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】
本专利技术涉及电机控制,具体涉及一种纳米研磨机的电机运行控制方法、系统及存储介质。
技术介绍
1、正极材料是锂离子电池中主要的锂离子来源,根据正极材料的颗粒尺寸不同,可将锂电池正极材料前驱体大致分为小颗粒前驱体、中颗粒前驱体以及大颗粒前驱体,制备不同颗粒尺寸的锂电池正极材料,需要通过采用具有变频调速系统的电机或采用多个不同额定功率的电机,并结合不同搅拌强度的搅拌器进行研磨,
2、然而现有的电机控制方式大多采用人工设置参数并根据经验调节的方式进行,导致操作繁琐,且难以保证制得的锂电池正极材料能够稳定的满足颗粒尺寸要求。
技术实现思路
1、本专利技术目的在于提供一种纳米研磨机的电机运行控制方法、系统及存储介质,能够根据研磨颗粒的颗粒度大小,自动生成对应的控制参数,从而提高研磨的效率和加工精度。
2、为了实现上述目的,本专利技术提供以下技术方案:
3、第一方面,本专利技术实施例提供了一种纳米研磨机的电机运行控制方法,所述方法包括以下步骤:
4、获取初始数据集,所述初始数据集包括多个控制参数下,研磨粒度随研磨时长变化的粒度数据序列;其中,所述控制参数包括电动球阀的开度、电机的研磨功率和研磨转速;所述粒度数据序列包括多个按时间序列排序的粒度分布数据;
5、基于所述粒度数据序列从所述初始数据集中提取得到第一样本集和第二样本集;其中,所述第一样本集比第二样本集中研磨粒度随研磨时长的变化更快;
6、基于所述第一样本集和所述第二
7、获取对锂电池正极材料研磨的目标粒度,将目标颗粒度输入训练好的模型中,得到相应的控制参数,根据所述颗粒度区间对应的控制参数控制所述电机运行。
8、可选的,所述基于所述粒度数据序列从所述初始数据集中提取得到第一样本集和第二样本集,包括:
9、基于所述初始数据集中的粒度分布数据确定颗粒度的频率分布和标准差;
10、将初始数据集划分为标准差低于标准差阈值的正样本数据集和标准差高于标准差阈值的负样本数据集;
11、对于正样本数据集中的每个粒度数据序列,将颗粒度的平均值随研磨时长的变化大小作为梯度,将各个粒度数据序列按梯度升序排列,选取靠前的多个粒度数据序列及对应的控制参数作为第一样本集,选取靠后的多个粒度数据序列及对应的控制参数作为第二样本集;其中,所述平均值为频率分布最大的区间。
12、可选的,所述基于所述第一样本集和所述第二样本集构建融合特征向量,通过所述融合特征向量对预先构建的神经网络模型进行训练,得到训练好的模型,包括:
13、将第一样本集输入时间特征提取通道提取得到时间特征,将第二样本集输入空间特征提取通道提取得到空间特征;
14、将时间特征提取通道提取到的时间特征与空间特征提取通道所提取的空间特征以加权的方式拼接得到融合特征向量;
15、将融合特征向量输入预先构建的神经网络模型进行训练,基于预先构建的损失函数计算损失值对所述神经网络模型进行反向传播,直到所述神经网络模型的损失值达到设定的损失阈值,得到训练好的模型。
16、可选的,所述将第一样本集输入时间特征提取通道提取得到时间特征,包括:
17、将第一样本集形成第一样本矩阵对应的第一颗粒度,所述第一样本矩阵包括分别在n个采样时刻采集到的d维不同类型的控制参数;其中,对于第一样本矩阵中的元素上标为j代表控制参数的类型,下标i代表采样时刻,i=1,2,...,n;j=1,2,...,d;
18、将第一样本矩阵输入第一双向lstm网络,得到第一期望特征向量。
19、可选的,所述将第二样本集输入空间特征提取通道提取得到空间特征,包括:
20、将第二样本集形成第二样本矩阵和对应的第二颗粒度,所述第二样本矩阵包括分别在m个采样时刻采集到的d维不同类型的控制参数;其中,对于第二样本矩阵中的元素上标为j代表控制参数的类型,下标i代表采样时刻,i=1,2,...,n;j=1,2,...,d,m<n;
21、使用一组一维卷积核按变量顺序滑动并对粒度数据序列中的所有时间段进行遍历,连接relu激活函数对所述粒度数据序列进行初始特征提取;
