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！

龙图腾网获悉曲阜师范大学申请的专利一种模块化轴向磁通永磁同步风力发电机的优化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：CN120764093B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202510925283.9，技术领域涉及：G06F30/17；该发明授权一种模块化轴向磁通永磁同步风力发电机的优化设计方法是由张智铮;蔡彬;刘莹;张艺馨;褚晓广设计研发完成，并于2025-07-05向国家知识产权局提交的专利申请。

本一种模块化轴向磁通永磁同步风力发电机的优化设计方法在说明书摘要公布了：本发明涉及一种模块化轴向磁通永磁同步风力发电机的优化设计方法，属于风力发电领域。该发电机包括定子和转子；以转矩脉动、转矩密度为优化目标，以定子槽深度、转子永磁体厚度、转子永磁体极弧系数为待优化设计变量；确定各设计变量的约束条件，进行拉丁超立方采样实验，建立优化目标与待优化设计变量的DNN代理模型；采用贝叶斯优化算法，对代理模型的超参数进行调优，获得最优超参数；对采用最优超参数的代理模型进行训练得到最优代理模型，基于此，采用NSGA‑II优化算法对待优化设计变量进行优化，最终确定其最优组合。本发明可降低建模误差，提高计算效率，能够鲁棒处理复杂参数耦合条件下的多目标权衡，有效提高模块化发电机性能。

本发明授权一种模块化轴向磁通永磁同步风力发电机的优化设计方法在权利要求书中公布了：1.一种模块化轴向磁通永磁同步风力发电机的优化设计方法，所述模块化轴向磁通永磁同步风力发电机，包括：定子和转子，定子包括定子铁芯和定子绕组，转子包括转子永磁体和转子铁芯；定子、转子均采用模块化设计，定子铁芯模块和转子铁芯模块均为梯形模块，转子铁芯模块上粘贴有永磁体；其特征在于，包括以下步骤： 步骤1，根据所述模块化轴向磁通永磁同步风力发电机的性能要求，选取平均转矩密度Ta、转矩脉动Tri为优化目标；选取所述模块化轴向磁通永磁同步风力发电机的三个结构参数为待优化设计变量，所述三个结构参数为：定子槽深度hs、转子永磁体厚度hc、转子永磁体极弧系数αp，则所述待优化设计变量的向量x可表示为：x=[x1,x2,x3]=[hs,hc,αp]； 步骤2，确定所述模块化轴向磁通永磁同步风力发电机各待优化设计变量的约束条件，即： 1 其中，hsl、hsu分别为定子槽深度的下界和上界；hcl、hcu分别为转子永磁体厚度的下界和上界；αpl、αpu分别为转子永磁体极弧系数的下界和上界； 步骤3，进行拉丁超立方采样LHS实验，建立所需样本空间： 31将每个待优化设计变量在其自身约束条件的上下界之间均分为M个子区间，然后在每个子区间中随机选择一个点； 32对每个待优化设计变量的所有子区间选择的点进行随机组合，得到总共M个样本数据组hsm,hcm,αpm，即M个设计变量组合，其中m=1,2,3,…,M；hsm、hcm、αpm分别为第m个样本数据组中的定子槽深度hs、转子永磁体厚度hc、转子永磁体极弧系数αp； 33通过有限元仿真得到每个样本数据组的优化目标的实际值Ta,m和Tri,m；其中，Ta,m、Tri,m分别为第m个样本数据组的平均转矩密度Ta,的实际值、转矩脉动Tri的实际值； 步骤4，建立深度神经网络DNN代理模型，所述深度神经网络DNN含有输入层、隐含层和输出层；其输入层有三个神经元，即三个待优化设计变量；其输出层有两个神经元，分别是两个优化目标Ta、Tri的预测值；隐含层的层数为3； 第一隐含层的第s个神经元的输入Hs、输出HOs分别为： 2 3 式中，wis是所述输入层的第i个神经元xi与所述第一隐含层的第s个神经元之间的连接权值，as为所述第一隐含层的第s个神经元的阈值，s＝1,2,…,N1；f1·为所述第一隐含层的激励函数，为ReLU函数修正线性单元函数，有：f1x=maxx,0； 第二隐含层的第j个神经元的输入Hj、输出HOj分别为： 4 5 式中，wsj是所述第一隐含层的第s个神经元与所述第二隐含层的第j个神经元之间的连接权值，aj为所述第二隐含层的第j个神经元的阈值，j＝1,2,…,N2；f2·为所述第二隐含层的激励函数，为ReLU函数修正线性单元函数； 第三隐含层的第u个神经元的输入Hu、输出HOu分别为： 6 7 式中，wju是所述第二隐含层的第j个神经元与所述第三隐含层的第u个神经元之间的连接权值，au为所述第三隐含层的第u个神经元的阈值，u＝1,2,…,N3；f3·为所述第三隐含层的激励函数，为ReLU函数修正线性单元函数； 所述输出层的第l个神经元的输入为： 8 所述输出层的第l个神经元的输出即优化目标的预测值为： 9 式中，wul是所述第三隐含层的第u个神经元与所述输出层的第l个神经元之间的连接权重系数，b为所述输出层的第l个神经元的阈值，l＝1,2；f·为所述输出层的激励函数，为ReLU函数修正线性单元函数；；其中，分别为第m个样本数据组的优化目标的预测值，即：平均转矩密度T的预测值、转矩脉动Tri的预测值； 步骤5，采用贝叶斯优化算法，对所述DNN代理模型的超参数进行调优，获得最优超参数； 步骤6，基于步骤5得到的最优超参数，对DNN代理模型进行训练； 步骤7，基于步骤6得到的最优DNN代理模型，采用NSGA-II优化算法对所述模块化轴向磁通永磁同步风力发电机的待优化设计变量进行优化，确定所述模块化轴向磁通永磁同步风力发电机的待优化设计变量的最优组合，以使所述模块化轴向磁通永磁同步风力发电机获得最优性能。

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曲阜师范大学，其通讯地址为：273165 山东省济宁市曲阜市静轩西路57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。