[發(fā)明專(zhuān)利]基于TensorFlow的MC-WPT系統(tǒng)負(fù)載與互感識(shí)別模型、方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010895878.1
• 申請(qǐng)日: 2020-08-31
• 公開(kāi)（公告）號(hào): CN111987779B
• 公開(kāi)（公告）日: 2021-10-15
• 發(fā)明（設(shè)計(jì)）人: 蘇玉剛;陽(yáng)劍;王智慧;孫躍;戴欣;唐春森
• 申請(qǐng)（專(zhuān)利權(quán)）人: 重慶大學(xué)
• 主分類(lèi)號(hào): H02J7/02
• 分類(lèi)號(hào): H02J7/02;H02J50/12;H02J50/90;G06N3/04;G06N3/08
• 代理公司: 重慶敏創(chuàng)專(zhuān)利代理事務(wù)所(普通合伙) 50253
• 代理人: 陳千

本發(fā)明涉及MC?WPT技術(shù)領(lǐng)域，具體公開(kāi)了一種基于TensorFlow的MC?WPT系統(tǒng)負(fù)載與互感識(shí)別模型、方法及系統(tǒng)，該模型基于TensorFlow深度學(xué)習(xí)框架，采用神經(jīng)網(wǎng)絡(luò)模型，從而將MC?WPT系統(tǒng)的負(fù)載與互感識(shí)別問(wèn)題等效為非線(xiàn)性方程的求解問(wèn)題，進(jìn)而轉(zhuǎn)化為深度學(xué)習(xí)非線(xiàn)性擬合問(wèn)題，并采用訓(xùn)練集對(duì)模型進(jìn)行上萬(wàn)次訓(xùn)練，最后得到識(shí)別速度快、精度高的MC?WPT系統(tǒng)負(fù)載與互感識(shí)別模型。整體上，本發(fā)明通過(guò)離線(xiàn)訓(xùn)練模型，并將訓(xùn)練完成的模型導(dǎo)入微型控制器，能夠?qū)崿F(xiàn)負(fù)載與互感在線(xiàn)同時(shí)識(shí)別，識(shí)別速度快、精度高，有利于系統(tǒng)的實(shí)時(shí)控制，且成本較低，易于實(shí)現(xiàn)，有利于工程推廣應(yīng)用。

技術(shù)領(lǐng)域

本發(fā)明涉及MC-WPT(磁場(chǎng)耦合的無(wú)線(xiàn)電能傳輸)技術(shù)領(lǐng)域，尤其涉及一種基于TensorFlow的MC-WPT系統(tǒng)負(fù)載與互感識(shí)別模型、方法及系統(tǒng)。

背景技術(shù)

隨著經(jīng)濟(jì)社會(huì)的發(fā)展，對(duì)于移動(dòng)式用電設(shè)備，例如軌道列車(chē)、移動(dòng)吊裝設(shè)備、家用電器、旋轉(zhuǎn)機(jī)械等設(shè)備使用傳統(tǒng)的導(dǎo)線(xiàn)供電會(huì)影響其靈活性，在某些特殊環(huán)境下還會(huì)增加了用電安全隱患，給工程實(shí)際應(yīng)用帶來(lái)了挑戰(zhàn)。無(wú)線(xiàn)電能傳輸(WPT，Wireless PowerTransfer)技術(shù)的出現(xiàn)提供了安全、環(huán)保、便捷、易維護(hù)的供電方式，得到了國(guó)內(nèi)外眾多學(xué)者的關(guān)注和研究，共同推動(dòng)這一新型的供電方式不斷發(fā)展。其中磁場(chǎng)耦合的無(wú)線(xiàn)電能傳輸(MC-WPT，Magnetic Coupling Wireless Power Transfer)技術(shù)是目前最受關(guān)注的技術(shù)之一，在電動(dòng)汽車(chē)、家用電器、航空航天、水下設(shè)備供電等領(lǐng)域逐步得到推廣應(yīng)用。

