基于改进U-net的电机磁场高精度预测方法技术

本发明专利技术提供了一种基于改进U

【技术实现步骤摘要】
基于改进U
‑
net的电机磁场高精度预测方法


[0001]本专利技术属于电机磁场领域，尤其是涉及一种基于改进U
‑
net的电机磁场高精度预测方法。

技术介绍

[0002]随着环境污染的日益恶化和新能源产业的蓬勃发展，电动汽车以其零排放、低能耗、低噪音和动力表现好等优势使其逐渐取代传统燃油车，在乘用车、商用车领域得到了广泛的应用。PMSM是一种典型的高效节能电机，以其高性能、功率密度高、体积小、转矩惯性比大等特点，广泛应用于电动汽车。电机作为电动汽车的主要驱动部件，其性能的优劣直接影响电动车运行的稳定性。电动汽车行驶过程中，电机内部电磁场发生剧烈变化，直接影响电机的出力和服役性能，因此，细观电机磁场分布的研究显得尤为重要。
[0003]传统的电磁计算方法有时域有限差分法、有限元法、矩量法等，为了提高精度，计算时需要进行精细的网格剖分，导致计算量急剧增加、仿真时间过长和计算效率低等问题。随着人工智能的发展，近年来其在图像分类、图像分割和自然语言处理等方面取得了很好的表现。深度学习通过学习数值模拟结果的历史本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进U
‑
net的电机磁场高精度预测方法，其特征在于：具体步骤包括：S1、收集数据，选取几个对磁场分布影响较大参数作为变量；S2、通过有限元仿真软件得到的电机的真实磁场云图；S3、数据预处理，将永磁同步电机几何结构图进行矩阵化，将不同的结构进行区分，形成被测电机几何信息矩阵；将真实磁场云图像素归一化处理，将原像素矩阵经过归一化处理后获得磁场云图的像素归一化矩阵；S4、将步骤S3中的电机几何信息矩阵和磁场云图的像素归一化矩阵带入改进U
‑
net模型，进行训练，获得预测磁场云图；S5、评估指标，将真实磁场云图与预测磁场云图进行对比，采用均方误差作为改进U
‑
net模型的性能指标来评估预测磁场分布的准确性，均方误差数值越小，则改进U
‑
net模型训练越成功；S6、向训练成功的改进U
‑
net模型中输入电机几何信息矩阵即可获得预测磁场云图。2.根据权利要求1所述的基于改进U
‑
net的电机磁场高精度预测方法，其特征在于：步骤S1中，所述变量包括：结构参数：永磁体宽度、永磁体厚度、定子齿高、定子齿宽，激励条件：三相定子绕组电流220A和330A，材料：永磁体材料钕铁硼；步骤S2中，通过有限元仿真软件对电机结构进行建模，通过修改不同的结构参数、材料、激励条件，得到真实磁场云图。3.根据权利要求1所述的基于改进U
‑
net的电机磁场高精度预测方法，其特征在于：步骤S3中，将永磁同步电机几何结构图进行矩阵化的方法为，将绕组部分定义1，定子部分定义为2，永磁体部分定义为3，转子部分定义为4，其余部分定义为0，用于区分不同的结构，形成向改进U
‑
net模型中输入几何信息的矩阵。4.根据权利要求1所述的基于改进U
‑
net的电机磁场高精度预测方法，其特征在于：步骤S3中，将真实磁场云图像素归一化处理，获得磁场云图的像素归一化矩阵，是由于永磁同步电机PMSM磁场是RGB三通道彩色图像，R
‑
红色通道，G
‑
绿色通道，B
‑
蓝色通道，需转换为单通道图像，并将像素值简单缩放归一化到[0，1]区间，公式为式中，x为图像像素点值，x
max
、x
min
分别为图像像素的最大与最小值。5.根据权利要求1所述的基于改进U
‑
net的电机磁场高精度预测方法，其特征在于：步骤S4中，改进U
‑
net模型包括编码器改进和解码器改进；编码器改进后运行步骤包括：S401、建立残差网络构成的网络模块Resblock，每个Resblock包括两个3
×
3的卷积层，通过层间跳跃连接将前后两个卷...

【专利技术属性】
技术研发人员：金亮，刘元凯，杨庆新，刘素贞，张闯，李育增，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：