申请/专利权人:江苏益邦电力科技有限公司
申请日:2020-03-30
公开(公告)日:2023-10-20
公开(公告)号:CN111507044B
主分类号:G06F30/27
分类号:G06F30/27;G06F30/23;G06F30/10;G06F17/16;G06N3/006;G06N3/0499;G06N3/084
优先权:
专利状态码:有效-授权
法律状态:2023.10.20#授权;2020.09.01#实质审查的生效;2020.08.07#公开
摘要:本发明公开了一种手工多芯线束RLCG参数矩阵预测方法,基于BSAS‑BPNN建立了手工多芯线束横截面参数提取网络模型BPNN,能够预测高精度的手工多芯线束任意位置上的RLCG电磁参数矩阵。首先建立手工多芯线束的截面和几何模型,其次ANSYS‑Q3D软件平台提取代表性的参数样本,之后将参数样本进行导入BSAS优化后的BPNN中进行网络训练和测试,最后通过训练好的网络预测任意位置的RLCG参数矩阵。现有的传输线RLCG参数提取方法大都基于数值算法,对于手工线束类的多芯随机传输线缺乏处理能力,本发明所提方法基于智能算法,相较于传统方法具有高精度、高效率等优势,且能够较好地解决线芯数目过大情况下的电磁参数提取问题。
主权项:1.一种手工多芯线束RLCG参数矩阵预测方法,其特征在于,包括:步骤1:建立手工多芯线束的截面和几何模型;所述步骤1具体为以手工七芯线束为基础对手工多芯线束进行建模,建立的手工多芯线束的截面和几何模型如下: 其中θmax是横截面旋转的最大角度,Δz是相邻横截面之间的间距,α为修正常数,n为手工多芯线束中的线芯数目,D为线束直径;步骤2:处理RLCG参数矩阵样本;步骤3:提取RLCG参数矩阵样本;步骤4:构建关于RLCG参数矩阵训练的BPNN网络;步骤5:基于BSAS算法优化BPNN;所述步骤5优化过程中采用的适应度函数为: 式中:f为适应度函数,N为训练集样本数,yji为第i个样本的模型输出值;yj′i为第i个样本的实际值;且天牛位置初始化时,初始参数取[-0.5,0.5]之间的k维随机数作为天牛须算法的初始解集,即天牛的初始位置;适应度函数值设定的精度,取为0.000001;步骤6:测试步骤5优化后的BPNN,并最终获取任意位置处高精度RLCG参数矩阵。
全文数据:
权利要求:
百度查询: 江苏益邦电力科技有限公司 一种手工多芯线束RLCG参数矩阵预测方法
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。