发明创造名称：基于电磁计算及神经网络的水泵电机建模与优化方法
外观设计名称：
决定号：200644
决定日：2020-01-14
委内编号：1F277424
优先权日：
申请（专利）号：201510035609.7
申请日：2015-01-24
复审请求人：安徽大学
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：牛晓丽
合议组组长：何俊
参审员：董杰
国际分类号：G06F17/50,G06N3/02
外观设计分类号：
法律依据：专利法第22条第3款
决定要点：如果一项权利要求相对于作为现有技术的一篇对比文件存在区别技术特征，但所述区别技术特征被其他对比文件公开或属于公知常识，本领域技术人员能够容易将其应用于该最接近的现有技术并获得该项权利要求的方案，则该权利要求不具备创造性。
全文：
本复审请求涉及申请号为201510035609.7，名称为“基于电磁计算及神经网络的水泵电机建模与优化方法”的发明专利申请（下称本申请）。申请人为安徽大学。本申请的申请日为2015年01月24日，公开日为2015年05月06日。
经实质审查，国家知识产权局原审查部门于2019年01月11日发出驳回决定，驳回了本申请，其理由是权利要求1相对于对比文件1（“基于C /C#的电机优化系统设计”，公开日2014年09月15日)与对比文件2（“基于BP神经网络和遗传算法的电动汽车电机优化设计”，公开日2014年06月26日）、对比文件3（“浅谈潜水电动机的型式及设计特点”，公开日2011年07月15日）及公知常识的结合不具备专利法第22条第3款规定的创造性。驳回决定所依据的文本为申请日提交的说明书摘要、说明书第1-34段、摘要附图、说明书附图；2018年08月08日提交的权利要求第1项。驳回决定所针对的权利要求书如下：
“1. 基于电磁计算及神经网络的水泵电机建模与优化方法，其特征在于：包括以下步骤：
（1）、根据水泵用潜水三相异步电动机的机理模型，编写电机正向电磁计算程序；
（2）、采用BP神经网络方法，对水泵水力模型进行数据拟合建模；
（3）、将电机电磁计算的输出结果作为水泵水力模型的输入数据，结合两部分程序形成机泵一体化模型；
（4）、对水泵测试数据进行反向拟合，根据水泵功率需求、安全裕量系数，实现对所配用电机进行优化设计功能，形成水泵电机逆向优化系统；
所述水泵电机逆向优化系统：
结合电机正向电磁计算程序、BP神经网络2及模拟退火遗传算法，形成水泵电机逆向优化系统；
BP神经网络2根据实测样本进行训练并收敛后，当输入一组流量、扬程及目标泵效率数据时，将拟合给出水泵在此状态下需要输入的轴功率，配合人为给定的裕量系数，即可得出水泵在此状态下，其配用的电机应具有的最优输出功率；以此功率作为电机的功率优化设计目标，配合效率、转矩其他指标，进行水泵电机多目标优化设计；优化目标设定为电机的效率、功率因数、最大转矩、启动转矩、启动电流及机泵之间的备用系数；电机优化变量选取：铁芯长、每槽导体数、定转子槽部分内尺寸参数及额定输出功率；
水泵电机多目标优化设计一般很难找到满足所有目标要求的最优解，则将优化终止时所获得的满足部分优化目标的非劣解以txt形式输出作为优化结果，供人工选择；
水泵电机逆向优化系统能独立于步骤（3）所述机泵一体化模型，单独运行进行计算；
（5）、采用模拟退火遗传算法，根据水泵性能反向拟合得出的需求数据、设定的裕量系数目标及电机性能目标，配合电机正向电磁计算程序，对配用电机进行计算机自动优化设计；
所述步骤（1）中，电机正向电磁计算程序：
对水泵配用的潜水电机，采用机理建模方法，将计算过程程序化形成可独立运行的电机电磁计算程序；
程序的输入数据包括：输出功率kW、电源频率Hz、线电压V、定子接法、极数、节距、定转子槽数、定子外内直径mm、气隙mm、转子内径mm、定子槽型尺寸mm、转子槽型尺寸mm)、每圈匝数、并联支路数、并绕根数、槽绝缘厚度mm、线径,双边漆膜mm、铁芯长mm、叠压系数、线圈直线部分伸出长mm、端环平均直径mm、面积mm^2、杂散损耗kW、铁耗系数、漏抗系数等；
