无线输电系统的控制方法及装置

技术领域

本发明涉及无线输电领域，尤其涉及一种无线输电系统的控制方法及装置。

背景技术

当将竖直导体棒通过超高频的交流电时，在竖直导体棒的周围就会形成超高频的电磁波，这时人们认为竖直导体棒发射出了无线电波。如果把一个圆环形的线圈作为天线，放在无线电波的周期变化的磁场里，那么线圈里就会感应出相应的电流。基于无线电波的无线充电技术利用了电波能量可以通过天线发送和接收的原理，直接在整流电路中将电波的交流波形变换成直流后加以利用。一般地，基于无线电波的无线充电技术的传输距离最高可以达到10-20米。

示例地，公开号为CN105305644A的中国发明专利提出的一种可控制输电范围的远距无线输电装置，所述远距无线输电装置包括输电发射模块、无线输送效率增强包裹层、接收模块。发射模块将电能转换成电磁波；增强包裹层通过改变电磁波近场分布模式，有效提高发射模块和接收模块之间的耦合强度；接收模块接收电磁波并转换成电能。该专利中的输电发射模块及其无线输送效率增强包裹层可以作为基础设施沿着交通路线连续、分段或者定点的设置在路面下或道路附近，为远距离安装有接收模块的运动目标或者静止目标无线输电；也可用于建筑物内，对有效范围内的设备无线输电。

示例地，公开号为CN112260415A中国发明专利提出的一种无线输电系统及控制方法，所述输电系统包括磁耦合谐振输电模块、控制器、开关驱动器；磁耦合谐振输电模块包括直流电压源、全桥逆变器、能量发射谐振电路、能量接收谐振电路、不可控桥式整流器、滤波电容CF、负载RL；全桥逆变器与直流电压源以及能量发射谐振电路连接；能量接收谐振电路与能量发射谐振电路以及不可控桥式整流器连接；滤波电容CF与负载RL并联后，与不可控桥式整流器连接；全桥逆变器与不可控桥式整流器均与开关驱动器连接；控制器分别与直流电压源、负载RL、开关驱动器以及全桥逆变器连接。该专利的优点在于：极大的提升了无线输电系统的动态稳定性，进而极大的提升了电能传输的效率。

然而，上述现有技术仅仅局限于无线输电系统的内部结构以及工作性能的优化，无法对同一结构配置以及同一参数配置下的无线输电系统在各个三维空间位置的充电效果进行预测和比较，更不用说对距离无线输电电源装置例如竖直导体棒等距的各个三维空间位置分别对应的各份无线输电功率进行预测和比较，导致在相同配置下每一个具体数值的距离对应的最佳充电位置难以提前判断，而需要进行大量的实验和数据测量才能进行初步的鉴别，显然，这种实验测量方式存在的弊端一方面在于需要耗费大量的时间成本和人工成本，另一方面在于无法穷尽各个等距的三维空间位置。

发明内容

为了解决相关领域的技术问题，本发明提供了一种无线输电系统的控制方法及装置，能够为不同数值的超高频无线输电系统设计不同定制结构的人工智能模型，对相同配置下到输电电源等距的各个三维空间位置处分别对应的各份无线输电功率进行智能预测和比对，以获得相同配置下每一个具体数值的距离对应的最佳充电位置，更重要的是，采取自动推送机构将移动充电设备自动推送到最佳充电位置处实施实体充电，从而在节省大量的运算成本、人工成本以及时间成本的情况下穷尽各个等距的三维空间位置实现对每一个具体数值的距离对应的最佳充电位置的智能解析以及相应的自动控制处理，提升了整个无线输电系统的智能化水平以及自动化水平。

根据本发明的第一方面，提供了一种无线输电系统的控制方法，所述方法包括：

获取竖直导体棒的各项导体数据以及接收线圈的各项线圈数据，超高频的交流电通过竖直导体棒以在竖直导体棒周围形成电磁波，接收线圈位于移动充电设备处以接收所述电磁波并生成相应的交流电流，竖直导体棒与移动充电设备构成无线输电系统；

采集所述无线输电系统的各项配置信息，所述无线输电系统的各项配置信息为超高频的交流电的频率数值、竖直导体棒的形心与移动充电设备的形心之间的设定距离数值以及移动充电设备的充电电池的最大容量，超高频的交流电的频率数值为2.45G、5.8G，13G、35GHz、45GHz、94GHz、140GHz或者220GHz；

