买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连理工大学申请的专利基于PCA-GA-BP神经网络的特斯拉线圈导向性设计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119670586B 。

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510192840.0，技术领域涉及：G06F30/27；该发明授权基于PCA-GA-BP神经网络的特斯拉线圈导向性设计方法是由齐琛;王思超;徐薪程设计研发完成，并于2025-02-21向国家知识产权局提交的专利申请。

本基于PCA-GA-BP神经网络的特斯拉线圈导向性设计方法在说明书摘要公布了：本发明属于人工智能设计领域，公开了一种基于PCA‑GA‑BP神经网络的特斯拉线圈导向性设计方法。设计方法包括如下步骤：通过特斯拉线圈电路模型进行神经网络样本采集。运用主成分分析法对原始数据样本降维。确定BP神经网络结构。由遗传算法优化BP神经网络权值和阈值。PCA‑GA‑BP神经网络对样本进行训练，完成设计。在此之前缺少系统性设计特斯拉线圈的方法，更多的特斯拉线圈设计是基于实际经验。本发明通过主成分分析法，解决大量输入变量对运算速度的限制；引入遗传算法对BP神经网络进行优化，进一步增强设计准确性，减小误差。最后通过实例验证设计的可靠性，今后实验者可根据此方法设计需要的特斯拉线圈。

本发明授权基于PCA-GA-BP神经网络的特斯拉线圈导向性设计方法在权利要求书中公布了：1.一种基于PCA-GA-BP神经网络的特斯拉线圈导向性设计方法，其特征在于，步骤如下： 步骤1通过特斯拉线圈电路模型进行神经网络样本采集； 对特斯拉线圈电路模型进行神经网络样本采集，选择特斯拉线圈电路模型中的输入阻抗作为输出参数，特斯拉线圈电路模型的绕组匝数、高压绕组半径、低压绕组半径、线径、匝间距作为输入参数，改变特斯拉线圈电路模型输入参数，输出参数也会随之变化，由此获取原始数据样本；其中，特斯拉线圈电路模型的输入参数是神经网络的输出参数，特斯拉线圈电路模型的输出参数是神经网络的输入参数； 步骤2运用主成分分析法对原始数据样本降维； 步骤2.1：对原始数据样本标准化处理； 首先，对原始数据样本矩阵进行标准化处理；用下述矩阵表示原始数据样本，每行表示一个样本，共计n个样本，每列表示一个变量，共计p个变量： 将其进行标准化处理： 其中，为第j个指标的样本均值；为第j个指标的样本标准差； 步骤2.2：计算相关系数矩阵R； 其中，相关系数矩阵R＝rijp×p，rii＝1，rij＝rji，rij为第i个指标与第j个指标的相关系数； 步骤2.3：计算特征值和特征向量； 计算相关系数矩阵R的特征值λ1≥λ2≥…≥λp≥0及对应的标准化特征向量u1，u2，…，up，其中uj＝[u1j,u2j,…,upj]T，由特征向量组成p个新的指标变量，在总共n个样本中，第c个样本主成分变量推导公式如下： 其中，ycp为第c个样本的第p主成分；得出所有样本的主成分变量； 步骤2.4：选择m个主成分，作为神经网络的训练样本； 为了筛选神经网络的训练样本，需要计算特征值λj的信息贡献率和累积贡献率；主成分yj的信息贡献率bj计算公式如下： 按照主成分信息贡献率的大小重新进行排序，从大到小，贡献率最大的主成分列为y1，贡献率最小的主成分列为yp；主成分y1，y2，…，ym的累积贡献率αm计算公式如下： 当αm≥0.95，则选择前m个指标变量y1，y2，...，ym代替原来p个指标变量，选择m个主成分变量，作为神经网络的训练样本； 步骤3确定BP神经网络结构； 建立三层BP神经网络结构，包括一个输入层、一个隐含层和一个输出层；在三层BP神经网络中，步骤二得出的主成分变量个数m即是输入层神经元个数，n为隐含层神经元个数，a为输出层神经元个数；并且m和n之间存在线性关系； n＝2×m+17 除神经元个数外，还需要设计转移函数、迭代次数、训练精度和学习率，隐含层的转移函数包括sigmoid、logsig、tansig、purelin；迭代次数在100至1000范围内，训练精度小于10-5，学习率设为0.01； 输入层仅起到引入变量的作用，隐含层节点的输出公式如下： 其中，V表示神经网络隐含层权重值，B表示隐含层偏置项，X表示输入层的m个节点，fn表示激活函数，zk表示隐含层第k个神经元的输出； 输出层节点的输出公式如下： 其中，zh表示隐含层的第h个节点，fy表示激活函数，yk表示输出层第k个神经元输出值； 步骤4由遗传算法优化BP神经网络权值和阈值； 初始化种群，选用二进制编码描述所有权值和阈值，选择步骤2主成分样本的预测值和期望值的误差矩阵的范数作为适应度函数的输出，选择轮盘赌策略作为种群选择策略，选择二进制父代个体上随机单点交叉作为交叉策略，通过改变二进制编码的值来实现变异操作，进而产生新种群； 步骤4.1：种群初始化 建立的BP神经网络结构，包括m个输入层神经元、n个隐含层神经元、a个输出层神经元；因此等待优化的权值和阈值的个数如下：输入层与隐含层连接权值为m×n，隐含层阈值为n，隐含层与输出层连接权值为n×a，输出层阈值为a； 每个权值和阈值使用M位的二进制编码，将所有权值和阈值的编码连接起来即为一个个体的编码，前m×n×M位是输入层与隐含层连接权值编码，m×n×M+1到m×n×M+n×M为隐含层阈值编码，m+1×n×M到m+1×n×M+n×a为隐含层与输出层连接权值编码，最后部分是输出层阈值编码； 规定编码格式后，还需要给定种群规模N、交叉概率Pc、变异概率Pm、最大迭代次数MaxIt和迭代计数变量G＝0； 步骤4.2：适应度函数 由BP神经网络对经过PCA算法处理后的主成分变量样本进行训练，用训练出来的BP神经网络对测试样本进行预测，选择测试样本的预测值和期望值的误差矩阵的范数作为适应度函数的输出；误差越小，证明个体对生存环境适应能力越强，计算每个个体的适值，比较并保留当前最佳适值和最佳个体； 步骤4.3：选择算子、交叉算子、变异算子 选择算子选择轮盘赌策略，即把目标函数的适值大小转变为概率值大小，概率值越大被选中的机会就越多；种群有N个个体，每个个体被选中的概率为Pi，个体i的适值为fi，计算公式如下： 交叉算子起到开拓空间提供全局搜索能力的作用，与交叉概率Pc相关，编程产生一个随机数，若小于Pc，则发生交叉事件；选择单点交叉，在两个二进制编码的父代个体上随机选择一个交叉点，交换交叉点左右两部分的二进制编码，进而产生两个新个体； 变异概率Pm取0.001～0.01；采取二进制编码，变异操作通过改变解的编码位置或者改变编码的值来实现； 步骤5建立PCA-GA-BP神经网络对样本进行训练，完成设计； 将PCA算法处理后的样本数据作为BP神经网络的训练样本，BP神经网络训练过程中调用GA算法优化各神经元权值和阈值，直到满足终止条件，得到最佳的BP神经网络权值和阈值，以此设计特斯拉线圈。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。