基于模拟退火算法的电机堵转判别方法及装置制造方法及图纸

本发明专利技术公开一种基于模拟退火算法的电机堵转判别方法及装置。所述方法包括步骤：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；初始化通过所述数组Z训练的学习模型；基于模拟退火算法获取所述窗口Y的全局最优配置；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；根据所述堵转系数分析当前所述电机的堵转情况。本发明专利技术有根据电机运行的电流数据判别电机的堵转,以及避免因电机长期运行,造成电机处在非堵转部分的电流数据对电机堵转的判别造成干扰。造成干扰。造成干扰。

【技术实现步骤摘要】
基于模拟退火算法的电机堵转判别方法及装置


[0001]本专利技术涉及电机与拖动领域,具体而言,涉及一种基于模拟退火算法的电机堵转判别方法及装置。

技术介绍

[0002]电机堵转是电机在转速为0转时持续扭矩输出的情况。出现电机堵转的原因多样,多是因机械自身或人为干预造成的故障。
[0003]在电机发生堵转时功率因数低,堵转电流迅速升高,可达到额定电流数倍。那么电机长时间处在堵转状态会使电机烧坏。因此电机堵转试验是电机一般性试验的项目。
[0004]电机堵转发生时主要可测量的参量是电流,通过对堵转电流的判别,是现有技术中分析电机堵转发生的技术手段。但随着电机运行环境的复杂,电机因所处的部分工况会表现出近似堵转电流的电流特征。那么在复杂环境或工况下对电机堵转的判别需要研究更加可行的判别方法。

技术实现思路

[0005]基于此,本专利技术实施例第一方面公开一种基于模拟退火算法的电机堵转判别方法。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。
[0006]在所述专利技术实施例的公开,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。
[0007]在所述专利技术实施例的公开,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)。
[0008]在所述专利技术实施例的公开,所述学习模型η(a,b)为BP神经网络模型；所述BP神经网络模型包括输入层、隐含层及输出层；所述输入层提供有与所述窗口Y的元素数目相同的输入节点；所述隐含层提供有m个隐含节点,m∈N且0＜m＜10；所述输出层提供有1个输出节点；所述隐含节点的激活函数为所述输出节点为恒等线性映射函数。
[0009]在所述专利技术实施例的公开,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。
[0010]在所述专利技术实施例的公开,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。
[0011]在所述专利技术实施例的公开,S301配置有退火系数K,K∈(0,1]；S305配置有使T＝T*K。
[0012]在所述专利技术实施例的公开,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。
[0013]在所述专利技术实施例的公开,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。
[0014]在所述专利技术实施例的公开,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。
[0015]本专利技术实施例第二方面至少公开一种基于模拟退火算法的电机堵转判别装置。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。
[0016]本专利技术实施例与现有技术相比,本实施例方法通过模拟退火算法对发生有堵转的运行电机历史的堵转电流数据作出清洗,以获取堵转电流数据中与电机堵转关联的部分,其次通过攫取的堵转电流数据训练神经网络,最后使用训练后的BP神经网络实施对当前电机运行的电流数据是否发生有电机堵转的预测。
[0017]针对上述方案,本专利技术通过以下参照附图对公开的示例性实施例作详细描述,亦使本专利技术实施例的其它特征及其优点清楚。
附图说明
[0018]为了更清楚地说明本专利技术实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本专利技术的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
[0019]图1为实施例电机堵转判别方法的流程图；
[0020]图2为图1步骤S100获取数组的流程图；
[0021]图3为图1步骤S200配置学习模型的流程图；
[0022]图4为图1步骤S300获取全局最优配置的流程图；
[0023]图5为图1步骤S400训练学习模型的流程图；
[0024]图6为实施例电机堵转判别装置的结构图。
具体实施方式
[0025]为了便于理解本申请,下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的实施例。但是,本申请可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使本申请的公开内容更加透彻全面。
[0026]除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
[0027]可以理解,空间关系术语例如“本文档来自技高网...

【技术保护点】

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：刘元，刘刚，佘莹莹，徐侃，刘承，张英浩，梁兆伟，赵寅，郭嵩，刘宇航，
申请(专利权)人：中国船舶重工集团公司第七一九研究所，
类型：发明
国别省市：