System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及永磁同步电机,具体涉及一种网络模型的训练方法、电机温度预测方法及相关设备。
技术介绍
1、通过对永磁同步电机的温度进行准确预测和监测,工作人员可以及早发现潜在故障,优化电机能耗以及增加电机寿命,提高电机系统的安全性和稳定性。目前,工作人员通常采用温度公式法这种理论公式或参数辨识法和热网络法等经验公式对电机温度进行预测。
2、但是,通过理论公式和经验公式对不同工况和工作状态下的电机进行温度预测,需要根据不同公式进行参数调整,将增加温度预测的复杂性和不确定性;通过参数辨识法对电机温度进行预测需要采集大量的实际工作数据,以确定热模型的参数,耗时且成本较高;通过建立热网络对电机温度进行预测需要进行大量的实验或模拟分析,对于预测的电机温度变化较快或传热过程不稳定的情况下,可能存在较大的误差。
技术实现思路
1、为了解决以上问题,本申请提供了一种网络模型的训练方法、电机温度预测方法及相关设备。
2、本申请第一方面提供了一种网络模型的训练方法,所述方法包括:获取目标电机数据的数据特征;根据电机的电源状态从所述目标电机数据的数据特征中选取模型训练数据;将所述模型训练数据输入所述网络模型中进行训练,直至所述网络模型收敛,得到满足要求的目标网络模型。
3、在一实施例中,所述根据电机的电源状态从所述目标电机数据的数据特征中选取模型训练数据的步骤,包括:过滤掉所述目标电机数据中所述电源状态为关闭状态的电机数据,得到过滤后的目标电机数据;将所述过滤后的目标电机数
4、在一些实施例中,所述获取目标电机数据的数据特征的步骤,包括:获取初始电机数据;对所述初始电机数据进行预处理,得到预处理后的电机数据;对所述预处理后的电机数据进行特征提取,得到所述目标电机数据的数据特征。
5、在一些实施例中,所述对所述预处理后的电机数据进行特征提取,得到所述目标电机数据的数据特征的步骤,包括:对所述预处理后的电机数据进行特征相关性分析,得到分析后的电机数据;提取所述分析后的电机数据的数据特征,得到所述目标电机数据的数据特征。
6、在一实施例中,所述对所述初始电机数据进行预处理,得到预处理后的电机数据的步骤,包括:对所述初始电机数据进行缺失值填补处理,得到填补处理后的电机数据;将所述填补处理后的电机数据中数据值大于预设数据阈值的电机数据去除,得到去除异常值后的电机数据;对所述去除异常值后的电机数据进行指数加权平均滤波处理,得到所述预处理后的电机数据。
7、在一些实施例中,所述网络模型包括双向长短记忆子网络,所述将所述模型训练数据输入所述网络模型中进行训练,直至所述网络模型收敛,得到满足要求的目标网络模型的步骤,包括:对所述模型训练数据进行卷积处理,得到包括时间序列的第一数据特征;基于所述双向长短记忆网络对所述包括时间序列的第一数据特征进行时序特征提取,得到包括时间序列的第二数据特征;对所述包括时间序列的第二数据特征进行数据跳跃和全连接处理,直至所述网络模型收敛,得到满足要求的目标网络模型。
8、本申请第二方面提供了一种基于网络模型的电机温度预测方法,所述方法包括:获取实际电机数据;将所述实际电机数据输入所述目标网络模型中,得到所述目标网络模型预测的电机温度;其中,所述目标网络模型是上述任一项所述目标网络模型。
9、本申请第三方面提供了一种基于网络模型的电机温度预测装置,所述装置包括:获取模块,用于获取目标电机数据的数据特征;数据选取模块,用于根据所述目标电机的电源状态从所述目标电机数据的数据特征中选取模型训练数据;训练模块,用于将所述模型训练数据输入所述网络模型中进行训练,直至所述网络模型收敛,得到满足要求的目标网络模型。
10、本申请第四方面提供了一种电子设备,包括存储器和处理器,所述处理器用于执行所述存储器中存储的程序指令,以实现上述任一项所述网络模型的训练方法。
11、本申请第五方面提供了一种计算机可读存储介质,其上存储有程序指令,所述程序指令被处理器执行时实现上述任一项所述网络模型的训练方法。
12、上述方案,根据电机的电源状态从获取的目标电机数据的数据特征中选取模型训练数据,并利用模型训练数据对网络模型进行训练,直至得到满足要求的目标网络模型。由此可知,根据电机的电源状态从获取的目标电机数据的数据特征中选取模型训练数据进行模型训练,能够得到具备针对性的网络模型训练数据,进而提高网络模型预测电机温度的准确性。
13、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本申请。
本文档来自技高网...【技术保护点】
1.一种网络模型的训练方法,其特征在于,所述方法包括:
2.根据权利要求1所述的网络模型的训练方法,其特征在于,所述根据电机的电源状态从所述目标电机数据的数据特征中选取模型训练数据的步骤,包括:
3.根据权利要求1所述的网络模型的训练方法,其特征在于,所述获取目标电机数据的数据特征的步骤,包括:
4.根据权利要求3所述的网络模型的训练方法,其特征在于,所述对所述预处理后的电机数据进行特征提取,得到所述目标电机数据的数据特征的步骤,包括:
5.根据权利要求3所述的网络模型的训练方法,其特征在于,所述对所述初始电机数据进行预处理,得到预处理后的电机数据的步骤,包括:
6.根据权利要求1所述的网络模型的训练方法,其特征在于,所述网络模型包括双向长短记忆子网络,所述将所述模型训练数据输入所述网络模型中进行训练,直至所述网络模型收敛,得到满足要求的目标网络模型的步骤,包括:
7.一种基于网络模型的电机温度预测方法,其特征在于,所述方法包括:
8.一种基于网络模型的电机温度预测装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,包括存储器和处理器,所述处理器用于执行所述存储器中存储的程序指令,以实现权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其上存储有程序指令,其特征在于,所述程序指令被处理器执行时实现权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种网络模型的训练方法,其特征在于,所述方法包括:
2.根据权利要求1所述的网络模型的训练方法,其特征在于,所述根据电机的电源状态从所述目标电机数据的数据特征中选取模型训练数据的步骤,包括:
3.根据权利要求1所述的网络模型的训练方法,其特征在于,所述获取目标电机数据的数据特征的步骤,包括:
4.根据权利要求3所述的网络模型的训练方法,其特征在于,所述对所述预处理后的电机数据进行特征提取,得到所述目标电机数据的数据特征的步骤,包括:
5.根据权利要求3所述的网络模型的训练方法,其特征在于,所述对所述初始电机数据进行预处理,得到预处理后的电机数据的步骤,包括:
6.根据权...
【专利技术属性】
技术研发人员:及非凡,谢彪文,刘灿,黄成龙,
申请(专利权)人:浙江凌昇动力科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。