以竖直导体棒的形心为三维坐标系的原点确定三维坐标系，获取到原点的距离等于设定距离数值的各份三维坐标数值；

采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值，设定次数的取值与超高频的交流电的频率数值正向关联；

接收各份三维坐标数值分布对应的各份输电功率的预测数值，将最大值的预测数值对应的一份三维坐标数值作为目标充电坐标数值并推送移动充电设备到目标充电坐标数值对应的三维位置处。

进一步地，接收各份三维坐标数值分布对应的各份输电功率的预测数值，将最大值的预测数值对应的一份三维坐标数值作为目标充电坐标数值并推送移动充电设备到目标充电坐标数值对应的三维位置处包括：采用具有定位器件、驱动器件以及机械手臂的自动推送机构推送所述移动充电设备到目标充电坐标数值对应的三维位置处；

其中，以竖直导体棒的形心为三维坐标系的原点确定三维坐标系，获取到原点的距离等于设定距离数值的各份三维坐标数值包括：每一份三维坐标数值由水平坐标数值、垂直坐标数值以及高度坐标数值构成；

其中，获取竖直导体棒的各项导体数据以及接收线圈的各项线圈数据包括：所述竖直导体棒的各项导体数据为所述竖直导体棒的电阻值、导体截面面积以及导体长度，所述接收线圈的各项线圈数据为所述接收线圈的电感值、磁导率、匝数、面积以及长度，所述接收线圈为圆环型线圈；

其中，所述无线输电系统的各项配置信息为超高频的交流电的频率数值、竖直导体棒的形心与移动充电设备的形心之间的设定距离数值以及移动充电设备的充电电池的最大容量包括：竖直导体棒的形心与移动充电设备的形心之间的设定距离数值为2米到20米之间的一个具体数值。

进一步地，在采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值，设定次数的取值与超高频的交流电的频率数值正向关联之前，所述方法还包括：

对前馈神经网络执行多次学习，以获得经过设定次数的多次学习的前馈神经网络；

其中，对前馈神经网络执行多次学习，以获得经过设定次数的多次学习的前馈神经网络包括：在对前馈神经网络执行的每一次学习中，将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及所述移动充电设备的形心所在的三维位置对应的三维坐标数值作为所述前馈神经网络的各项输入内容，将已测的所述移动充电设备在所述三维位置处单位时间接收到的实际输电功率作为所述前馈神经网络的单项输出内容，完成本次学习；

其中，在对前馈神经网络执行的每一次学习中，将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及所述移动充电设备的形心所在的三维位置对应的三维坐标数值作为所述前馈神经网络的各项输入内容，将已测的所述移动充电设备在所述三维位置处单位时间接收到的实际输电功率作为所述前馈神经网络的单项输出内容，完成本次学习包括：所述移动充电设备的形心所在的三维位置到所述竖直导体棒的形心所在的三维位置的实际距离等于所述无线输电系统的各项配置信息中的设定距离数值。

进一步地，在接收各份三维坐标数值分布对应的各份输电功率的预测数值，将最大值的预测数值对应的一份三维坐标数值作为目标充电坐标数值并推送移动充电设备到目标充电坐标数值对应的三维位置处之后，所述方法还包括：

接收最大值的预测数值对应的一份三维坐标数值，并实时显示所述最大值的预测数值对应的一份三维坐标数值。

进一步地，采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值，设定次数的取值与超高频的交流电的频率数值正向关联包括：将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及每一份三维坐标数值作为所述经过设定次数的多次学习的前馈神经网络的各项输入内容；

其中，采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值，设定次数的取值与超高频的交流电的频率数值正向关联还包括：将所述移动充电设备的形心放置在该三维坐标数值处时所述移动充电设备单位时间接收到的输电功率的预测数值为所述经过设定次数的多次学习的前馈神经网络的单项输出内容。

根据本发明的第二方面，提供了一种无线输电系统的控制装置，所述系统包括：

数据解析机构，用于获取竖直导体棒的各项导体数据以及接收线圈的各项线圈数据，超高频的交流电通过竖直导体棒以在竖直导体棒周围形成电磁波，接收线圈位于移动充电设备处以接收所述电磁波并生成相应的交流电流，竖直导体棒与移动充电设备构成无线输电系统；