经计算输出数据包括：效率、功率因数、额定转矩、最大转矩、启动转矩、启动电流、槽满率；
在传统三相异步电动机等效磁路法电磁计算的基础上，根据潜水电机浸没在水中的运行条件及定转子均采用闭口槽的结构特点，在电机的机械损耗和定转子槽上部漏磁导的计算方法上，采用了与普通异步电机不同的计算方法；
水泵电机机械损耗分为三部分计算：转子与冷却水的摩擦损耗、推力轴承的摩擦损耗以及导轴承的摩擦损耗；
对于水泵电机定转子闭口槽的槽上部漏磁导，采用等效槽口宽的方法进行计算；
所述步骤（2）中，BP神经网络：
建立两种结构近似，功能不同的BP神经网络1与BP神经网络2，分别用于结合电机正向电磁计算程序，形成机泵一体化模型，及结合电机电磁计算与优化算法，形成水泵电机逆向优化设计系统；
用于结合电机正向电磁计算程序，形成机泵一体化模型的水泵水力BP神经网络模型1，采用双输入双输出，三层结构，隐层8神经元，梯度下降法修正误差，训练终止条件为训练误差小于2%”的结构特征，以水泵输入轴功率、泵效率为模型输入，输出水泵的扬程和流量数据；
用于结合电机正向电磁计算程序及模拟退火遗传算法，形成水泵电机逆向优化系统的水泵水力BP神经网络模型2，采用三输入单输出，三层结构，隐层8神经元，采用梯度下降法修正误差，训练终止条件为训练误差小于2%”的结构特征，以水泵设计流量、扬程、目标泵效率为输入，计算输出预测水泵需求轴功率；
所述步骤（3）中，机泵一体化模型：
输入电机结构参数进行电机正向电磁计算后，将计算的结果传输给经过实测样本训练并已收敛的BP神经网络1，最终输出在当前电机功率状态下水泵的输出流量、扬程；
电机正向电磁程序所使用的输入结构参数，及水泵水力BP神经网络模型1用来进行神经元训练的数据，均以txt文档的形式存放在文件夹中，程序自动读取；
机泵一体化模型可以独立于步骤（4）中所述水泵电机逆向优化系统，单独运行进行计算。”
申请人（下称复审请求人）对上述驳回决定不服，于2019年03月22日向国家知识产权局提出了复审请求，未修改申请文件。复审请求人认为：与本申请权利要求1相比，对比文件1至少未公开步骤（2）、步骤（4）中的若干内容，本申请权利要求1实际要解决的技术问题是“如何在保证水泵的流量及扬程的前提下，最大限度地减小配用电机的功率，提高电机与水泵的匹配度，避免大马拉小车的现象，降低电能损耗”，本申请的权利要求1所采用的技术手段在对比文件1、2、3中均没有被公开，也不是常规技术手段，因此具备创造性。
经形式审查合格，国家知识产权局于2019年04月09日依法受理了该复审请求，并将其转送至原审查部门进行前置审查。
原审查部门在前置审查意见书中坚持原驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019年09月25日向复审请求人发出复审通知书，指出权利要求1相对于对比文件1与对比文件2、对比文件3及公知常识的结合不具备专利法第22条第3款规定的创造性。
复审请求人于2019年10月29日提交了意见陈述书，并修改了权利要求1，对所述水泵配用电机进行智能逆向优化过程进行了进一步限定。复审请求人认为：本申请是为了提高电机与水泵的匹配度，避免产生大马拉小车的现象，造成电能浪费，并不是简单的电机设计。对比文件1、2、3中只是给出了一些常规的研究算法，但研究算法是固定的，如何对其应用使其达到想要的效果需要付出创造性劳动。本申请修改后的权利要求1所采用的技术手段在对比文件1、2、3中均没有被公开，也不是常规技术手段，修改后的权利要求1对于本领域技术人员是非显而易见的，因此具备创造性。新修改的权利要求书如下：
“1. 基于电磁计算及神经网络的水泵电机建模与优化方法，其特征在于：包括以下步骤：
