北京工业大学杨号获国家专利权
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!
龙图腾网获悉北京工业大学申请的专利一种litz线绕组智能设计优化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:CN115455837B 。
龙图腾网通过国家知识产权局官网在2026-02-10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:202211161074.4,技术领域涉及:G06F30/27;该发明授权一种litz线绕组智能设计优化方法是由杨号;耿淑琴;李熙;亓元;徐楷;崔澳设计研发完成,并于2022-09-22向国家知识产权局提交的专利申请。
本一种litz线绕组智能设计优化方法在说明书摘要公布了:本发明公开了一种litz线绕组智能设计优化方法,通过神经网络和hfss来得到litz线绕组交流电阻及孔隙率,使用hfss仿真软件对litz线绕组进行模型构建来仿真得到不同材质、不同匝数、不同litz线绕组半径和不同频率下的litz线绕组的交流电阻阻值,来完成litz线绕组神经网络模型用到的训练数据和测试数据。采用手动划分网格简化求解步骤和时间,并且确保了精确度。使用litz线绕组神经网络模型利用粒子群优化算法来自动训练和测试来完善网络模型,最终利用litz线绕组神经网络模型可以快速且准确的得到所需要的litz线绕组交流电阻。本发明能够用于快速且准确得到不同要求下的litz线绕组交流电阻,减少计算量和工作时间,使得效率大大提高。
本发明授权一种litz线绕组智能设计优化方法在权利要求书中公布了:1.一种litz线绕组智能设计优化方法,其特征在于,包括如下步骤, S1、基于hfss软件建立litz线绕组仿真模型; 步骤1.1:通过hfss仿真软件建立平面litz线绕组仿真模型获得不同参数下的交流电阻值,获得在不同频率、不同材料、不同尺寸、不同litz线绕组半径下的各种数据,将获得的各种数据进行神经网络训练及测试;所述平面litz线绕组仿真模型的绕组种类为圆形线、矩形线和方形线; 步骤1.2:在hfss仿真软件中,分析所建立的不同种类平面litz线绕组的仿真结果与实际litz线绕组间的实际结果差距,对进行对比确认不同类型的线之间误差差距小,选取方形线作为绕组种类;通过hfss仿真来获得不同参数下的交流电阻值,获得在不同频率、不同材料、不同尺寸、不同litz线绕组半径下的数据来进行神经网络训练及测试; S2基于神经网络模型对litz线绕组仿真模型的优化; 基于粒子群优化算法的神经网络快速得到litz线绕组的孔隙率和交流电阻,孔隙率即litz线径与litz线间距的比值;具体步骤如下: 步骤2.1:利用上一步在hfss仿真中建立的litz线绕组仿真模型,得到的仿真结果在matlab中创建用来训练和测试的训练集和测试集;在神经网络中将litz线交流电阻和孔隙率作为输出值,litz线的几何尺寸以及频率作为输入值,在训练过程中粒子群优化算法步骤每一步中,每个litz线尺寸都围绕曾找到的最小点以及整个litz线尺寸群找到的最小点进行搜索;经过迭代,把这个litz线尺寸群曾经探索过的最小点,作为litz线交流电阻函数的最小点;每个litz线尺寸都代表litz线交流电阻函数的一个可能的解; 步骤2.2:每个litz线尺寸的大小和每个litz线的所在频率在每一次迭代中,都在其他litz线尺寸的影响下更新,其频率和尺寸差的更新遵循公式1-1和1-2; 其中为单个litz线尺寸极值,为多个litz线尺寸极值,为前一个单个litz线尺寸,为当前单个litz线尺寸;公式1-1由三个项组成,在第一个项中,w是权重,它调节了litz线的当前频率决定litz线应该在多大程度上保持它以前的频率第二个项是尺寸差的认知成分,因子调节litz线尺寸的大小;rand指处于0到1中间的一个随机数;最后一项代表litz线尺寸调节,由因子调节,定义相对于该组最佳解决方案的尺寸差;参数和控制完善litz线本身的搜索结果和识别litz线尺寸群的搜索结果各应得到多大的权重; 步骤2.3:单个litz线尺寸极值和多个litz线尺寸极值会在每一次新的迭代中,随着更新litz线尺寸的适应度值而更新;两者分别是单个litz线尺寸所探索过的最优解的位置,和多个litz线尺寸群中的所有litz线尺寸探索到的最优解的尺寸。
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北京工业大学,其通讯地址为:100124 北京市朝阳区平乐园100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。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励