[发明专利]一种交流电机控制性能特征识别网络模型构建方法及应用

说明书

本发明公开了一种交流电机控制性能特征识别网络模型构建方法及应用，包括：获取交流电机的任一相多种控制性能对应的多周期电流数据，并预处理多周期电流数据，得到多组单周期离散数据；构建特征识别网络结构，特征识别网络结构用于通过特征识别，计算每组单周期离散数据的多种控制性能的预测值；基于各组单周期离散数据的多种控制性能的预设值和预测值，训练得到特征识别网络模型。本发明引入深度学习，采用含有多种控制性能的电流数据进行网络模型训练，网络模型基于电流数据进行特征提取及基于提取的特征信息进行控制性能的预测，其在交流电机数据高丰富性和特异性下，也能快速高精度地实现进行控制性能的特征识别，泛化能力强，应用范围广。

技术领域

本发明涉及控制性能特征识别领域，特别是涉及一种交流电机控制性能特征识别网络模型构建方法及应用。

背景技术

对电机控制，往往采用PWM调制控制策略，而为了避免同一桥臂的上下两只或者是两条通路同时导通，采用设置死区策略的办法来解决，其中，这种死区策略能够产生性能特征及补偿效果特征(例如是欠补偿、过补偿等)，性能特征和补偿效果特征的识别对于电机控制具有重要意义。

传统上的识别做法是测出电枢电流的波形，通过观测特定位置波形的表征来人为判断或者是经过常规算法检测是否存在上述的特征。然而，这种方法对于不同开断频率以及不同的开关管，同样的控制策略可能产生不同的波形，这对于没有经验或者不甚熟悉电力电子技术的观测者或者传统算法而言，需要对不同的情况进行学习，或者编写不同的算法，而这将会增加辨识上述性能特征等所需要的资源量，因此，现有方法存在着一定的局限性，如何在交流电机数据的高丰富性和特异性下，有效提高识别准确率，是目前亟待解决的技术问题。

发明内容

本发明提供一种交流电机控制性能特征识别网络模型构建方法及应用，用以解决现有用于交流电机控制性能识别的算法因泛化能力低导致实际应用中识别效率和精度均较低的技术问题。

本发明解决上述技术问题的技术方案如下：一种交流电机控制性能的特征识别网络模型构建方法，包括：

步骤1、获取交流电机的任一相多种控制性能对应的多周期电流数据，并预处理所述多周期电流数据，得到多组单周期离散数据；

步骤2、构建特征识别网络结构，所述特征识别网络结构用于通过特征识别，计算每组所述单周期离散数据的所述多种控制性能的预测值；

步骤3、基于各组所述单周期离散数据的所述多种控制性能的预设值和所述预测值，训练所述特征识别网络结构，得到特征识别网络模型。

本发明的有益效果是：本发明引入深度学习，具体的采用含有多种控制性能的电流数据，进行网络模型的构建和训练，网络模型可基于接收的电流数据进行特征提取以及基于提取的特征信息进行各种控制性能的预测，使得其在特征提取时，即使交流电机数据具有高丰富性和高特异性，也能快速、高精度地进行控制性能的特征识别，适合实际工程应用。

上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述步骤1包括：

步骤1.1、获取交流电机的多种控制性能对应的任一相多周期电流数据，依次对所述多周期电流数据进行去噪、标准化及线性处理，得到多周期预处理电流数据；

步骤1.2、对所述多周期预处理电流数据进行分组，得到多组单周期电流数据；

步骤1.3、基于取样步长，从每组所述单周期电流数据中的第一个电流数据开始进行数据取样，得到多组单周期离散数据。

本发明的进一步有益效果是：对原始的多周期电流数据进行高频锯齿波等的去除，之后进行标准化处理以及线性处理，使得用于训练的样本集是统一的数据分布，提高后续的计算速度，便于高效地模型训练和预测。

进一步，所述步骤3包括：