[发明专利]分析EC-WPT系统周边金属环境影响的神经网络模型构建方法

权利要求书

1.一种分析EC-WPT系统周边金属环境影响的神经网络模型构建方法，其特征在于，包括以下步骤：

S1：确定EC-WPT系统电路结构和周边金属环境变量；

S2：通过实验获取不同周边金属环境影响下当前EC-WPT系统电路结构的输出功率，并作为样本数据集；

S3：对样本数据集进行处理，将多个周边金属环境变量编码形成输入特征向量，将输出功率作为输出变量；

S4：构建神经网络模型，并利用步骤S3处理后的输入特征向量和输出变量进行训练；

S5：通过网格搜索方法对神经网络模型的超参数进行优化；

S6：根据神经网络的权重和偏置矩阵推导出最优能效模型作为分析EC-WPT系统周边金属环境影响的神经网络模型。

2.根据权利要求1所述的分析EC-WPT系统周边金属环境影响的神经网络模型构建方法，其特征在于：步骤S1中确定的周边金属环境变量包括距离或/和面积或/和材料或/和位置。

3.根据权利要求1所述的分析EC-WPT系统周边金属环境影响的神经网络模型构建方法，其特征在于：步骤S2通过实物实验获取不同周边金属环境影响下当前EC-WPT系统电路结构的输出功率。

4.根据权利要求1-3任一所述的分析EC-WPT系统周边金属环境影响的神经网络模型构建方法，其特征在于：步骤S3中采用独热码对样本数据集中表征位置的变量进行编码。

5.根据权利要求4所述的分析EC-WPT系统周边金属环境影响的神经网络模型构建方法，其特征在于：步骤S4中构建的神经网络模型输入层神经元数量为5，输出层神经元数量为1，激活函数采用Sigmoid函数。

6.根据权利要求5所述的分析EC-WPT系统周边金属环境影响的神经网络模型构建方法，其特征在于：步骤S5中通过网格搜索神经网络模型的超参数时，隐含层层数搜索范围为(2,3,4)，隐含层神经元数量搜索范围为(16,32,64,128)，批量大小的搜索范围为(4,8,16,32)。

7.根据权利要求1或6所述的分析EC-WPT系统周边金属环境影响的神经网络模型构建方法，其特征在于：当EC-WPT系统电路结构为双边LC补偿，周边金属环境变量选择距离、面积和位置时，步骤S6所得最优能效模型隐含层层数为2，隐含层神经元数量为128，批量大小为4；

隐含层1的输入向量表示神经网络模型的输入向量，d_me表示金属环境的距离，a_me表示金属环境的面积，表示金属环境位置的One-hot编码向量，和分别表示神经网络模型输入层与隐含层1的连接权重矩阵和偏置，隐含层1的输出向量为

隐含层2的输入向量和输出向量计算公式为：其中，和分别表示神经网络模型隐含层1与隐含层2的连接权重矩阵和偏置；

输出层所得系统输出功率其中l_me表示金属环境的位置，和分别表示神经网络模型隐含层2与输出层的连接权重矩阵和偏置。

8.根据权利要求1-3任一所述的分析EC-WPT系统周边金属环境影响的神经网络模型构建方法，其特征在于：将步骤S6所得的最优能效模型装载到上位机、树莓派、PC终端或智能终端上，形成具有人机交互功能的EC-WPT系统周边金属环境影响分析系统，通过输入金属环境特征参数取值的限制范围以及需要评估的金属环境参数，调用所述最优能效模型对系统实际输出功率进行在线实时计算和分析。

9.根据权利要求8所述的分析EC-WPT系统周边金属环境影响的神经网络模型构建方法，其特征在于：利用步骤S6所得最优能效模型所计算的输出功率数据绘制出周边金属环境变量不同取值情况与系统输出功率之间的影响规律曲线。