往复电磁泵输出功率稳定控制方法、系统和电子设备技术方案

本申请具体地公开了一种往复电磁泵输出功率稳定控制方法、系统和电子设备。其通过以预定输入频率相对于其它输入频率构造高斯分布式的输入向量来输入转换模型，可以使得转换模型充分考虑输入数值的波动性，从而提高转换模型对于输入数值的细小变化的敏感性。而另一方面，通过级联的神经网络分别表达由交变频率导致的一系列功率损耗，一方面可以提高神经网络模型对损耗信息的表达的准确性，另一方面通过各项信息的特征表达之间的解耦，可以解决所述由于转换模型对于输入数值的细小变化的敏感性而造成的模型的鲁棒性差的问题，最终得到高性能的鲁棒的转换模型。高性能的鲁棒的转换模型。高性能的鲁棒的转换模型。

【技术实现步骤摘要】
往复电磁泵输出功率稳定控制方法、系统和电子设备


[0001]本申请涉及往复电磁泵的领域，且更为具体地，涉及一种往复电磁泵输出功率稳定控制方法、系统和电子设备。

技术介绍

[0002]电磁驱动的往复泵是由电磁驱动机构和往复泵组成的一种复合式泵。电磁驱动是利用电磁转换装置，将电能转化为磁能，并通过带有磁性的运动部件形成闭合磁路，将磁能转化为机械能，以传递力和转矩。
[0003]目前，在电磁驱动的往复泵工作的过程中，电磁力是作为电磁式往复泵的驱动力，在驱动柱塞运动时，电源的电能转化为柱塞的动能。但是在其工作的过程中，会产生较多的能量损失，包括：铜损损失、涡流损失和磁滞损失。。
[0004]铜损损失指的是：当通电导线中通入直流电流时，只会产生固定磁场，但通入交流电流时，其周围会产生交变磁场，交变磁场会在线圈两端形成感应电动势，从而产生感应电流。由于线圈匝数较多，组成线圈的导线材料会形成铜损电阻，铜损电阻会消耗部分电能，这样就会产生铜损损耗。涡流损失和磁滞损失指的是由频率为f的交变电流激励产生的交变磁场，会在铁心中产生感应电动势，且由于铁心电阻较小，其就会产生一个个闭合的回路，从而造成涡流及磁滞损耗。
[0005]因此，为了实现往复电磁泵的输出功率稳定，期望一种往复电磁泵输出功率稳定控制方案。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种往复电磁泵输出功率稳定控制方法、系统和电子设备，其通过以预定输入频率相对于其它输入频率构造高斯分布式的输入向量来输入转换模型，可以使得转换模型充分考虑输入数值的波动性，从而提高转换模型对于输入数值的细小变化的敏感性。而另一方面，通过级联的神经网络分别表达由交变频率导致的一系列功率损耗，一方面可以提高神经网络模型对损耗信息的表达的准确性，另一方面通过各项信息的特征表达之间的解耦，可以解决所述由于转换模型对于输入数值的细小变化的敏感性而造成的模型的鲁棒性差的问题，最终得到高性能的鲁棒的转换模型。
[0007]根据本申请的一个方面，提供了一种往复电磁泵输出功率稳定控制方法，其包括：
[0008]训练阶段，包括：
[0009]获取训练用数据集，所述训练数据集包括使得往复电磁泵功率稳定的一系列输入频率值和输入功率值；
[0010]对所述一系列输入频率值中的某一预定输入频率值进行高斯向量化处理以获得频率向量；
[0011]将所述频率向量输入用于计算铜损损耗的第一神经网络模型以获得第一功率向
量；
[0012]计算所述频率向量中各个位置的输入频率值对应的铜损损耗作为真实值，以获得由多个真实值组成的第一真实值向量；
[0013]最小化所述第一真实值向量与所述第一功率向量之间的距离来更新所述第一神经网络模型的参数；
[0014]将所述第一功率向量输入与所述第一神经网络模型级联的第二神经网络模型以获得第二功率向量，所述第二神经网络模型用于计算涡流损耗；
[0015]计算所述频率向量中各个位置的输入频率值对应的涡流损耗作为真实值，以获得由多个真实值组成的第二真实值向量；
[0016]最小化所述第二真实值向量与所述第二功率向量之间的距离来更新所述第二神经网络模型的参数；