在MC-WPT系統(tǒng)的一些實(shí)際應(yīng)用中，例如電動(dòng)汽車(chē)無(wú)線(xiàn)充/供電系統(tǒng)中，由于系統(tǒng)能量發(fā)射端與能量接收端間相對(duì)位置的改變將帶來(lái)互感值的變化，并且不同的能量接收設(shè)備也將使得系統(tǒng)負(fù)載發(fā)生變化，這些因素都會(huì)導(dǎo)致電動(dòng)汽車(chē)進(jìn)行無(wú)線(xiàn)充/供電時(shí)負(fù)載與互感會(huì)發(fā)生變化，進(jìn)而影響系統(tǒng)能量傳輸效率和功率傳輸能力。因此，在MC-WPT系統(tǒng)中，當(dāng)負(fù)載和互感發(fā)生變化時(shí)，系統(tǒng)需要根據(jù)當(dāng)前的情況調(diào)整能量發(fā)射端的控制模式，實(shí)現(xiàn)系統(tǒng)的最優(yōu)效率跟蹤或者恒壓輸出，而負(fù)載與互感參數(shù)識(shí)別正是其中的關(guān)鍵問(wèn)題。

當(dāng)前的負(fù)載與互感識(shí)別主要通過(guò)基于系統(tǒng)穩(wěn)態(tài)特性建立識(shí)別模型或者增加額外的電路進(jìn)行輔助識(shí)別，使用遺傳算法等方法來(lái)進(jìn)行負(fù)載與互感識(shí)別。現(xiàn)有負(fù)載與互感識(shí)別方法中，部分方法只能對(duì)負(fù)載或互感進(jìn)行單參數(shù)識(shí)別；部分方法存在在線(xiàn)識(shí)別速度較慢的問(wèn)題，不利于對(duì)系統(tǒng)進(jìn)行實(shí)時(shí)控制；部分方法存在實(shí)現(xiàn)成本較高，精度較低等問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明提供一種基于TensorFlow的MC-WPT系統(tǒng)負(fù)載與互感識(shí)別模型、方法及系統(tǒng)，解決的技術(shù)問(wèn)題在于：目前MC-WPT系統(tǒng)的負(fù)載與互感識(shí)別方法無(wú)法同時(shí)實(shí)現(xiàn)雙參數(shù)識(shí)別、識(shí)別速度快、成本低、識(shí)別精度高。

為解決以上技術(shù)問(wèn)題，本發(fā)明提出一種基于TensorFlow的MC-WPT系統(tǒng)負(fù)載與互感識(shí)別模型，其生成步驟包括：

S1.基于TensorFlow框架構(gòu)建全連接神經(jīng)網(wǎng)絡(luò)模型；

S2.建立MC-WPT系統(tǒng)的COSMOL和Simulink仿真模型，得到多組所述MC-WPT系統(tǒng)的輸入電流值、線(xiàn)圈間傳輸距離仿真數(shù)據(jù)，并將所述仿真數(shù)據(jù)分為訓(xùn)練集和測(cè)試集；

S3.將所述訓(xùn)練集輸入所述全連接神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行模型訓(xùn)練，并根據(jù)訓(xùn)練誤差值不斷優(yōu)化所述全連接神經(jīng)網(wǎng)絡(luò)模型中的參數(shù)；

S4.當(dāng)所述全連接神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練誤差率低至預(yù)設(shè)誤差率時(shí)，結(jié)束訓(xùn)練，得到訓(xùn)練完成的MC-WPT系統(tǒng)負(fù)載與互感識(shí)別模型。

優(yōu)選的，所述全連接神經(jīng)網(wǎng)絡(luò)模型包括輸入層、輸出層以及順序全連接在所述輸入層和所述輸出層之間的第1～N隱藏層，N≥1；所述第1～N隱藏層具有k個(gè)節(jié)點(diǎn)，k≥2。

優(yōu)選的，所述第1～N隱藏層的非線(xiàn)性激活函數(shù)使用TensorFlow框架中Sigmoid激活函數(shù)。