配置采集机构，用于采集所述无线输电系统的各项配置信息，所述无线输电系统的各项配置信息为超高频的交流电的频率数值、竖直导体棒的形心与移动充电设备的形心之间的设定距离数值以及移动充电设备的充电电池的最大容量，超高频的交流电的频率数值为2.45G、5.8G，13G、35GHz、45GHz、94GHz、140GHz或者220GHz；

坐标捕获机构，用于以竖直导体棒的形心为三维坐标系的原点确定三维坐标系，获取到原点的距离等于设定距离数值的各份三维坐标数值；

遍历预测机构，分别与数据解析机构、配置采集机构以及坐标捕获机构连接，用于采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值，设定次数的取值与超高频的交流电的频率数值正向关联；

控制机构，与遍历预测机构连接，用于接收各份三维坐标数值分布对应的各份输电功率的预测数值，将最大值的预测数值对应的一份三维坐标数值作为目标充电坐标数值并推送移动充电设备到目标充电坐标数值对应的三维位置处。

进一步地，接收各份三维坐标数值分布对应的各份输电功率的预测数值，将最大值的预测数值对应的一份三维坐标数值作为目标充电坐标数值并推送移动充电设备到目标充电坐标数值对应的三维位置处包括：采用具有定位器件、驱动器件以及机械手臂的自动推送机构推送所述移动充电设备到目标充电坐标数值对应的三维位置处；

其中，以竖直导体棒的形心为三维坐标系的原点确定三维坐标系，获取到原点的距离等于设定距离数值的各份三维坐标数值包括：每一份三维坐标数值由水平坐标数值、垂直坐标数值以及高度坐标数值构成；

其中，获取竖直导体棒的各项导体数据以及接收线圈的各项线圈数据包括：所述竖直导体棒的各项导体数据为所述竖直导体棒的电阻值、导体截面面积以及导体长度，所述接收线圈的各项线圈数据为所述接收线圈的电感值、磁导率、匝数、面积以及长度，所述接收线圈为圆环型线圈；

其中，所述无线输电系统的各项配置信息为超高频的交流电的频率数值、竖直导体棒的形心与移动充电设备的形心之间的设定距离数值以及移动充电设备的充电电池的最大容量包括：竖直导体棒的形心与移动充电设备的形心之间的设定距离数值为2米到20米之间的一个具体数值。

进一步地，所述装置还包括：

逐次学习机构，与所述遍历预测机构连接，用于对前馈神经网络执行多次学习，以获得经过设定次数的多次学习的前馈神经网络；

其中，对前馈神经网络执行多次学习，以获得经过设定次数的多次学习的前馈神经网络包括：在对前馈神经网络执行的每一次学习中，将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及所述移动充电设备的形心所在的三维位置对应的三维坐标数值作为所述前馈神经网络的各项输入内容，将已测的所述移动充电设备在所述三维位置处单位时间接收到的实际输电功率作为所述前馈神经网络的单项输出内容，完成本次学习；

其中，在对前馈神经网络执行的每一次学习中，将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及所述移动充电设备的形心所在的三维位置对应的三维坐标数值作为所述前馈神经网络的各项输入内容，将已测的所述移动充电设备在所述三维位置处单位时间接收到的实际输电功率作为所述前馈神经网络的单项输出内容，完成本次学习包括：所述移动充电设备的形心所在的三维位置到所述竖直导体棒的形心所在的三维位置的实际距离等于所述无线输电系统的各项配置信息中的设定距离数值。

进一步地，所述装置还包括：

LED显示阵列，与所述遍历预测机构连接，用于接收最大值的预测数值对应的一份三维坐标数值，并实时显示所述最大值的预测数值对应的一份三维坐标数值。

进一步地，采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值，设定次数的取值与超高频的交流电的频率数值正向关联包括：将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及每一份三维坐标数值作为所述经过设定次数的多次学习的前馈神经网络的各项输入内容；

其中，采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值，设定次数的取值与超高频的交流电的频率数值正向关联还包括：将所述移动充电设备的形心放置在该三维坐标数值处时所述移动充电设备单位时间接收到的输电功率的预测数值为所述经过设定次数的多次学习的前馈神经网络的单项输出内容。

