本申請(qǐng)涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及一種基于人工智能的直流無(wú)刷電機(jī)控制方法、系統(tǒng)及介質(zhì)。

背景技術(shù)：

1、直流無(wú)刷電機(jī)因其結(jié)構(gòu)簡(jiǎn)單、可靠性高、效率高等優(yōu)點(diǎn)，在工業(yè)自動(dòng)化、機(jī)器人、新能源汽車等領(lǐng)域得到廣泛應(yīng)用。傳統(tǒng)的直流無(wú)刷電機(jī)控制方法主要包括電流控制、電壓控制和位置控制三個(gè)方面。電流控制采用pi調(diào)節(jié)器對(duì)電流進(jìn)行閉環(huán)控制，電壓控制通過(guò)pwm調(diào)制技術(shù)實(shí)現(xiàn)電壓的精確調(diào)節(jié)，位置控制則利用編碼器反饋信號(hào)實(shí)現(xiàn)轉(zhuǎn)子位置的精確控制。隨著人工智能技術(shù)的發(fā)展，基于深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等方法的智能控制策略逐漸應(yīng)用到電機(jī)控制領(lǐng)域，通過(guò)對(duì)大量運(yùn)行數(shù)據(jù)的學(xué)習(xí)和分析，建立更加智能和自適應(yīng)的控制模型。

2、但是，現(xiàn)有的直流無(wú)刷電機(jī)控制方法存在以下不足：首先，傳統(tǒng)的控制方法往往將電流、電壓、位置三個(gè)控制環(huán)節(jié)獨(dú)立設(shè)計(jì)，忽視了它們之間的耦合關(guān)系，導(dǎo)致控制性能不夠理想；其次，雖然引入了人工智能技術(shù)，但大多數(shù)方法只是簡(jiǎn)單地將神經(jīng)網(wǎng)絡(luò)等算法應(yīng)用到單個(gè)控制環(huán)節(jié)，缺乏對(duì)電機(jī)整體運(yùn)行狀態(tài)的系統(tǒng)建模和分析；最后，現(xiàn)有的控制方法對(duì)電機(jī)運(yùn)行質(zhì)量的評(píng)估較為單一，沒(méi)有建立完整的多維評(píng)價(jià)指標(biāo)體系，難以實(shí)現(xiàn)全面的性能優(yōu)化。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)?zhí)峁┝艘环N基于人工智能的直流無(wú)刷電機(jī)控制方法、系統(tǒng)及介質(zhì)，用于通過(guò)建立多維特征提取和分析模型，實(shí)現(xiàn)電流、電壓、位置三個(gè)控制環(huán)節(jié)的協(xié)同優(yōu)化，同時(shí)建立完整的運(yùn)行質(zhì)量評(píng)估體系，提高電機(jī)控制的智能化水平。

2、第一方面，本申請(qǐng)?zhí)峁┝艘环N基于人工智能的直流無(wú)刷電機(jī)控制方法，所述基于人工智能的直流無(wú)刷電機(jī)控制方法包括：通過(guò)多節(jié)點(diǎn)傳感器采集電機(jī)運(yùn)行時(shí)的三相電流信號(hào)、三相電壓信號(hào)和轉(zhuǎn)子位置信號(hào)，對(duì)三相電流信號(hào)和三相電壓信號(hào)進(jìn)行有源濾波處理，對(duì)轉(zhuǎn)子位置信號(hào)進(jìn)行平滑化處理，融合處理后的信號(hào)得到初始特征數(shù)據(jù)流；根據(jù)所述初始特征數(shù)據(jù)流，通過(guò)時(shí)序特征提取網(wǎng)絡(luò)對(duì)電流電壓時(shí)序關(guān)系進(jìn)行建模，通過(guò)狀態(tài)特征提取網(wǎng)絡(luò)對(duì)轉(zhuǎn)子位置特征進(jìn)行分析，將特征提取結(jié)果進(jìn)行融合映射，得到電機(jī)狀態(tài)特征向量；依據(jù)所述電機(jī)狀態(tài)特征向量，建立包含動(dòng)態(tài)響應(yīng)參數(shù)、能效參數(shù)和穩(wěn)態(tài)參數(shù)的多維評(píng)價(jià)指標(biāo)，通過(guò)多目標(biāo)尋優(yōu)計(jì)算生成實(shí)時(shí)控制參數(shù)序列；利用所述初始特征數(shù)據(jù)流和所述實(shí)時(shí)控制參數(shù)序列，構(gòu)建電流諧波畸變率指標(biāo)、電壓波動(dòng)率指標(biāo)和轉(zhuǎn)子位置偏差率指標(biāo)的評(píng)估體系，形成電機(jī)運(yùn)行質(zhì)量分析報(bào)告；基于所述電機(jī)運(yùn)行質(zhì)量分析報(bào)告，對(duì)所述電機(jī)狀態(tài)特征向量進(jìn)行動(dòng)態(tài)權(quán)重校準(zhǔn)，生成自適應(yīng)特征映射模型；根據(jù)所述自適應(yīng)特征映射模型，結(jié)合所述初始特征數(shù)據(jù)流中的實(shí)時(shí)數(shù)據(jù)，計(jì)算輸出下一控制周期的電機(jī)調(diào)節(jié)策略。