(1)、根据水泵用潜水三相异步电动机的机理模型，编写电机正向电磁计算程序；电机正向电磁计算程序：对水泵配用的潜水电机，采用机理建模方法，将计算过程程序化形成可独立运行的电机电磁计算程序；程序的输入数据包括：输出功率kW、电源频率Hz、线电压V、定子接法、极数、节距、定转子槽数、定子外内直径mm、气隙mm、转子内径mm、定子槽型尺寸mm、转子槽型尺寸mm)、每圈匝数、并联支路数、并绕根数、槽绝缘厚度mm、线径，双边漆膜mm、铁芯长mm、叠压系数、线圈直线部分伸出长mm、端环平均直径mm、面积mm^2、杂散损耗kW、铁耗系数、漏抗系数等；经计算输出数据包括：效率、功率因数、额定转矩、最大转矩、启动转矩、启动电流、槽满率；在传统三相异步电动机等效磁路法电磁计算的基础上，根据潜水电机浸没在水中的运行条件及定转子均采用闭口槽的结构特点，在电机的机械损耗和定转子槽上部漏磁导的计算方法上，采用了与普通异步电机不同的计算方法；水泵电机机械损耗分为三部分计算：转子与冷却水的摩擦损耗、推力轴承的摩擦损耗以及导轴承的摩擦损耗；对于水泵电机定转子闭口槽的槽上部漏磁导，采用等效槽口宽的方法进行计算
(2)、采用BP神经网络方法，对水泵水力模型进行数据拟合建模；BP神经网络：建立两种结构近似，功能不同的BP神经网络1与BP神经网络2，分别用于结合电机正向电磁计算程序，形成机泵一体化模型，及结合电机电磁计算与优化算法，形成水泵电机逆向优化设计系统；用于结合电机正向电磁计算程序，形成机泵一体化模型的水泵水力BP神经网络模型1，采用双输入双输出，三层结构，隐层8神经元，梯度下降法修正误差，训练终止条件为训练误差小于2％的结构特征，以水泵输入轴功率、泵效率为模型输入，输出水泵的扬程和流量数据；用于结合电机正向电磁计算程序及模拟退火遗传算法，形成水泵电机逆向优化系统的水泵水力BP神经网络模型2，采用三输入单输出，三层结构，隐层8神经元，采用梯度下降法修正误差，训练终止条件为训练误差小于2％的结构特征，以水泵设计流量、扬程、目标泵效率为输入，计算输出预测水泵需求轴功率；
(3)、将电机电磁计算的输出结果作为水泵水力模型的输入数据，结合两部分程序形成机泵一体化模型；
(4)、对水泵测试数据进行反向拟合，根据水泵功率需求、安全裕量系数，实现对所配用电机进行优化设计功能，形成水泵电机逆向优化系统；采用模拟退火遗传算法，根据水泵性能反向拟合得出的需求数据、设定的裕量系数目标及电机性能目标，配合电机正向电磁计算程序，对配用电机进行计算机自动优化设计；水泵电机逆向优化系统：结合电机正向电磁计算程序、BP神经网络2及模拟退火遗传算法，形成水泵电机逆向优化系统；BP神经网络2根据实测样本进行训练并收敛后，当输入水泵不同工况下的一组流量、扬程及目标泵效率数据时，将拟合给出水泵在这些工况状态下需要输入的轴功率，配合人为给定的裕量系数，即可得出水泵在此状态下，其配用的电机在全工况范围内应具有的最优输出功率曲线；以此功率曲线作为电机的功率优化设计目标，配合效率、转矩等其他指标，进行水泵电机多目标优化设计；优化目标设定为电机的效率、功率因数、最大转矩、启动转矩、启动电流及机泵之间的备用系数；电机优化变量选取：铁芯长、每槽导体数、定转子槽部分内尺寸参数及额定点的输出功率；水泵电机多目标优化设计一般很难找到满足所有目标要求的最优解，则将优化终止时所获得的满足部分优化目标的非劣解以txt形式输出作为优化结果，供人工选择；水泵电机逆向优化系统可以独立于步骤(3)所述机泵一体化模型，单独运行进行计算；
水泵配用电机进行智能逆向优化过程是：
步骤1：依据对象机泵系统的水力性能试验测试数据，对BP神经网络2进行反向训练直至收敛；
步骤2：将水泵设计流量、扬程及目标泵效率输入BP神经网络2，计算给出水泵在此流量、扬程要求情况下，需要从电机输入的轴功率；
步骤3：设定电机优化设计的各性能目标值以及机泵备用系数下降目标值；
步骤4：将电机结构参数分为不参与优化参数和参与优化参数两组。运行优化算法调整参与优化参数，配合不参与优化参数形成多个新的电机设计方案；
步骤5：将所有电机新设计方案输至电机正向电磁计算程序，计算各方案输出性能；
步骤6：检验所有新电机设计方案中是否有满足所有优化目标的方案；是，输 出此方案参数；否，按照模拟退火遗传算法规则重新生成一组电机设计方案。重复步骤5，直至满足优化终止条件。”
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
