圈截面积与接收线圈截面积；人体与EV-WPT系统之间的横向偏移与纵向偏移；所述步骤2中，FWNN以FNN与WNN为基础，模糊小波神经网络的内部为五层网络结构，第一层为输入层，通过第二层隶属度函数层到达第三层模糊规则层，第四层为小波函数层，第五层为输出层；具体如下：输入层：各个节点直接与输入向量的各个分量xi相连，将输入值X＝x1,x2,x3,…,xnT直接通向下一层，输入层节点数N1＝ni，n为输入向量维数；隶属度函数层：将输入数据转换为模糊集合中的元素，通过隶属度函数表示各个输入值对于各个模糊集合的隶属程度，在输出层隶属度函数用于解模糊化过程，将模糊输出转换为精确输出；每个输入分量对应一组mi个节点，节点个数mi为相对于xi进行的模糊分级个数，其中每个节点均代表一个模糊言语变量值；第二层中每个节点计算输入向量各分量属于各言语变量模糊集合的隶属度函数；隶属度函数采用高斯型隶属度函数，函数表达式为： 其中，ni是输入变量的维数，mi是xi的模糊规则分割数，一共有ni组隶属度函数，每组有mi个隶属度函数，cij表示隶属度函数的中心值，σij表示隶属度函数的宽度值；隶属度函数层的节点数为：式9：模糊规则层：各个节点均代表一条模糊规则R，用于匹配模糊规则的前件，计算出每条规则的实用度；第二层中有N1个分组的隶属度函数不重复地从每个分组中去一个隶属度函数组合在一起，形成第三层共mi个节点，即：式10：第三层每个节点的输出表示为：式11：小波函数层：选择Gaussian函数的一阶偏导数作为母小波函数：式12：根据所选母小波函数，经过伸缩、平移变换，放入第二层神经元作为激活函数，表示为：式13：式14：其中，trl为小波的平移参数，drl为小波的伸缩参数，为母小波函数，zrl为小波函数层前件部分输入，xt为输入节点值，为任意zrl皆可执行其伸缩变换，下标rl代表第l个输入的第r个小波神经元；输出层：实现清晰化的计算，采用去重心法对结果进行部分反模糊化，即：式15：其中，wij相当于yi的第j个隶属度函数的中心值，写成向量形式为：式16：其中：式17：

全文数据：

权利要求：

百度查询： 吉林大学 长春汽车检测中心有限责任公司 一种电动汽车无线充电的人体电磁暴露不确定性量化方法