-
公开(公告)号：CN117458924A
公开(公告)日：2024-01-26
申请号：CN202311398206.X
申请日：2023-10-25
申请人： 华中科技大学
摘要： 本发明公开了一种电机标定方法及系统，属于电机控制领域。包括构建神经网络模型，神经网络各部分均由全连接网络构成；利用已知电机和未知电机在空载情况下进行加速实验的不同d、q轴电流、对应的转矩和电压对网络进行训练；将未知电机的不同d、q轴电流数据输入至训练好的神经网络，得到其对应的转矩和电压，完成电机的标定。本发明引入了神经网络进行数据拟合并学习电机饱和特征，并通过未知电机的空载数据调整网络权重参数使网络在未知电机上有较好的表现，训练后的神经网络生成的数据与实际数据接近，解决了在缺少电机标定实验平台的情况下难以对电机进行标定的问题。
-
公开(公告)号：CN116070478A
公开(公告)日：2023-05-05
申请号：CN202211643491.2
申请日：2022-12-20
申请人： 华中科技大学
摘要： 本发明公开了一种电机转子偏心表征方法及系统，属于旋转机械偏心故障定量表征领域。在数据获取阶段，先利用已知物理信息建立电机转子偏心情况下的数学模型，获得由数学模型生成的电机数据与相应的转子偏心信息构成的模型数据集；再通过对实际电机的数据进行采样，获得实际数据集。在训练阶段，首先利用模型数据集对生成器进行预训练；再结合实际数据集对生成器和判别器进行对抗训练实现对生成器的修正；最后利用修正后的生成器，生成电机数据对表征器进行训练。从而，解决了在缺少不同偏心的数据的情况下难以对网络进行训练的问题，并且训练后的生成器生成的电机数据与实际数据接近，能够获得高精度的偏心表征。
-
公开(公告)号：CN116108737A
公开(公告)日：2023-05-12
申请号：CN202211434990.0
申请日：2022-11-16
申请人： 华中科技大学
IPC分类号： G06F30/27 , G06F18/214 , G06F18/10 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/096 , G06N3/094 , G06F119/04
摘要： 本发明属于旋转机械部件寿命预测领域，具体涉及一种旋转部件寿命预测模型的构建方法及其应用，包括：构建工况一下的有标签样本集和工况二下的无标签样本集；对两个样本集中所有样本进行时频域特征的构造；采用所构造的时频域特征，对神经网络模型进行迁移对抗训练，得到用于工况二的旋转部件寿命预测模型，其中，当在迁移对抗训练的过程中固定数据来源鉴别器的参数时，在损失函数中引入神经网络对两种工况数据的输出的最大均值差异，可以在训练过程中同时基于两种工况下的数据对寿命预测模型的参数进行更新，减小输出的最大均值差异可以降低全连接层中所提取到的特征之间的差异，从而提升预测精度。
-
公开(公告)号：CN115833665A
公开(公告)日：2023-03-21
申请号：CN202211459747.4
申请日：2022-11-16
申请人： 华中科技大学
摘要： 本发明属于旋转机械偏心故障定量表征领域，具体涉及一种电机转子偏心定量表征模型的构建方法及其应用，包括：建立电机数学模型，生成不同电机偏心度下的电机数据，得到模型有标签样本集；采样构建实际电机的实际无标签样本集；在有标签样本集上训练得到近似表征模型；采用无标签样本集以及有标签样本集中模型表征电机正常情况时所对应的电机数据，对近似表征模型和数据鉴别器进行对抗训练，修正近似表征模型；其中，当构建静偏心定量表征模型时，电机数据为各相绕组的反电势基波幅值，当构建动偏心定量表征模型时，电机数据为各相绕组的反电势谐波幅值。本发明方法能在缺少偏心故障情况下的数据时也能利用神经网络对电机转子偏心度实现定量表征。
-
公开(公告)号：CN113076844B
公开(公告)日：2022-05-20
申请号：CN202110326542.8
申请日：2021-03-26
申请人： 华中科技大学
摘要： 本发明公开了一种旋转部件故障诊断模型构建方法及应用，包括：S1、从采集到的旋转部件在不同状态下的振动数据中选取n段振动数据段作为样本信号，构成样本集；S2、采用样本集训练稀疏过滤模型，并将样本集中的每个样本信号分别输入到训练后的稀疏过滤模型中，所得结果经过激活函数处理后得到各样本信号的学习特征；S3、分别将各样本信号的学习特征与对应的旋转部件的健康状况一一对应，构成训练样本集；S4、将训练样本集输入到机器学习模型进行训练，得到旋转部件故障诊断模型。本发明采用稀疏过滤模型对特征进行无监督学习，对先验知识和人工的依赖性较低，且在特征学习过程中仅需要调整一个超参数，特征学习的效果较好，故障诊断的准确性较高。
-
公开(公告)号：CN118041151A
公开(公告)日：2024-05-14
申请号：CN202410288083.2
申请日：2024-03-14
申请人： 华中科技大学
IPC分类号： H02P21/16 , H02P21/13 , H02P25/022 , H02P25/08
摘要： 本发明公开了一种同步磁阻电机dq轴电感饱和特性的离线辨识方法和装置，属于电机控制技术领域，由于离线辨识没有编码器，若还用电流闭环转速开环控制方式直接给定q轴电流，则无法对同步磁阻电机进行准确定向。所述方法通过将有效磁链观测器定向在负q轴方式下，并把速度环的输出指令作为d轴电流环的输入指令，通过速度外环给定k3％的额定转速，q轴电流指令从k1％的额定电流大小开始给定，每隔预设时间增大k2％直至达到额定电流大小，如此便可通过控制获取不同q轴电流iq下q轴电感Lq的饱和特性，由此解决旋转状态下离线辨识同步磁阻电机参数时无编码器，无法对同步磁阻电机的q轴进行定位导致无法得到其电感饱和特性曲线的技术问题。
-
公开(公告)号：CN113076844A
公开(公告)日：2021-07-06
申请号：CN202110326542.8
申请日：2021-03-26
申请人： 华中科技大学
摘要： 本发明公开了一种旋转部件故障诊断模型构建方法及应用，包括：S1、从采集到的旋转部件在不同状态下的振动数据中选取n段振动数据段作为样本信号，构成样本集；S2、采用样本集训练稀疏过滤模型，并将样本集中的每个样本信号分别输入到训练后的稀疏过滤模型中，所得结果经过激活函数处理后得到各样本信号的学习特征；S3、分别将各样本信号的学习特征与对应的旋转部件的健康状况一一对应，构成训练样本集；S4、将训练样本集输入到机器学习模型进行训练，得到旋转部件故障诊断模型。本发明采用稀疏过滤模型对特征进行无监督学习，对先验知识和人工的依赖性较低，且在特征学习过程中仅需要调整一个超参数，特征学习的效果较好，故障诊断的准确性较高。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.021 秒)
