申请/专利权人:重庆大学
申请日:2023-12-25
公开(公告)日:2024-03-19
公开(公告)号:CN117725797A
主分类号:G06F30/23
分类号:G06F30/23;G06F30/27
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明公开一种基于物理信息神经网络的永磁耦合器设计优化方法及系统,涉及永磁耦合器优化技术领域,包括:根据永磁耦合器各待优化参数的取值范围,将各参数划分为多个数据组合;将各数据组合分别输入至训练好的模型中,预测每一数据组合下永磁耦合器各区域的磁位;训练好的模型标签的磁位由对应的训练数据组合、永磁耦合器磁位偏微分方程以及磁位边界条件计算得到;根据每一数据组合下永磁耦合器各区域的磁位,求解对应的输出转矩和转矩密度,根据最大的输出转矩和转矩密度对应的数据组合,确定各待优化参数的最优值。本发明将永磁耦合器满足的物理信息融入神经网络,根据输出的解来计算转矩,减少了待优化参数的求解时间,提高了优化效率。
主权项:1.一种基于物理信息神经网络的永磁耦合器设计优化方法,其特征在于,包括以下步骤:步骤1:获取永磁耦合器各待优化参数的取值范围;所述待优化参数包括磁极对数、极弧系数、永磁体轭铁厚度、永磁体厚度、铜层厚度、铜层轭铁厚度和气隙厚度;步骤2:根据各所述待优化参数的取值范围,将所述待优化参数划分为多个数据组合;每一所述数据组合由一磁极对数、极弧系数、永磁体轭铁厚度、永磁体厚度、铜层厚度、铜层轭铁厚度和气隙厚度组合而成,任意两个数据组合之间至少有一个待优化参数的取值不同;步骤3:将各所述数据组合分别输入至训练好的PINN模型中,预测得到每一所述数据组合下永磁耦合器各区域的磁位;所述训练好的PINN模型为以训练数据组合为输入,以基于所述训练数据组合建立的永磁耦合器各区域的磁位为标签训练得到的模型;所述训练数据组合由一磁极对数、极弧系数、永磁体轭铁厚度、永磁体厚度、铜层厚度、铜层轭铁厚度和气隙厚度组合而成,作为标签的磁位由对应的训练数据组合、永磁耦合器的磁位偏微分方程以及磁位边界条件计算得到;步骤4:根据预测得到的每一所述数据组合下永磁耦合器各区域的磁位,求解每一所述数据组合对应的输出转矩和转矩密度;步骤5:比较每一所述数据组合对应的输出转矩和转矩密度,根据最大的输出转矩和转矩密度对应的数据组合,确定各所述待优化参数的最优值。
全文数据:
权利要求:
百度查询: 重庆大学 基于物理信息神经网络的永磁耦合器设计优化方法及系统
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。