由此可见，本发明至少具备以下四处突出的实质性特点：

实质性特点A：针对作为超高频无线输电电源的竖直导体棒，智能预测到竖直导体棒的距离为设定距离的各个三维位置处的同一移动充电设备能够分别接收到的各份输电功率数值，将最大值的输电功率数值对应的三维位置作为所述设定距离的配置下的最优输电位置，从而不需要进行多次实际测试即可完成对相同配置下每一设定距离的最优输电位置的解析和定位，为优化无线输电系统的输电效果提供可靠的参考数据；

实质性特点B：在确定某一设定距离下的最优输电位置后，自动推送移动充电设备到所述最优输电位置处以启动无线输电操作，从而提升了无线输电系统的自动控制水准；

实质性特点C：采用定制结构的人工智能模型执行到竖直导体棒的距离为设定距离的各个三维位置处的输电功率数值的智能预测处理，所述人工智能模型的结构定制之处在于：所述人工智能模型为经过设定次数的多次学习的前馈神经网络，所述设定次数的取值与超高频的交流电的频率数值正向关联，超高频的交流电的频率数值为2.45G、5.8G，13G、35GHz、45GHz、94GHz、140GHz或者220GHz，从而完成对不同超高频的无线输电系统的不同人工智能模型的结构设计；

实质性特点D：在对前馈神经网络执行的每一次学习中，将竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及移动充电设备的形心所在的三维位置对应的三维坐标数值作为所述前馈神经网络的各项输入内容，将已测的移动充电设备在所述三维位置处单位时间接收到的实际输电功率作为前馈神经网络的单项输出内容，完成本次学习，从而保证了每一次学习的效果和效率。

附图说明

以下将结合附图对本发明的实施例进行描述，其中：

图1为根据本发明的无线输电系统的控制方法及装置的应用场景示意图。

图2为根据本发明的实施例1示出的无线输电系统的控制方法的步骤流程图。

图3为根据本发明的实施例2示出的无线输电系统的控制方法的步骤流程图。

图4为根据本发明的实施例3示出的无线输电系统的控制方法的步骤流程图。

图5为根据本发明的实施例4示出的无线输电系统的控制装置的内部结构图。

图6为根据本发明的实施例5示出的无线输电系统的控制装置的内部结构图。

图7为根据本发明的实施例6示出的无线输电系统的控制装置的内部结构图。

具体实施方式

如图1所示，给出了根据本发明示出的无线输电系统的控制方法及装置的应用场景示意图。

如图1所示，本发明的具体应用场景为，针对由竖直导体棒以及接收线圈构成的某一超高频的无线输电系统，探寻距离竖直导体棒等距的各个位置分别放置相同的接收线圈时分别接收到的各份输电功率数值中的最大值，将最大值对应的位置作为该等距下的最优输电位置，其中，当将竖直导体棒通过超高频的交流电时，在竖直导体棒的周围就会形成超高频的电磁波，从而形成周围环境的远程输电效应；

一般地，接收线圈位于移动充电设备内，因此，某一超高频的无线输电系统的构成组件通常表现为单个竖直导体棒以及单个移动充电设备；

相应地，本发明的具体的技术流程如下：

技术流程一：为不同的超高频的无线输电系统定制不同结构的人工智能模型，从而保证人工智能模型后续智能预测结果的可靠性和有效性；

具体地，不同的超高频的无线输电系统的频率的取值为2.45G、5.8G，13G、35GHz、45GHz、94GHz、140GHz或者220GHz；

以及不同结构的人工智能模型的定制之处如下：

首先，所述人工智能模型为经过设定次数的多次学习的前馈神经网络，所述设定次数的取值与超高频的交流电的频率数值正向关联；

其次，在对前馈神经网络执行的每一次学习中，将竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及移动充电设备的形心所在的三维位置对应的三维坐标数值作为所述前馈神经网络的各项输入内容，将已测的移动充电设备在所述三维位置处单位时间接收到的实际输电功率作为前馈神经网络的单项输出内容，完成本次学习，从而保证了每一次学习的效果和效率；

技术流程二：采用技术流程一定制的人工智能模型智能预测到作为超高频输电电源的竖直导体棒的距离等于设定距离的各个位置处单位时间能够接收到的输电功率的预测数值，从而获得竖直导体棒等距的各个位置处的输电功率数值；