3、第二方面，本申請(qǐng)?zhí)峁┝艘环N基于人工智能的直流無(wú)刷電機(jī)控制系統(tǒng)，所述基于人工智能的直流無(wú)刷電機(jī)控制系統(tǒng)包括：

4、采集模塊，用于通過(guò)多節(jié)點(diǎn)傳感器采集電機(jī)運(yùn)行時(shí)的三相電流信號(hào)、三相電壓信號(hào)和轉(zhuǎn)子位置信號(hào)，對(duì)三相電流信號(hào)和三相電壓信號(hào)進(jìn)行有源濾波處理，對(duì)轉(zhuǎn)子位置信號(hào)進(jìn)行平滑化處理，融合處理后的信號(hào)得到初始特征數(shù)據(jù)流；

5、建模模塊，用于根據(jù)所述初始特征數(shù)據(jù)流，通過(guò)時(shí)序特征提取網(wǎng)絡(luò)對(duì)電流電壓時(shí)序關(guān)系進(jìn)行建模，通過(guò)狀態(tài)特征提取網(wǎng)絡(luò)對(duì)轉(zhuǎn)子位置特征進(jìn)行分析，將特征提取結(jié)果進(jìn)行融合映射，得到電機(jī)狀態(tài)特征向量；

6、生成模塊，用于依據(jù)所述電機(jī)狀態(tài)特征向量，建立包含動(dòng)態(tài)響應(yīng)參數(shù)、能效參數(shù)和穩(wěn)態(tài)參數(shù)的多維評(píng)價(jià)指標(biāo)，通過(guò)多目標(biāo)尋優(yōu)計(jì)算生成實(shí)時(shí)控制參數(shù)序列；

7、評(píng)估模塊，用于利用所述初始特征數(shù)據(jù)流和所述實(shí)時(shí)控制參數(shù)序列，構(gòu)建電流諧波畸變率指標(biāo)、電壓波動(dòng)率指標(biāo)和轉(zhuǎn)子位置偏差率指標(biāo)的評(píng)估體系，形成電機(jī)運(yùn)行質(zhì)量分析報(bào)告；

8、校準(zhǔn)模塊，用于基于所述電機(jī)運(yùn)行質(zhì)量分析報(bào)告，對(duì)所述電機(jī)狀態(tài)特征向量進(jìn)行動(dòng)態(tài)權(quán)重校準(zhǔn)，生成自適應(yīng)特征映射模型；

9、輸出模塊，用于根據(jù)所述自適應(yīng)特征映射模型，結(jié)合所述初始特征數(shù)據(jù)流中的實(shí)時(shí)數(shù)據(jù)，計(jì)算輸出下一控制周期的電機(jī)調(diào)節(jié)策略。

10、本申請(qǐng)的第三方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有指令，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行上述的基于人工智能的直流無(wú)刷電機(jī)控制方法。

