【技术实现步骤摘要】
本专利技术涉及磁芯损耗预测，具体为一种基于增强记忆状态空间模型的磁芯损耗预测方法。
技术介绍
1、在现代电力电子和磁性元件设计领域，磁芯损耗的准确预测已成为提升系统效率和可靠性的关键技术挑战。随着可再生能源系统、电动汽车充电设施、高频开关电源等应用的快速发展，电力电子系统对磁性元件的性能要求日益严苛。磁芯损耗作为磁性元件中的主要能量损失来源，直接影响着整个系统的能效水平、散热设计和运行可靠性。准确的磁芯损耗预测不仅能够优化磁性元件的设计参数，还能显著降低系统成本并延长设备使用寿命。然而，磁芯材料表现出的强非线性特性、频率依赖性、温度敏感性以及复杂的多变量耦合效应，使得损耗建模成为一项极具挑战性的任务。
2、近年来，研究者开始探索数据驱动的深度学习方法来解决磁芯损耗预测问题。这些方法在一定程度上提高了预测精度，但仍面临诸多技术瓶颈。传统经验模型存在根本性的局限性。steinmetz方程及其改进版本均基于正弦稳态假设，仅能处理理想化的周期性正弦波形，然而现代电力电子系统中普遍存在方波、三角波、pwm调制波等复杂非正弦激励，导致这...
【技术保护点】
1.一种基于增强记忆状态空间模型的磁芯损耗预测方法，其特征在于，包括：获取输入特征：B波形、H波形、温度和频率；通过Mamba状态空间模型处理得到基本特征，通过特征转换模块将基本特征进行增强，得到中间特征；通过构建增强记忆状态空间模型，计算中间特征与记忆矩阵间的相似度，使用记忆矩阵检索的特征与中间特征融合获取精炼特征，最终经过输出层生成体积损耗预测值。
2.根据权利要求1所述的基于增强记忆状态空间模型的磁芯损耗预测方法，其特征在于，记忆增强机制基于记忆矩阵，其中m为记忆槽数量，为特征维度；
3.根据权利要求2所述的基于增强记忆状态空间模型的磁芯...
【技术特征摘要】
1.一种基于增强记忆状态空间模型的磁芯损耗预测方法，其特征在于，包括：获取输入特征：b波形、h波形、温度和频率；通过mamba状态空间模型处理得到基本特征，通过特征转换模块将基本特征进行增强，得到中间特征；通过构建增强记忆状态空间模型，计算中间特征与记忆矩阵间的相似度，使用记忆矩阵检索的特征与中间特征融合获取精炼特征，最终经过输出层生成体积损耗预测值。
2.根据权利要求1所述的基于增强记忆状态空间模型的磁芯损耗预测方法，其特征在于，记忆增强机制基于记忆矩阵，其中m为记忆槽数量，为特征维度；
3.根据权利要求2所述的基于增强记忆状态空间模型的磁芯损耗预测方法，其特征在于，记忆增强过程包含读取和写入操作，在读取阶段，增强记忆状态空间模型首先计算中间特征与记忆矩阵间的相似度：
4.根据权利要求3所述的基于增强记忆状态空间模型的磁芯损耗预测方法，其特征在于，增强记忆状态空间...
【专利技术属性】
技术研发人员：丛海芳，栾天云，陈思语，姚路宁，张裕如，马嘉悦，杨阳，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。