值得注意的是，这里通过人工智能模型智能预测的模式进行输电功率数值的预测，而不是进行到竖直导体棒等距的各个位置的输电功率数值的实际测量，从而能够节省大量的人工成本、时间成本以及运算成本；

技术流程三：将技术流程二获得的各个位置处的输电功率数值中的最大值对应的位置作为该等距下的最优输电位置；

技术流程四：自动推送移动充电设备到技术流程三获得的最优输电位置处以启动无线输电操作，从而提升了无线输电系统的自动控制水准。

由此可见，通过上述各个技术流程，能够在快速、高效地获得每一个等距下的最优输电位置的同时，自动推送移动充电设备到最优输电位置处以启动无线输电操作，从而实现对不同距离的最优输电位置的智能化解析的同时，提升了超高频无线输电系统控制的自动化水准。

本发明的关键点在于：针对不同的超高频的无线输电系统的不同人工智能模型的结构定制、前馈神经网络的针对性的单次学习处理、每一等距下的最优输电位置的解析以及移动充电设备到最优输电位置的自动推送。

下面，将对本发明的无线输电系统的控制方法及装置以实施例的方式进行具体说明。

实施例1

图2为根据本发明的实施例1示出的无线输电系统的控制方法的步骤流程图。

如图2所示，所述无线输电系统的控制方法包括以下步骤：

步骤S1：获取竖直导体棒的各项导体数据以及接收线圈的各项线圈数据，超高频的交流电通过竖直导体棒以在竖直导体棒周围形成电磁波，接收线圈位于移动充电设备处以接收所述电磁波并生成相应的交流电流，竖直导体棒与移动充电设备构成无线输电系统；

这样，构成了由作为超高频输电电源的竖直导体棒与输电接收器件即移动充电设备构成的超高频无线输电系统，超高频的交流电的频率数值为2.45G、5.8G，13G、35GHz、45GHz、94GHz、140GHz或者220GHz；

步骤S2：采集所述无线输电系统的各项配置信息，所述无线输电系统的各项配置信息为超高频的交流电的频率数值、竖直导体棒的形心与移动充电设备的形心之间的设定距离数值以及移动充电设备的充电电池的最大容量，超高频的交流电的频率数值为2.45G、5.8G，13G、35GHz、45GHz、94GHz、140GHz或者220GHz；

步骤S3：以竖直导体棒的形心为三维坐标系的原点确定三维坐标系，获取到原点的距离等于设定距离数值的各份三维坐标数值；

具体地，三维坐标系的定义，能够将到竖直导体棒的各个等距位置进行坐标式的数值化表示，所谓的到竖直导体棒的各个等距位置为到竖直导体棒的距离相同的各个三维空间位置，所述距离由设定距离数值进行表示，其取值在10-20米之间，在每一个等距下的最优充电位置智能分析的场景下，这个等距的数值是固定的，可以预先采用设定距离数值进行定义；

步骤S4：采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值，设定次数的取值与超高频的交流电的频率数值正向关联；

示例地，可以采用MATLAB工具箱来模拟实现采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值的数据处理过程；

以及具体地，设定次数的取值与超高频的交流电的频率数值正向关联包括：在超高频的交流电的频率数值分别为2.45G、5.8G，13G、35GHz、45GHz、94GHz、140GHz和220GHz的情况下，对应的设定次数的取值分别为100、150、200、250、300、350、400和450；

步骤S5：接收各份三维坐标数值分布对应的各份输电功率的预测数值，将最大值的预测数值对应的一份三维坐标数值作为目标充电坐标数值并推送移动充电设备到目标充电坐标数值对应的三维位置处；

其中，接收各份三维坐标数值分布对应的各份输电功率的预测数值，将最大值的预测数值对应的一份三维坐标数值作为目标充电坐标数值并推送移动充电设备到目标充电坐标数值对应的三维位置处包括：采用具有定位器件、驱动器件以及机械手臂的自动推送机构推送所述移动充电设备到目标充电坐标数值对应的三维位置处；

其中，以竖直导体棒的形心为三维坐标系的原点确定三维坐标系，获取到原点的距离等于设定距离数值的各份三维坐标数值包括：每一份三维坐标数值由水平坐标数值、垂直坐标数值以及高度坐标数值构成；

