[发明专利]基于模拟退火算法的电机堵转判别方法及装置

权利要求书

1.一种基于模拟退火算法的电机堵转判别方法,其特征在于,

所述方法包括步骤,

S100,获取表征至少一电机历史堵转电流的数组X,并且根据至少一沿所述数组X滑动的窗口Y截取所述数组X的部分为数组Z；

S200,初始化通过所述数组Z训练的学习模型；

S300,基于模拟退火算法获取所述窗口Y的全局最优配置；

S400,根据全局最优配置的所述窗口Y训练所述学习模型,以及通过训练后所述学习模型预测至少一电机运行的电流数据的堵转系数；

S500,根据所述堵转系数分析当前所述电机的堵转情况。

2.根据权利要求1所述的基于模拟退火算法的电机堵转判别方法,其特征在于,

所述方法包括步骤,

S101,获取若干数组X,所述数组X＝{X1,X2,...,Xn；Q},n∈N且n＞2,Q为堵转系数；

S102,配置一窗口Y,所述窗口Y(a,b)＝{Xa,Xa+1,...,Xb；Q}；a、b∈N且0＜a≤b＜n；

S103,依据所述窗口Y(a,b)截取所述数组X的部分为数组Z。

3.根据权利要求2所述的基于模拟退火算法的电机堵转判别方法,其特征在于,

所述方法包括步骤,

S201,配置依据若干所述数组Z(a,b)训练的学习模型η(a,b)；

S202,配置所述学习模型η(a,b)的预测偏差为θ(a,b)。

4.根据权利要求1所述的基于模拟退火算法的电机堵转判别方法,其特征在于,

所述方法包括步骤,

S301,配置模拟退火算法的收敛条件及初始温度T；

S302,赋值a＝ai,b＝bi,获取预测偏差θ(ai,bi)；

S303,获取随机自然数Δa及Δb,赋值aj＝ai+Δa,bj＝bi+Δb,获取预测偏差θ(aj,bj)；

S304,若θ(aj,bj)-θ(ai,bi)＜0,使ai＝aj,bi＝bj；

若θ(aj,bj)-θ(ai,bi)≥0,

使T为当前温度,

判断p≥ζ,ζ∈(0,1],使ai＝aj,bi＝bj；

判断p＜ζ,保持a＝ai及b＝bi；

S305,判断至少一收敛条件是否满足,

若所述收敛条件满足则评价所述学习模型η(ai,bi)合格,并且建立窗口Y(ai,bi)；

若所述收敛条件不满足则使T降低并返回S302。

5.根据权利要求4所述的基于模拟退火算法的电机堵转判别方法,其特征在于,

S303配置有获取随机自然数Δa及Δb,并且Δa-Δb始终为零数、正数或负数的一种。

6.根据权利要求4所述的基于模拟退火算法的电机堵转判别方法,其特征在于,

S301配置有退火系数K,K∈(0,1]；

S305配置有使T＝T*K。

7.根据权利要求6所述的基于模拟退火算法的电机堵转判别方法,其特征在于,

所述收敛条件配置为,

至少一所述预测偏差θ(ai,bi)小于一偏差阈值g,或

连续至少两次所述预测偏差θ(ai,bi)小于一偏差阈值h,

0＞h＞g＞1。

8.根据权利要求1所述的基于模拟退火算法的电机堵转判别方法,其特征在于,

所述方法包括步骤,

S401,获取至少一电机运行的电流数据；

S402,根据所述窗口Y(ai,bi)截取所述电流数据为所述数组Z(ai,bi)；

S403,通过所述学习模型η(ai,bi)预测所述数组Z(ai,bi)的堵转系数q。

9.根据权利要求1所述的基于模拟退火算法的电机堵转判别方法,其特征在于,

S401获取所述电机运行的电流曲线,依据时间刻度平均的离散所述电流曲线离散为电流数组。

10.一种基于模拟退火算法的电机堵转判别装置,其特征在于,

所述装置包括数据数据获取模块、模型配置模块、算法分析模块、模型训练模块及堵转分析模块；

所述数据获取模块配置为获取表征至少一电机历史堵转电流的数组X,并且根据至少一沿所述数组X滑动的窗口Y截取所述数组X的部分为数组Z；

所述模型配置模块配置为初始化通过所述数组Z训练的学习模型；

所述算法分析模块配置为基于模拟退火算法获取所述窗口Y的全局最优配置；

所述模型训练模块配置为根据全局最优配置的所述窗口Y训练所述学习模型,以及通过训练后所述学习模型预测至少一电机运行的电流数据的堵转系数；

所述堵转分析模块配置为根据所述堵转系数分析当前所述电机的堵转情况。