[0017]将所述第二功率向量输入与所述第二神经网络模型级联的第三神经网络模型以获得第三功率向量，所述第三神经网络模型用于计算磁滞损耗；
[0018]计算所述频率向量中各个位置的输入频率值对应的磁滞损耗作为真实值，以获得由多个真实值组成的第三真实值向量；
[0019]最小化所述第三真实值向量与所述第三功率向量之间的距离来更新所述第三神经网络模型的参数；
[0020]将所述第三功率向量输入与所述第三神经网络模型级联的第四神经网络模型以获得一位的训练功率值；以及
[0021]以所述训练功率值和真实的预定输入功率之间的差值作为损失函数值来更新所述第四神经网络模型的参数；以及
[0022]推断阶段，包括：
[0023]获得输入的频率值；
[0024]对所述输入的频率值进行高维向量化处理以获得频率向量；以及将所述频率向量输入经训练阶段训练完成的且相互级联的所述第一神经网络模型、所述第二神经网络模型、所述第三神经网络模型和所述第四神经网络模型以获得由所述第四神经网络模型输出的回归后的输入功率值。
[0025]根据本申请的另一方面，提供了一种往复电磁泵输出功率稳定控制系统，其包括：
[0026]训练模块，包括：
[0027]训练用数据集获取单元，用于获取训练用数据集，所述训练数据集包括使得往复电磁泵功率稳定的一系列输入频率值和输入功率值；
[0028]高斯向量处理单元，用于对所述训练用数据集获取单元获得的所述一系列输入频率值中的某一预定输入频率值进行高斯向量化处理以获得频率向量；
[0029]第一神经网络处理单元，用于将所述高斯向量处理单元获得的所述频率向量输入用于计算铜损损耗的第一神经网络模型以获得第一功率向量；
[0030]第一真实值向量生成单元，用于计算所述高斯向量处理单元获得的所述频率向量中各个位置的输入频率值对应的铜损损耗作为真实值，以获得由多个真实值组成的第一真实值向量；
[0031]第一更新单元，用于最小化所述第一真实值向量生成单元获得的所述第一真实值
向量与所述第一神经网络处理单元获得的所述第一功率向量之间的距离来更新所述第一神经网络模型的参数；
[0032]第二神经网络处理单元，用于将所述第一神经网络处理单元获得的所述第一功率向量输入与所述第一神经网络模型级联的第二神经网络模型以获得第二功率向量，所述第二神经网络模型用于计算涡流损耗；
[0033]第二真实值向量生成单元，用于计算所述高斯向量处理单元获得的所述频率向量中各个位置的输入频率值对应的涡流损耗作为真实值，以获得由多个真实值组成的第二真实值向量；
[0034]第二更新单元，用于最小化所述第二真实值向量生成单元获得的所述第二真实值向量与所述第二神经网络处理单元获得的所述第二功率向量之间的距离来更新所述第二神经网络模型的参数；
[0035]第三神经网络处理单元，用于将所述第二神经网络处理单元获得的所述第二功率向量输入与所述第二神经网络模型级联的第三神经网络模型以获得第三功率向量，所述第三神经网络模型用于计算磁滞损耗；
[0036]第三真实值向量生成单元，用于计算所述高斯向量处理单元获得的所述频率向量中各个位置的输入频率值对应的磁滞损耗作为真实值，以获得由多个真实值组成的第三真实值向量；
[0037]第三更新单元，用于最小化所述第三真实值向量生成单元获得的所述第三真实值向量与所述第三神经网络处理单元获得的所述第三功率向量之间的距离来更新所述第三神经网络模型的参数；