一般地，每一份三维坐标数值由水平坐标数值、垂直坐标数值以及高度坐标数值构成包括：每一份三维坐标数值由X坐标轴对应的具体数值、Y坐标轴对应的具体数值以及Z坐标轴对应的具体数值构成，X坐标轴、Y坐标轴以及Z坐标轴两两之间相互垂直；

其中，获取竖直导体棒的各项导体数据以及接收线圈的各项线圈数据包括：所述竖直导体棒的各项导体数据为所述竖直导体棒的电阻值、导体截面面积以及导体长度，所述接收线圈的各项线圈数据为所述接收线圈的电感值、磁导率、匝数、面积以及长度，所述接收线圈为圆环型线圈；

其中，所述无线输电系统的各项配置信息为超高频的交流电的频率数值、竖直导体棒的形心与移动充电设备的形心之间的设定距离数值以及移动充电设备的充电电池的最大容量包括：竖直导体棒的形心与移动充电设备的形心之间的设定距离数值为2米到20米之间的一个具体数值。

实施例2

图3为根据本发明的实施例2示出的无线输电系统的控制方法的步骤流程图。

如图3所示，相比较于实施例1，在步骤S4之前，所述无线输电系统的控制方法还包括：

步骤S6：对前馈神经网络执行多次学习，以获得经过设定次数的多次学习的前馈神经网络；

示例地，可以选择采用数值仿真模式实现对前馈神经网络执行多次学习，以获得经过设定次数的多次学习的前馈神经网络的数据处理过程的仿真和测试；

其中，对前馈神经网络执行多次学习，以获得经过设定次数的多次学习的前馈神经网络包括：在对前馈神经网络执行的每一次学习中，将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及所述移动充电设备的形心所在的三维位置对应的三维坐标数值作为所述前馈神经网络的各项输入内容，将已测的所述移动充电设备在所述三维位置处单位时间接收到的实际输电功率作为所述前馈神经网络的单项输出内容，完成本次学习；

其中，在对前馈神经网络执行的每一次学习中，将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及所述移动充电设备的形心所在的三维位置对应的三维坐标数值作为所述前馈神经网络的各项输入内容，将已测的所述移动充电设备在所述三维位置处单位时间接收到的实际输电功率作为所述前馈神经网络的单项输出内容，完成本次学习包括：所述移动充电设备的形心所在的三维位置到所述竖直导体棒的形心所在的三维位置的实际距离等于所述无线输电系统的各项配置信息中的设定距离数值。

实施例3

图4为根据本发明的实施例3示出的无线输电系统的控制方法的步骤流程图。

如图4所示，相比较于实施例1，在步骤S5之后，所述无线输电系统的控制方法还包括：

步骤S7：接收最大值的预测数值对应的一份三维坐标数值，并实时显示所述最大值的预测数值对应的一份三维坐标数值；

具体地，可以选择采用LED显示阵列、液晶显示屏幕、触摸显示屏幕或者LCD显示阵列接收最大值的预测数值对应的一份三维坐标数值，并实时显示所述最大值的预测数值对应的一份三维坐标数值。

接着，对本发明的各个实施例的无线输电系统的控制方法进行进一步说明。

在上述各个实施例1-3的任一实施例内，可选地，在所述无线输电系统的控制方法中：

采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值，设定次数的取值与超高频的交流电的频率数值正向关联包括：将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及每一份三维坐标数值作为所述经过设定次数的多次学习的前馈神经网络的各项输入内容；

具体地，将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及每一份三维坐标数值作为所述经过设定次数的多次学习的前馈神经网络的各项输入内容包括：将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及每一份三维坐标数值并行输入到所述经过设定次数的多次学习的前馈神经网络中；

其中，采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值，设定次数的取值与超高频的交流电的频率数值正向关联还包括：将所述移动充电设备的形心放置在该三维坐标数值处时所述移动充电设备单位时间接收到的输电功率的预测数值为所述经过设定次数的多次学习的前馈神经网络的单项输出内容。

实施例4

图5为根据本发明的实施例4示出的无线输电系统的控制装置的内部结构图。

如图5所示，所述无线输电系统的控制装置包括以下部件：

数据解析机构，用于获取竖直导体棒的各项导体数据以及接收线圈的各项线圈数据，超高频的交流电通过竖直导体棒以在竖直导体棒周围形成电磁波，接收线圈位于移动充电设备处以接收所述电磁波并生成相应的交流电流，竖直导体棒与移动充电设备构成无线输电系统；

