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！

龙图腾网获悉山东泰开箱变有限公司;齐鲁工业大学(山东省科学院)申请的专利降低变压器振动的结构参数构建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：CN119514058B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411528549.8，技术领域涉及：G06F30/17；该发明授权降低变压器振动的结构参数构建方法是由刘建萍;王立云;李鹏;马凤英;卞朋;王乾;董霞;张金烽;张瑞设计研发完成，并于2024-10-30向国家知识产权局提交的专利申请。

本降低变压器振动的结构参数构建方法在说明书摘要公布了：本发明涉及一种降低变压器振动的结构参数构建方法，包括：获取变压器振动特性及工况数据；基于目标函数构建遗传算法模型；基于有限元仿真的候选解振动性能验证；基于遗传算法与有限元仿真构建混合优化策略；多维度工况下的方案验证与优化；振动计算结果输出与方案评估。本发明降低变压器振动的结构参数构建方法，通过运用快速收敛的遗传算法对初步方案进行筛选，并结合有限元仿真对候选方案进行高精度验证，旨在克服传统振动计算方法在效率和准确性方面的不足；能够快速响应设计变化，优化振动性能，从而满足现代电力设备在安全性和可靠性方面的高标准要求，为变压器的设计与改进提供强有力的技术支持。

本发明授权降低变压器振动的结构参数构建方法在权利要求书中公布了：1.一种降低变压器振动的结构参数构建方法，其特征在于，包括： 步骤S1，获取变压器振动特性及工况数据； 步骤S2，基于目标函数构建遗传算法模型； 步骤S3，基于有限元仿真的候选解振动性能验证； 步骤S4，基于遗传算法与有限元仿真构建混合优化策略； 步骤S5，多维度工况下的方案验证与优化； 步骤S6，振动计算结果输出和\或方案评估； 其中： 步骤S1获取变压器振动特性及工况数据，工况数据包括：实测数据获取、历史设计方案数据获取及仿真数据获取； 实测数据获取，变压器运行通过传感器采集振动特性、应力分布及电磁特性数据； 历史设计方案数据获取，收集历史变压器设计方案及其对应的振动计算结果；用于初始种群的选择及目标函数的设定； 仿真数据获取，利用基于变压器实际的尺寸、绕组结构、铁芯设计的先前设计或分析过程中建立的变压器的数学或物理模型，通过有限元仿真获取振动特性、应力分布仿真数据，仿真结果作为遗传算法优化的输入；通过仿真数据预测不同设计方案的振动特性，并将其与实测数据进行对比分析，以验证仿真模型的准确性和稳定性； 其中： 步骤S2，基于目标函数构建遗传算法模型，包括： 目标函数定义，根据变压器振动计算的实际需求，设计目标函数； 目标函数通常用来表征变压器振动特性的性能指标，目标函数定义为最小化振动频率f、最大化结构稳定性S； 目标函数用于量化变压器的振动性能，通过设定明确的优化方向来指导设计；具体而言，最小化振动频率f减少共振风险，从而提升设备的运行平稳性；而最大化结构稳定性S则增强变压器在长期运行中的可靠性与抗疲劳能力； 最小化振动频率目标函数： 变量解释：x设计变量向量； n振动模态的数量； ωi第i个模态的权重因子； Δfi第i个模态的振频频率变化量； 最大化结构稳定性目标函数： 变量解释：σyield材料的屈服程度； σmaxx在特定设计变量组合下的最大应力值； 综合目标函数： Fx＝α1·fx+α2·Sx-α3·Δdx 变量解释：Fx综合目标函数，结合振动频率、结构稳定性及位移变化的加权和；α1,α2,α3目标函数中的权重因子，根据实际设计需求设定；Δdx位移变化量，用于限制变压器整体结构的振动幅度； 其中： 步骤S4基于遗传算法与有限元仿真构建混合优化策略，包括： 遗传算法初步筛选，利用遗传算法的全局搜索能力，对多维参数空间进行初步筛选，选取符合目标函数要求的候选解；在遗传算法的初步筛选阶段，通过目标函数对种群个体进行适应度评估，从而筛选出符合目标要求的候选解； 定义综合目标函数Fx用于评估种群个体的适应度； Fx＝α1·fvibx+α2·Sstructx-α3·dmaxx 变量解释：x设计变量向量；fvibx变压器在特定设计变量组合下的振动频率；Sstructx变压器结构在特定设计变量组合下的稳定性；dmaxx变压器结构在特定设计变量组合下的最大位移；α1,α2,α3目标函数的权重因子； 有限元仿真精确验证，对初步筛选出的候选解进行有限元仿真分析，通过高精度的仿真计算验证候选解在实际工况下的性能表现，并筛选出满足设计要求的最优解； 通过仿真计算验证候选解在实际工况下的性能表现，对选定的候选方案进行有限元分析，以模拟变压器在实际工作条件下的振动频率、应力分布和位移情况，并将仿真结果与实测数据进行对比，确保仿真模型的精度和稳定性，从而判断候选方案是否满足设计要求； 在对遗传算法初步筛选出的候选解进行有限元仿真时，计算每个候选解在特定模态下的固有频率，并评估其结构稳定性和振动特性；定义模态频率公式如下： 变量解释：fmode,i第i阶模态的固有频率；Kix第i阶模态下结构的刚度矩阵；Mix第i阶模态下结构的质量矩阵； 混合优化策略迭代：不断迭代遗传算法与有限元仿真相结合的优化策略，根据仿真结果调整遗传算法模型参数，提高振动计算的整体性能； 根据仿真结果调整遗传算法模型参数的过程是基于仿真验证的精度和稳定性来优化遗传算法的适应度评估和操作参数； 当仿真结果显示候选解的性能与目标函数偏差大于10％时，调整遗传算法中的适应度函数权重因子、选择率、交叉率或变异率； 在混合优化策略迭代过程中，根据有限元仿真结果与遗传算法模型输出之间的误差对目标函数和设计变量进行修正； 根据有限元仿真结果与遗传算法模型输出之间的误差，通过调整目标函数的权重因子或修正设计变量的取值范围来减小误差； 如果误差大于10％，通过增加仿真验证结果在目标函数中的权重，以增强其对优化方向的影响；同时，通过对误差大的设计变量进行微调，缩小其搜索空间或引入局部优化操作； 定义误差校正公式如下： xnew＝xold-η·▽Ex 变量解释：xnew经过误差校正后的设计变量组合；xold遗传算法产生的原始种群个体；η学习率，用于控制误差校正幅度；Ex误差值，定义为遗传算法模型输出与有限元仿真结果之间的差异；▽Ex误差Ex对设计变量x的梯度，用于引导种群个体向全局最优解方向收敛。

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山东泰开箱变有限公司;齐鲁工业大学(山东省科学院)，其通讯地址为：271000 山东省泰安市高新区一天门大街157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”。

以上内容由龙图腾AI智能生成。