22、利用多尺度卷积模块对提取的初始特征进行处理得到多个特征向量,通过relu激活函数将多个所述特征向量进行融合得到第二期望特征向量。
23、可选的,所述损失函数为:
24、l=k*lfu+(1-k)*lmes;
25、其中,lfu为融合损失函数,lmes为回归损失函数,k为融合损失的权重,0<k<1;
26、
27、lfu=meankl(softmax(x(i,j)),softmax(y(i,j)));
28、其中,x(i,j)表示融合特征向量,y(i,j)表示神经网络模型预测的特征向量,kl()表示kl散度损失,mean()表示求平均值,softmax()表示softmax函数。
29、第二方面,本专利技术实施例提供了一种纳米研磨机的电机运行控制系统,所述系统包括:
30、至少一个处理器;
31、至少一个存储器,用于存储至少一个程序;
32、当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如上述任意一项所述的纳米研磨机的电机运行控制方法。
33、第三方面,本专利技术实施例提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行如上述任意一项所述的纳米研磨机的电机运行控制方法。
34、本专利技术的有益效果是:本专利技术公开一种纳米研磨机的电机运行控制方法、系统及存储介质,本专利技术通过从初始数据集中提取得到第一样本集和第二样本集,既能越能分辨出控制参数对研磨颗粒的作用效果,又能通过加工效率,基于第一样本集和第二样本集构建的融合特征向量训练得到的模型能够预测出最佳组合的控制参数。本专利技术能够根据研磨颗粒的颗粒度大小,采用训练好的模型自动生成对应的控制参数,从而提高研磨的效率和加工精度。
本文档来自技高网...【技术保护点】
1.一种纳米研磨机的电机运行控制方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种纳米研磨机的电机运行控制方法,其特征在于,所述基于所述粒度数据序列从所述初始数据集中提取得到第一样本集和第二样本集,包括:
3.根据权利要求2所述的一种纳米研磨机的电机运行控制方法,其特征在于,所述基于所述第一样本集和所述第二样本集构建融合特征向量,通过所述融合特征向量对预先构建的神经网络模型进行训练,得到训练好的模型,包括:
4.根据权利要求3所述的一种纳米研磨机的电机运行控制方法,其特征在于,所述将第一样本集输入时间特征提取通道提取得到时间特征,包括:
5.根据权利要求4所述的一种纳米研磨机的电机运行控制方法,其特征在于,所述将第二样本集输入空间特征提取通道提取得到空间特征,包括:
6.根据权利要求5所述的一种纳米研磨机的电机运行控制方法,其特征在于,所述损失函数为:
7.一种纳米研磨机的电机运行控制系统,其特征在于,所述系统包括:
8.一种计算机可读存储介质,其中存储有处理器可执行的程序,其
...【技术特征摘要】
1.一种纳米研磨机的电机运行控制方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种纳米研磨机的电机运行控制方法,其特征在于,所述基于所述粒度数据序列从所述初始数据集中提取得到第一样本集和第二样本集,包括:
3.根据权利要求2所述的一种纳米研磨机的电机运行控制方法,其特征在于,所述基于所述第一样本集和所述第二样本集构建融合特征向量,通过所述融合特征向量对预先构建的神经网络模型进行训练,得到训练好的模型,包括:
4.根据权利要求3所述的一种纳米研磨机的电机运行控制方法,其特征在于,所述...
【专利技术属性】
技术研发人员:黎智扬,雷立猛,赵伟东,蔡开拓,朱羽欣,
申请(专利权)人:广东派勒智能纳米科技股份有限公司,
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。