这样，构成了由作为超高频输电电源的竖直导体棒与输电接收器件即移动充电设备构成的超高频无线输电系统，超高频的交流电的频率数值为2.45G、5.8G，13G、35GHz、45GHz、94GHz、140GHz或者220GHz；

配置采集机构，用于采集所述无线输电系统的各项配置信息，所述无线输电系统的各项配置信息为超高频的交流电的频率数值、竖直导体棒的形心与移动充电设备的形心之间的设定距离数值以及移动充电设备的充电电池的最大容量，超高频的交流电的频率数值为2.45G、5.8G，13G、35GHz、45GHz、94GHz、140GHz或者220GHz；

坐标捕获机构，用于以竖直导体棒的形心为三维坐标系的原点确定三维坐标系，获取到原点的距离等于设定距离数值的各份三维坐标数值；

具体地，三维坐标系的定义，能够将到竖直导体棒的各个等距位置进行坐标式的数值化表示，所谓的到竖直导体棒的各个等距位置为到竖直导体棒的距离相同的各个三维空间位置，所述距离由设定距离数值进行表示，其取值在10-20米之间，在每一个等距下的最优充电位置智能分析的场景下，这个等距的数值是固定的，可以预先采用设定距离数值进行定义；

遍历预测机构，分别与数据解析机构、配置采集机构以及坐标捕获机构连接，用于采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值，设定次数的取值与超高频的交流电的频率数值正向关联；

示例地，可以采用MATLAB工具箱来模拟实现采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值的数据处理过程；

以及具体地，设定次数的取值与超高频的交流电的频率数值正向关联包括：在超高频的交流电的频率数值分别为2.45G、5.8G，13G、35GHz、45GHz、94GHz、140GHz和220GHz的情况下，对应的设定次数的取值分别为100、150、200、250、300、350、400和450；

控制机构，与遍历预测机构连接，用于接收各份三维坐标数值分布对应的各份输电功率的预测数值，将最大值的预测数值对应的一份三维坐标数值作为目标充电坐标数值并推送移动充电设备到目标充电坐标数值对应的三维位置处；

其中，接收各份三维坐标数值分布对应的各份输电功率的预测数值，将最大值的预测数值对应的一份三维坐标数值作为目标充电坐标数值并推送移动充电设备到目标充电坐标数值对应的三维位置处包括：采用具有定位器件、驱动器件以及机械手臂的自动推送机构推送所述移动充电设备到目标充电坐标数值对应的三维位置处；

其中，以竖直导体棒的形心为三维坐标系的原点确定三维坐标系，获取到原点的距离等于设定距离数值的各份三维坐标数值包括：每一份三维坐标数值由水平坐标数值、垂直坐标数值以及高度坐标数值构成；

一般地，每一份三维坐标数值由水平坐标数值、垂直坐标数值以及高度坐标数值构成包括：每一份三维坐标数值由X坐标轴对应的具体数值、Y坐标轴对应的具体数值以及Z坐标轴对应的具体数值构成，X坐标轴、Y坐标轴以及Z坐标轴两两之间相互垂直；

其中，获取竖直导体棒的各项导体数据以及接收线圈的各项线圈数据包括：所述竖直导体棒的各项导体数据为所述竖直导体棒的电阻值、导体截面面积以及导体长度，所述接收线圈的各项线圈数据为所述接收线圈的电感值、磁导率、匝数、面积以及长度，所述接收线圈为圆环型线圈；

其中，所述无线输电系统的各项配置信息为超高频的交流电的频率数值、竖直导体棒的形心与移动充电设备的形心之间的设定距离数值以及移动充电设备的充电电池的最大容量包括：竖直导体棒的形心与移动充电设备的形心之间的设定距离数值为2米到20米之间的一个具体数值。