二、决定的理由
审查文本的认定
复审请求人在答复复审通知书时修改了权利要求书，经审查，修改符合专利法第33条的规定。本复审决定所依据的文本为申请日2015年01月24日提交的说明书第1-34段、说明书摘要、摘要附图、说明书附图；2019年10月29日提交的权利要求第1项。
专利法第22条第3款
专利法第22条第3款规定：创造性，是指与现有技术相比，该发明具有突出的实质性特点和显著的进步，该实用新型具有实质性特点和进步。
本复审决定评价本申请权利要求的创造性时使用的对比文件与驳回决定及复审通知书中使用的对比文件相同，即：
对比文件1：“基于C /C#的电机优化系统设计”，姜锟，《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》第9期，公开日2014年09月15日；
对比文件2：“基于BP神经网络和遗传算法的电动汽车电机优化设计”，任明旭等，《第十一届沈阳科学学术年会暨中国汽车产业集聚区发展与合作论坛》，第1-5页，公开日2014年06月26日；
对比文件3:“浅谈潜水电动机的型式及设计特点”，黄家友等，《大电机技术》第4期，第9-10,14页，公开日2011年07月15日。
权利要求1请求保护一种基于电磁计算及神经网络的水泵电机建模与优化方法。对比文件1公开了一种基于C /C#的电机优化系统设计，并具体公开了如下内容（参见正文第15 -29，46-50页）：
电机优化设计中常用的优化方法有遗传算法、模拟退火算法、人工神经网络等。电机优化系统的结构可以分为两个部分：电磁计算程序和多目标混合模拟退火算法程序；电磁计算：即电磁计算程序模块，此模块可以单独运行；包括编写三相异步电机正向电磁计算程序；在编写三相异步电机的电磁计算程序时必然是根据其机理模型（相当于根据三相异步电动机的机理模型，编写电机正向电磁计算程序）；优化后的优化目标总体上优于原设计中的值,可以看出,所设计的逆向优化系统有效实现了对电机的优化效果,其计算精度基本符合要求；在电机的多目标优化中,每一代对每一个种群的每一个个体都要调用电机的电磁计算程序,计算出目标函数后,进行适应度的比较,所以多目标优化对电磁计算的速度和精度有很高的要求，根据输入的优化参数实现电机的逆向优化设计（相当于实现对所配用电机进行优化设计功能，形成电机逆向优化系统）；模拟退火算法和遗传算法分别具有各自的优缺点,鉴于此,为了调和计算效率和优化的正确性的矛盾,在实际的计算过程中,将两种算法相结合,将遗传算法的交叉算子和变异算子加入到在模拟退火算法的过程中,形成一个新的算法,混合模拟退火算法；电磁计算的程序可以单独地运行并得出结果,但是优化算法程序必须结合前者,两者相结合组成了电机优化系统；电磁计算程序和优化算法程序的结合是以优化程序中调用电磁计算函数来实现的；对于每一代中每一个种群中的每一个个体,在满足约束条件的情况下,通过程序的编码和解码,会得到一组新的优化变量值,将优化变量与固定变量相结合代入到电磁计算中计算,计算结果再经过目标函数和约束条件的验证后,即完成了一个个体的优化；目标函数是指在电机优化设计问题中使功率因数、效率、起动转矩倍数、最大转矩倍数、起动电流倍数等能够满足期望的值（相当于采用模拟退火遗传算法，根据电机性能目标，配合电机正向电磁计算程序，对配用电机进行计算机自动优化设计）；在电机的设计过程中涉及的变量多达数十个,其中一些参数可以根据工艺、结构和客户的使用要求预先确定,还有一些参数对性能的影响并不大,可以按照经验或惯例直接选取,剩下一些对电机优化结果影响较大的量,就可以作为优化设计中的n维决策变量x；变量数n取得越多,设计的自由度就越大,优化设计的方案就可能越理想,但同时优化过程中的数据处理的难度相应的会增加,计算量会提高；所以选取优化变量的基本原则是:(1)只要设计要求能够得到满足,则对于优化变量来说,个数越少越好；(2)对于优化变量的选取,选取的基本参数应当满足以下条件:对目标函数具有较大的影响,或者对目标函数和约束条件有直接影响；(3)应该