[0038]第四神经网络处理单元，用于将所述第三神经网络处理单元获得的所述第三功率向量输入与所述第三神经网络模型级联本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种往复电磁泵输出功率稳定控制方法，其特征在于，包括：训练阶段，包括：获取训练用数据集，所述训练数据集包括使得往复电磁泵功率稳定的一系列输入频率值和输入功率值；对所述一系列输入频率值中的某一预定输入频率值进行高斯向量化处理以获得频率向量；将所述频率向量输入用于计算铜损损耗的第一神经网络模型以获得第一功率向量；计算所述频率向量中各个位置的输入频率值对应的铜损损耗作为真实值，以获得由多个真实值组成的第一真实值向量；最小化所述第一真实值向量与所述第一功率向量之间的距离来更新所述第一神经网络模型的参数；将所述第一功率向量输入与所述第一神经网络模型级联的第二神经网络模型以获得第二功率向量，所述第二神经网络模型用于计算涡流损耗；计算所述频率向量中各个位置的输入频率值对应的涡流损耗作为真实值，以获得由多个真实值组成的第二真实值向量；最小化所述第二真实值向量与所述第二功率向量之间的距离来更新所述第二神经网络模型的参数；将所述第二功率向量输入与所述第二神经网络模型级联的第三神经网络模型以获得第三功率向量，所述第三神经网络模型用于计算磁滞损耗；计算所述频率向量中各个位置的输入频率值对应的磁滞损耗作为真实值，以获得由多个真实值组成的第三真实值向量；最小化所述第三真实值向量与所述第三功率向量之间的距离来更新所述第三神经网络模型的参数；将所述第三功率向量输入与所述第三神经网络模型级联的第四神经网络模型以获得一位的训练功率值；以及以所述训练功率值和真实的预定输入功率之间的差值作为损失函数值来更新所述第四神经网络模型的参数；以及推断阶段，包括：获得输入的频率值；对所述输入的频率值进行高维向量化处理以获得频率向量；以及将所述频率向量输入经训练阶段训练完成的且相互级联的所述第一神经网络模型、所述第二神经网络模型、所述第三神经网络模型和所述第四神经网络模型以获得由所述第四神经网络模型输出的回归后的输入功率值。2.根据权利要求1所述的往复电磁泵输出功率稳定控制方法，其中，对所述一系列输入频率值中的某一预定输入频率值进行高斯向量化处理以获得频率向量，包括：针对所述一系列输入频率值中的某一预定输入频率值，以所述预定输入频率值作为期望和以所述预定输入频率值与其他输入频率值之间的方差的均值作为方差构造高斯分布；以及对所述高斯分布进行离散化处理以得到所述频率向量。
3.根据权利要求2所述的往复电磁泵输出功率稳定控制方法，其中，对所述高斯分布进行离散化处理以得到所述频率向量，包括：对所述高斯分布进行随机采样以获得所述频率向量。4.根据权利要求3所述的往复电磁泵输出功率稳定控制方法，其中，计算所述频率向量中各个位置的输入频率值对应的铜损损耗作为真实值，以获得由多个真实值组成的第一真实值向量，包括：以如下公式计算所述频率向量中各个位置的输入频率值对应的铜损损耗，其中，所述公式为：其中，ρ
c
为线圈材料的电阻率，N为线圈匝数，l
av
为线圈平均匝长，d为线圈直径；f为电源频率，C
e
为与铁心和线圈参数有关的系数，Q
c
为线圈的品质因数；则D
c
为线圈耗散因数。5.根据权利要求4所述的往复电磁泵输出功率稳定控制方法，其中，计算所述频率向量中各个位置的输入频率值对应的涡流损耗作为真实值，以获得由多个真实值组成的第二真实值向量，包括：以如下公式计算所述频率向量中各个位置的输入频率值对应的涡流损耗，其中，所述公式为：其中，h为圆柱形铁心的直径，B
m
为磁感应强度幅值，V为铁心的体积，k为与铁心形状有关的系数，ρ为铁磁材料的电阻率，则Pe为损耗的平均功率。6.根据权利要求5所述的往复电磁泵输出功率稳定控制方法，其中，计算所述频率向量中各个位置的输入频率值对应的磁滞损耗作为真实值，以获得由多个真实值组成的第三真实值向量，包括：以如下公式计算所述频率向量中各个位置的输入频率值对应的磁滞损耗，其中，所述公式为：其中，K为永磁材料的材料性质常数、B
m
表示磁感应强度幅值、η表示施泰因梅茨系数且f表示所述频率向量中各个位置的频率值。7.根据权利要求6所述的往复电磁泵输出功率稳定控制方法，其中，最小化所述第一真实...

【专利技术属性】
技术研发人员：贺锡魁，殷敏，许集兴，
申请(专利权)人：深圳市卓立智能制造有限公司，
类型：发明
国别省市：