基于深度学习和TRIZ的牵引变流器增效设计

在牵引变流器系统设计中,各子系统间存在复杂的多元技术矛盾,而依赖手动查表的传统创新方法难以有效解决这些矛盾。对此,文章将深度学习算法引入发明问题解决理论(TRIZ)中,通过研究基于深度学习和TRIZ原理相结合的协同创新方法,构建TRIZ-CRNN模型,挖掘创新案例中隐含的发明原理,从而实现牵引变流器的协同创新。实验结果显示,TRIZ-CRNN模型在TRIZ创新案例数据集上的识别精度达到99.5%。这验证了该协同创新方法的可行性,其能实现对TRIZ创新机制的智能建模,为牵引变流器技术创新提供理论支撑及解决方案;同时,由于该设计方法基于TRIZ-CRNN的人机交互软件,其不仅提升了计算机辅助创新系统的操作智能化水平,而且还优化了TRIZ-CRNN算法的应用。