一种电机MAP图的高精度拟合方法及其应用技术

本发明专利技术公开了一种电机MAP图的高精度拟合方法及其应用，基于完成训练后的BP神经网络输出的电机效率拟合值来制作电机MAP图；其中，所述BP神经网络的训练方法包括：对所述电机在不同转速、转矩情况下的实际电机效率值作为样本对所述BP神经网络进行训练，使得通过BP神经网络得到的电机效率拟合值与实际电机效率值之间的误差处于在预设误差范围内；本发明专利技术将该BP神经网络输出的电机效率拟合值作为数据基础，可以得到高精度的电机MAP图，为车辆用模块化多相电机实现最优效率算法提供了可靠稳定的数据基础。数据基础。数据基础。

【技术实现步骤摘要】
一种电机MAP图的高精度拟合方法及其应用


[0001]本专利技术属于电机控制领域，具体涉及了一种电机MAP图的高精度拟合方法，本专利技术还涉及了该高精度拟合方法的应用。

技术介绍

[0002]为了实现对电机的最优控制策略，在前期的控制策略设计实验时往往需要以一定的转速和转矩来间隔测量相应的电机效率值。要获得任意转速和转矩所对应的电机效率值，就需要利用测量的数据拟合出电机MAP图(即为电机的转矩
‑
转速
‑
效率图)。然而电机的转矩
‑
转速
‑
效率图是一个二维的强非线性函数，采用现有常规方法拟合的多维非线性函数的预测结果精度往往较低，应用其电机MAP图的控制通常难以实现对电机的最优控制策略。
[0003]为此，本申请人希望寻求技术方案对得到电机MAP图的高精度拟合方法。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种电机MAP图的高精度拟合方法及其应用，将该BP神经网络输出的电机效率拟合值作为数据基础，可以得到高精度的电机MAP图，为车本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电机MAP图的高精度拟合方法，其特征在于，基于完成训练后的BP神经网络输出的电机效率拟合值来制作电机MAP图；其中，所述BP神经网络的训练方法包括：对所述电机在不同转速、转矩情况下的实际电机效率值作为样本对所述BP神经网络进行训练，使得通过BP神经网络得到的电机效率拟合值与实际电机效率值之间的误差处于在预设误差范围内。2.根据权利要求1所述电机MAP图的高精度拟合方法，其特征在于，所述BP神经网络包括输入层和输出层，其中，所述输入层的输入为电机转速值和电机转矩值；所述输入层和输出层之间设有1个或多个隐含层；所述输出层的输出为电机效率拟合值。3.根据权利要求2所述电机MAP图的高精度拟合方法，其特征在于，所述隐含层的数量为2个，包括第一隐含层和第二隐含层。4.根据权利要求3所述电机MAP图的高精度拟合方法，其特征在于，所述第一隐含层的神经元数量为10个，所述第二隐含层的神经元数量为5个。5.根据权利要求1所述电机MAP图的高精度拟合方法，其特征在于，训练所述BP神经网络的训练迭代次数至少超过300次，确保所述BP神经网络训练集的误差函数值下降到10
‑7量级。6.根据权利要求1所述电机MAP图的高精度拟合方法，其特征在于，所述预设误差范围...

【专利技术属性】
技术研发人员：章恒亮，花为，卜言柱，李玉刚，胡宜豹，胡金龙，李升，刘亚军，周建华，周维，张力，王伟，王庆，王景瑜，薛静宇，刘竹园，周乃发，
申请(专利权)人：江苏聚磁电驱动科技有限公司，
类型：发明
国别省市：