能比较容易地确定优化变量的取值范围,各个优化变量之间应该是相互独立的；对于三相异步电机的优化设计,如果待优化的目标是如式(3-1)所示的效率、功率因数、最大转矩倍数、起动转矩倍数和起动电流倍数,对目标函数进行分析,可以确定如下几个优化变量:(1)铁心长度；(2)每槽导体数Z1；(3)定子槽型参数bsl,bs2和hsl2；(4)转子槽型参数brl,br2,hrl2或者br3, br4, hr3（相当于配合效率、转矩其他指标，进行电机多目标优化设计；优化目标设定为电机的效率、功率因数、最大转矩、启动转矩、启动电流；电机优化变量选取：铁芯长、每槽导体数、定转子槽部分内尺寸参数）；非劣解的判断；非劣解是指所有目标变量的适应度中,至少有一个变量的适应度大于本代其他种群的适应度,程序中将每个种群的适应度逐一与其他种群的适应度相比较,若该种群所有目标变量的适应度都大于或小于其他种群的,则跳出循环,否则,输出该解为非劣解,同时计算非劣解的个数；电机优化系统计算后的结果会保存在系统文件目录下的名为“out.txt”的文本文件内,使用者要查看自己的计算结果可以自行打开文件进行查阅（相当于电机多目标优化设计一般很难找到满足所有目标要求的最优解，则将优化终止时所获得的满足部分优化目标的非劣解以txt形式输出作为优化结果，供人工选择）；电机优化系统的建立，本文的电机优化系统的结构可以分为两个部分：电磁计算程序和多目标混合模拟退火算法程序；电磁计算:即电磁计算程序模块,此模块可以单独运行；包括编写三相异步电机正向电磁计算程序；在编写三相异步电机的电磁计算程序时必然是根据其机理模型（相当于对电机，采用机理建模方法，将计算过程程序化形成可独立运行的电机电磁计算程序）；表3-1三相电机输入参数，包括输出功率、频率、相电压、极对数、定转子槽数、定子外直径、气隙长度、转子内径、并联支路数、导线并绕根数、定子槽绝缘厚度、线径1、2、导线漆膜厚度、铁心叠压系数、线圈直线部分伸出铁心长、转子端环面积、平均直径、杂散损耗标么值、铁耗校正系数（相当于程序的输入数据包括：输出功率、电源频率、线电压、极数、定转子槽数、定子外直径、气隙、转子内径、并联支路数、并绕根数、槽绝缘厚度、线径,双边漆膜、叠压系数、线圈直线部分伸出长、端环平均直径、面积、杂散损耗、铁耗系数等）；另外表3-2中的数据也会作为输出结果进行输出,包括：效率、功率因数、最大转矩倍数、起动转矩倍数、起动电流倍数、槽满率（相当于经计算输出数据包括：效率、功率因数、最大转矩、启动转矩、启动电流、槽满率）。
权利要求1与对比文件1相比区别特征是：（1）权利要求1涉及的是水泵电机及其相应的模型。（2）具体参数选取及架构有所不同，具体为采用BP神经网络方法对水泵水力模型进行数据拟合建模，并形成机泵一体化模型及其BP神经网络和机泵一体化的具体限定；对水泵测试数据进行反向拟合，根据水泵功率需求、安全裕量系数实现电机的逆向优化设计；还包括根据水泵性能反向拟合得出的需求数据、设定的裕量系数目标来对电机进行自动优化设计；结合电机正向电磁计算程序、BP神经网络2及模拟退火遗传算法，形成水泵电机逆向优化系统；BP神经网络2根据实测样本进行训练并收敛后，当输入一组流量、扬程及目标泵效率数据时，将拟合给出水泵在此状态下需要输入的轴功率，配合人为给定的裕量系数，即可得出水泵在此状态下，其配用的电机应具有的最优输出功率；以此功率作为电机的功率优化设计目标；优化目标设定还包括机泵之间的备用系数；电机优化变量选取还包括额定输出功率；水泵电机逆向优化系统可以独立于所述机泵一体化模型，单独运行进行计算；电机正向电磁计算程序中输入数据还包括定子接法、节距、定子内直接、定子槽型尺寸、转子槽型尺寸、每圈匝数、铁芯长、漏抗系数等；输出数据还包括额定转矩；在传统三相异步电动机等效磁路法电磁计算的基础上，根据潜水电机浸没在水中的运行条件及定转子均采用闭口槽的结构特点，在电机的机械损耗和定转子槽上部漏磁导的计算方法上，采用了与普通异步电机不同的计算方法；水泵电机机械损耗分为三部分计算：转子与冷却水的摩擦损耗、推力轴承的摩擦损耗以及导轴承的摩擦损耗；对于水泵电机定转子闭口槽的槽上部漏磁导，采用等效槽口宽的方法进行计算；智能逆向优化过程的特定步骤。