实施例5

图6为根据本发明的实施例5示出的无线输电系统的控制装置的内部结构图。

如图6所示，相比较于实施例4，所述无线输电系统的控制装置还包括：

逐次学习机构，与所述遍历预测机构连接，用于对前馈神经网络执行多次学习，以获得经过设定次数的多次学习的前馈神经网络；

示例地，可以选择采用数值仿真模式实现对前馈神经网络执行多次学习，以获得经过设定次数的多次学习的前馈神经网络的数据处理过程的仿真和测试；

其中，对前馈神经网络执行多次学习，以获得经过设定次数的多次学习的前馈神经网络包括：在对前馈神经网络执行的每一次学习中，将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及所述移动充电设备的形心所在的三维位置对应的三维坐标数值作为所述前馈神经网络的各项输入内容，将已测的所述移动充电设备在所述三维位置处单位时间接收到的实际输电功率作为所述前馈神经网络的单项输出内容，完成本次学习；

其中，在对前馈神经网络执行的每一次学习中，将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及所述移动充电设备的形心所在的三维位置对应的三维坐标数值作为所述前馈神经网络的各项输入内容，将已测的所述移动充电设备在所述三维位置处单位时间接收到的实际输电功率作为所述前馈神经网络的单项输出内容，完成本次学习包括：所述移动充电设备的形心所在的三维位置到所述竖直导体棒的形心所在的三维位置的实际距离等于所述无线输电系统的各项配置信息中的设定距离数值。

实施例6

图7为根据本发明的实施例6示出的无线输电系统的控制装置的内部结构图。

如图7所示，相比较于实施例4，所述无线输电系统的控制装置还包括：

LED显示阵列，与所述遍历预测机构连接，用于接收最大值的预测数值对应的一份三维坐标数值，并实时显示所述最大值的预测数值对应的一份三维坐标数值；

具体地，可以选择采用液晶显示屏幕、触摸显示屏幕或者LCD显示阵列来替换所述LED显示阵列，用于接收最大值的预测数值对应的一份三维坐标数值，并实时显示所述最大值的预测数值对应的一份三维坐标数值。

接着，对本发明的各个实施例的无线输电系统的控制装置进行进一步说明。

在上述各个实施例4-6的任一实施例内，可选地，在所述无线输电系统的控制装置中：

采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值，设定次数的取值与超高频的交流电的频率数值正向关联包括：将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及每一份三维坐标数值作为所述经过设定次数的多次学习的前馈神经网络的各项输入内容；

具体地，将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及每一份三维坐标数值作为所述经过设定次数的多次学习的前馈神经网络的各项输入内容包括：将所述竖直导体棒的各项导体数据、所述接收线圈的各项线圈数据、所述无线输电系统的各项配置信息以及每一份三维坐标数值并行输入到所述经过设定次数的多次学习的前馈神经网络中；

其中，采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值，设定次数的取值与超高频的交流电的频率数值正向关联还包括：将所述移动充电设备的形心放置在该三维坐标数值处时所述移动充电设备单位时间接收到的输电功率的预测数值为所述经过设定次数的多次学习的前馈神经网络的单项输出内容。

另外，可以从以下几个方面进一步表征出根据本发明的无线输电系统的控制方法及装置的突出性特点和显著进步：

采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值，设定次数的取值与超高频的交流电的频率数值正向关联包括：可以采用数值映射函数表示设定次数的取值与超高频的交流电的频率数值的正向关联的数值映射关系；

其中，可以采用数值映射函数表示设定次数的取值与超高频的交流电的频率数值的正向关联的数值映射关系包括：在所述数值映射函数中，超高频的交流电的频率数值为输入参数，对应的设定次数的取值为输出参数；

以及其中，采用经过设定次数的多次学习的前馈神经网络基于竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值智能预测将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值，设定次数的取值与超高频的交流电的频率数值正向关联还包括：对竖直导体棒的各项导体数据、接收线圈的各项线圈数据、无线输电系统的各项配置信息以及每一份三维坐标数值分别执行二进制数值转换的归一化处理后再输入到经过设定次数的多次学习的前馈神经网络，以获得二进制数值表示的将移动充电设备的形心放置在该三维坐标数值处时移动充电设备单位时间接收到的输电功率的预测数值；

具体地，由于三维坐标数值可能为负值以及正值，上述基于二进制数值转换的归一化数值处理将负值以及正值的三维坐标数值进行归一化的数值表示，从而在通过设定次数的多次学习处理后，使得经过设定次数的多次学习的前馈神经网络的智能预测结果的精度得到保障。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。