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。