申请/专利权人：重庆大学

申请日：2020-08-31

公开（公告）日：2020-11-24

公开（公告）号：CN111987779A

主分类号：H02J7/02(20160101)

分类号：H02J7/02(20160101);H02J50/12(20160101);H02J50/90(20160101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.10.15#授权;2020.12.11#实质审查的生效;2020.11.24#公开

摘要：本发明涉及MC‑WPT技术领域，具体公开了一种基于TensorFlow的MC‑WPT系统负载与互感识别模型、方法及系统，该模型基于TensorFlow深度学习框架，采用神经网络模型，从而将MC‑WPT系统的负载与互感识别问题等效为非线性方程的求解问题，进而转化为深度学习非线性拟合问题，并采用训练集对模型进行上万次训练，最后得到识别速度快、精度高的MC‑WPT系统负载与互感识别模型。整体上，本发明通过离线训练模型，并将训练完成的模型导入微型控制器，能够实现负载与互感在线同时识别，识别速度快、精度高，有利于系统的实时控制，且成本较低，易于实现，有利于工程推广应用。

主权项：1.基于TensorFlow的MC-WPT系统负载与互感识别模型，其特征在于，其生成步骤包括：S1.基于TensorFlow框架构建全连接神经网络模型；S2.建立MC-WPT系统的COSMOL和Simulink仿真模型，得到多组所述MC-WPT系统的输入电流值、线圈间传输距离仿真数据，并将所述仿真数据分为训练集和测试集；S3.将所述训练集输入所述全连接神经网络模型中进行模型训练，并根据训练误差值不断优化所述全连接神经网络模型中的参数；S4.当所述全连接神经网络模型的训练误差率低至预设误差率时，结束训练，得到训练完成的MC-WPT系统负载与互感识别模型。

全文数据：

权利要求：

百度查询： 重庆大学 基于TensorFlow的MC-WPT系统负载与互感识别模型、方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD