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！

龙图腾网获悉长春理工大学申请的专利一种基于机器学习的多因素磁芯损耗预测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：CN120929917B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202511045058.2，技术领域涉及：G06F18/241；该发明授权一种基于机器学习的多因素磁芯损耗预测方法是由高凯;李倩楠;李万京;陈禹彤设计研发完成，并于2025-07-29向国家知识产权局提交的专利申请。

本一种基于机器学习的多因素磁芯损耗预测方法在说明书摘要公布了：本发明涉及磁性元件建模与控制技术领域，尤其涉及一种基于机器学习的多因素磁芯损耗预测方法。该方法首先获取磁性元件的磁通密度数据，提取其分布特征与形状特征，通过构建分类模型实现励磁波形识别；其次，基于Steinmetz方程引入温度指数修正项，建立温度敏感型损耗模型；进一步利用熵权法和统计分析对多因素进行重要性评估；采用随机森林与LightGBM的集成学习模型构建磁芯损耗预测模型；以损耗最小与磁能传输最大为目标，融合差分进化与模拟退火算法建立单目标优化模型。该方法提高了模型的泛化能力和预测精度，能够适应多材料、多波形、多工况条件下的磁芯损耗建模需求，适用于高频磁性元件设计和电力电子系统优化等应用场景。

本发明授权一种基于机器学习的多因素磁芯损耗预测方法在权利要求书中公布了：1.一种基于机器学习的多因素磁芯损耗预测方法，其特征在于，包括以下步骤： 步骤1，励磁波形特征提取与分类：获取磁通密度数据，通过提取分布特征与形状特征，筛选出有效特征变量，构建分类模型识别波形； 步骤2，温度建模修正：基于传统Steinmetz方程，引入温度敏感指数，修正磁芯损耗预测模型，并进行模型验证； 所述步骤2中的修正磁芯损耗预测模型为负指数关系，具体为： 式中，为修正后模型的磁芯损耗，为基准损耗系数，与材料的类型有关，为自然对 数的底数，为温度敏感系数，拟合的结果为=1.26224e-02，为工作温度，为频率，指 与频率相关的指数系数，为磁通密度峰值，为与磁通密度相关的指数系数； 所述模型验证采用均方根误差RMSE和拟合度R2对比修正前后的模型性能； 步骤3，磁芯损耗影响因素分析：采用方差分析评估温度、材料和波形的显著性及交互作用，结合熵权法量化其影响程度并确定主导因素； 步骤4，磁芯损耗预测模型构建：采用集成学习方法构建磁芯损耗模型，并进行模型有效性分析； 步骤5，工况优化模型建立：以磁芯损耗最小化与传输磁能最大化为目标，结合差分进化与模拟退火算法构建单目标优化模型； 所述步骤5中的工况优化模型建立，以磁芯损耗最小与传输磁能最大为目标，通过分式形式将多目标问题转化为单目标优化，构建的单目标优化函数： 式中，是最小化损耗能量比，表示传输单位磁能产生的损耗；指磁芯损耗， 是温度、频率、磁通密度峰值、绕组结构和磁芯材料的函数；为传输磁能，由 和决定； 因模型具有强非线性，采用模拟退火与差分进化算法联合优化以避免局部最优解。

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长春理工大学，其通讯地址为：130012 吉林省长春市朝阳区卫星路7089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。