基于神经网络的CLLC直流变压器变频范围的设计方法及系统

本发明公开了基于神经网络的CLLC直流变压器变频范围的设计方法及系统，包括，在预设的变量范围内进行采样，构建覆盖全工况的采样数据库；对采样数据进行仿真验证，生成包含正反向增益的物理约束数据集；将处理后的仿真数据输入神经网络模型进行训练，建立参数变量与电气性能的精准映射关系；最终集成寻优算法（如梯度下降与遗传算法）对模型输出进行优化，在满足增益匹配度误差＜2.1%、频率波动的硬性约束下，实现谐振腔参数的全局最优求解。该方法创新性地构建了仿真验证‑模型训练‑参数优化的闭环系统，通过采样机制和跨平台数据接口，将传统人工试错所需的3天优化周期压缩，使设计更加便捷合理。