公开(公告)号：CN114662413B

公开(公告)日：2022-08-09

申请号：CN202210566017.8

申请日：2022-05-24

Applicant: 湖南大学

Inventor： 林娉婷 ,  卜凡 ,  刘晓 ,  黄守道

IPC: G06F30/27 ,  G06Q50/06 ,  G06N3/12 ,  G06F113/06

Abstract: 一种传动链系统智能反演优化方法，对传动链系统在SMC‑SVPWM滑模控制算法下的电磁响应进行建模计算，利用该模型计算在改进拉丁超立方抽样方法下生成的试验样本响应，建立以目标搜索为基础的智能反演高斯随机过程优化模型，该模型以传动链效率为目标进行反演迭代以提高模型的精度；在提高效率的同时，为保证传动链系统的高可靠性，即减少传动链输出转矩的波动，采用一种基于范围选择的多目标优化算法对其进行效率与转矩波动的优化，实现了面向大型海上风电设备传动链系统的高可靠性协同优化设计。

公开(公告)号：CN114662413A

公开(公告)日：2022-06-24

申请号：CN202210566017.8

申请日：2022-05-24

Applicant: 湖南大学

Inventor： 林娉婷 ,  卜凡 ,  刘晓 ,  黄守道

IPC: G06F30/27 ,  G06Q50/06 ,  G06N3/12 ,  G06F113/06

Abstract: 一种传动链系统智能反演优化方法，对传动链系统在SMC‑SVPWM滑模控制算法下的电磁响应进行建模计算，利用该模型计算在改进拉丁超立方抽样方法下生成的试验样本响应，建立以目标搜索为基础的智能反演高斯随机过程优化模型，该模型以传动链效率为目标进行反演迭代以提高模型的精度；在提高效率的同时，为保证传动链系统的高可靠性，即减少传动链输出转矩的波动，采用一种基于范围选择的多目标优化算法对其进行效率与转矩波动的优化，实现了面向大型海上风电设备传动链系统的高可靠性协同优化设计。

公开(公告)号：CN114721276B

公开(公告)日：2022-08-09

申请号：CN202210644031.5

申请日：2022-06-09

Applicant: 湖南大学

Inventor： 刘晓 ,  卜凡 ,  戴其城 ,  林娉婷 ,  黄守道

IPC: G05B13/04

Abstract: 本发明的一种传动链系统协同建模与多物理场分析方法，相较于传统的传动链多物理场分析建模方法，其主要的优点为其考虑了传动链变流器侧对传动链系统整体电磁、温度、应力场的影响，通过对传动链系统控制算法、驱动外电路数学模型的建立，计算了发电机在PWM波形下的电磁损耗，并以此为基础，对传动链系统进行了电磁‑温度场迭代计算，待满足精度要求后，将得到的传动链系统温度分布结果作为应力场的初始条件，计算其热应力分布，该发明充分考虑了变流器侧对传动链系统的影响，对传统链系统（变流器‑发电机）进行了协同建模与多物理场分析，其建模过程与结果更符合传动链系统的实际结构与运行工况。

公开(公告)号：CN114721276A

公开(公告)日：2022-07-08

申请号：CN202210644031.5

申请日：2022-06-09

Applicant: 湖南大学

Inventor： 刘晓 ,  卜凡 ,  戴其城 ,  林娉婷 ,  黄守道

IPC: G05B13/04

Abstract: 本发明的一种传动链系统协同建模与多物理场分析方法，相较于传统的传动链多物理场分析建模方法，其主要的优点为其考虑了传动链变流器侧对传动链系统整体电磁、温度、应力场的影响，通过对传动链系统控制算法、驱动外电路数学模型的建立，计算了发电机在PWM波形下的电磁损耗，并以此为基础，对传动链系统进行了电磁‑温度场迭代计算，待满足精度要求后，将得到的传动链系统温度分布结果作为应力场的初始条件，计算其热应力分布，该发明充分考虑了变流器侧对传动链系统的影响，对传统链系统（变流器‑发电机）进行了协同建模与多物理场分析，其建模过程与结果更符合传动链系统的实际结构与运行工况。

公开(公告)号：CN112800685A

公开(公告)日：2021-05-14

申请号：CN202110322771.2

申请日：2021-03-26

Applicant: 湖南大学

Inventor： 刘晓 ,  卜凡 ,  崔鹤松 ,  王辉 ,  黄守道

IPC: G06F30/27 ,  G06F30/23 ,  G06F111/04 ,  G06F119/08 ,  G06F119/14

Abstract: 本发明公开了一种高精度的电机多物理场耦合仿真计算方法包括1.搭建基于Keras框架的深度学习模型，对已有铁磁损耗数据进行训练；并且采用乱序重复K折验证方法对模型进行评估；通过搭建两个深度学习模型对训练样本进行扩充，并且以扩充后的样本为另一深度学习模型的训练样本；2.将电磁损耗作为温度场计算的输入源；3.通过电磁‑温度‑应力场的多物理联合仿真计算模拟了电机由于温升所受的热应力。该多物理场耦合仿真计算方法可以准确的计算出电磁损耗，为后续的多物理场联合仿真提供准确的输入源，较为精确的模拟了电机实际运行时的状态。