基于上述区别特征确定权利要求1实际解决的问题是如何构建水泵电机的建模及优化。
对于区别特征（1），水泵是工业和电力系统中应用广泛的设备，在对比文件1公开了一种基于电磁计算的电机优化方法的基础上，将其用于水泵电机的优化，是本领域技术人员易于实现的。
对于区别特征（2）：对比文件2公开了一种基于BP神经网络和遗传算法的电动汽车电机优化设计，并具体公开了以下内容（参见正文全文）：本文将采用一种新的方法对电机进行优化，即先利用电机设计软件Ansoft建立电机的参数化本体模型，再通过定步长变化的参数分析获得决策变量和对应性能参数关系的样本数据，并通过BP神经网络建立电机的拟合模型NM，利用遗传算法对上述模型进行求解，从而获得轮毂电机的目标函数的最优解（相当于基于神经网络的汽车电机建模与优化方法，采用BP神经网络方法，对汽车电机模型进行数据拟合建模）。对比文件3公开了一种浅谈潜水电动机的型式及设计特点，并具体公开了以下特征（参见正文全文）：潜水电动机从原理上来说是一种特殊的三相异步电动机，但是由于使用环境的不同，使得它具有不同于传统三相异步电动机的独特的特点；潜水电机在运行中的损耗和一般异步电机基本相同，包括绕组铜（铝）损耗、铁损耗，机械损耗和杂质耗；对于潜水电机来说，绕组铜（铝）损耗是定、转子在基准工作温度下额定运行时由电流产生的 I2R 损耗；铁损耗一般与定、转子冲片有关；杂质损耗一般为潜水电机输入功率的 0.005 倍；这三种损耗对于充水式、充油式和干式潜水电机来说只要定、转子绕组和定、转子冲片相同基本上是不变的；机械损耗由轴承损耗、转子在介质中旋转时的摩擦损耗和为了防止机外液体和杂质进入机内而在轴伸端安装的机械密封和骨架油封所产生的损耗三部分组成（相当于水泵电机机械损耗分为三部分计算）。由对比文件2-3公开内容可知，对比文件2公开了如何基于BP神经网络的电机建模与优化设计方案，在对比文件2公开内容的基础上，结合水泵电机的具体需求，对其参数进行设置和调整，进而得出满足实际需求的水泵电机的建模与优化方案，这是本领域人员易于实现的，所带来的效果也是可以预期的。对比文件3公开了如何对水泵电机进行电磁分析，在对比文件3公开内容的基础上，本领域技术人员容易想到在传统三相异步电动机等效磁路法电磁计算的基础上根据电机浸没在水中的运行条件及定转子均采用闭口槽的结构特点，在电机的机械损耗和定转子槽上部漏磁导的计算方法上，采用与普通异步电机不同的计算方法，对于水泵电机定转子闭口槽的槽上部漏磁导，采用等效槽口宽的方法进行计算。关于其他区别，在对比文件1-3公开内容的基础上，为进一步改善水泵电机的自动优化设计能力，本领域技术人员容易想到基于电机正向电磁计算程序、BP神经网络及模拟退火遗传算法，结合水泵电机的实际需求，对其参数、架构及其特定的步骤进行设置和调整，进而形成水泵电机优化系统。
综上，在对比文件1的基础上结合对比文件2、对比文件3和公知常识得到权利要求1的方案是显而易见的，当前权利要求1不具有专利法第22条第3款规定的创造性。
对复审请求人相关意见的评述
针对复审请求人的意见，合议组认为，对比文件1公开了如何进行电机优化系统设计，对比文件2公开了如何基于BP神经网络的电机建模与优化设计方案，对比文件3公开了如何对水泵电机进行电磁分析，在对比文件1-3公开内容的基础上，为进一步改善水泵电机的自动优化设计能力，本领域技术人员易于想到如何基于电机正向电磁计算程序、BP神经网络及模拟退火遗传算法，结合水泵电机的实际需求，对其参数、架构及其特定的步骤进行设置和调整，进而形成水泵电机优化系统，由此所带来的效果也是可以预期的。综上，合议组对请求人的意见不予支持。
三、决定
维持国家知识产权局于2019年01月11日对本申请作出的驳回决定。
如对本复审决定不服，根据专利法第41条第2款的规定，复审请求人可以自收到本复审决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