11、本申請(qǐng)?zhí)峁┑募夹g(shù)方案中，采用多節(jié)點(diǎn)傳感器布置方案，實(shí)現(xiàn)了三相電流信號(hào)、三相電壓信號(hào)和轉(zhuǎn)子位置信號(hào)的準(zhǔn)確采集，通過(guò)有源濾波和平滑化處理消除了信號(hào)中的干擾和噪聲，確保了后續(xù)特征提取的數(shù)據(jù)質(zhì)量；通過(guò)建立時(shí)序特征提取網(wǎng)絡(luò)和狀態(tài)特征提取網(wǎng)絡(luò)，分別對(duì)電流電壓的時(shí)序關(guān)系和轉(zhuǎn)子位置特征進(jìn)行深入分析，并將特征提取結(jié)果進(jìn)行融合映射，得到全面反映電機(jī)運(yùn)行狀態(tài)的特征向量；基于電機(jī)狀態(tài)特征向量建立包含動(dòng)態(tài)響應(yīng)參數(shù)、能效參數(shù)和穩(wěn)態(tài)參數(shù)的多維評(píng)價(jià)指標(biāo)，通過(guò)多目標(biāo)尋優(yōu)計(jì)算生成實(shí)時(shí)控制參數(shù)序列，實(shí)現(xiàn)了對(duì)電機(jī)運(yùn)行狀態(tài)的精確控制；通過(guò)構(gòu)建電流諧波畸變率指標(biāo)、電壓波動(dòng)率指標(biāo)和轉(zhuǎn)子位置偏差率指標(biāo)的評(píng)估體系，形成電機(jī)運(yùn)行質(zhì)量分析報(bào)告，為控制策略的優(yōu)化提供了可靠依據(jù)；利用自適應(yīng)特征映射模型對(duì)電機(jī)狀態(tài)特征向量進(jìn)行動(dòng)態(tài)權(quán)重校準(zhǔn)，提高了控制系統(tǒng)對(duì)運(yùn)行工況變化的適應(yīng)能力；最終根據(jù)自適應(yīng)特征映射模型和實(shí)時(shí)數(shù)據(jù)計(jì)算輸出下一控制周期的電機(jī)調(diào)節(jié)策略，實(shí)現(xiàn)了電機(jī)控制的智能化和精確化。這種多層次、多維度的控制方法不僅提高了電機(jī)的運(yùn)行穩(wěn)定性和控制精度，而且增強(qiáng)了系統(tǒng)對(duì)外部干擾和工況變化的適應(yīng)能力。

技術(shù)特征：

1.一種基于人工智能的直流無(wú)刷電機(jī)控制方法，其特征在于，所述基于人工智能的直流無(wú)刷電機(jī)控制方法包括：

2.根據(jù)權(quán)利要求1所述的基于人工智能的直流無(wú)刷電機(jī)控制方法，其特征在于，所述通過(guò)多節(jié)點(diǎn)傳感器采集電機(jī)運(yùn)行時(shí)的三相電流信號(hào)、三相電壓信號(hào)和轉(zhuǎn)子位置信號(hào)，對(duì)三相電流信號(hào)和三相電壓信號(hào)進(jìn)行有源濾波處理，對(duì)轉(zhuǎn)子位置信號(hào)進(jìn)行平滑化處理，融合處理后的信號(hào)得到初始特征數(shù)據(jù)流，包括：

3.根據(jù)權(quán)利要求1所述的基于人工智能的直流無(wú)刷電機(jī)控制方法，其特征在于，所述根據(jù)所述初始特征數(shù)據(jù)流，通過(guò)時(shí)序特征提取網(wǎng)絡(luò)對(duì)電流電壓時(shí)序關(guān)系進(jìn)行建模，通過(guò)狀態(tài)特征提取網(wǎng)絡(luò)對(duì)轉(zhuǎn)子位置特征進(jìn)行分析，將特征提取結(jié)果進(jìn)行融合映射，得到電機(jī)狀態(tài)特征向量，包括：

4.根據(jù)權(quán)利要求1所述的基于人工智能的直流無(wú)刷電機(jī)控制方法，其特征在于，所述依據(jù)所述電機(jī)狀態(tài)特征向量，建立包含動(dòng)態(tài)響應(yīng)參數(shù)、能效參數(shù)和穩(wěn)態(tài)參數(shù)的多維評(píng)價(jià)指標(biāo)，通過(guò)多目標(biāo)尋優(yōu)計(jì)算生成實(shí)時(shí)控制參數(shù)序列，包括：

5.根據(jù)權(quán)利要求1所述的基于人工智能的直流無(wú)刷電機(jī)控制方法，其特征在于，所述利用所述初始特征數(shù)據(jù)流和所述實(shí)時(shí)控制參數(shù)序列，構(gòu)建電流諧波畸變率指標(biāo)、電壓波動(dòng)率指標(biāo)和轉(zhuǎn)子位置偏差率指標(biāo)的評(píng)估體系，形成電機(jī)運(yùn)行質(zhì)量分析報(bào)告，包括：

6.根據(jù)權(quán)利要求1所述的基于人工智能的直流無(wú)刷電機(jī)控制方法，其特征在于，所述基于所述電機(jī)運(yùn)行質(zhì)量分析報(bào)告，對(duì)所述電機(jī)狀態(tài)特征向量進(jìn)行動(dòng)態(tài)權(quán)重校準(zhǔn)，生成自適應(yīng)特征映射模型，包括：

7.根據(jù)權(quán)利要求1所述的基于人工智能的直流無(wú)刷電機(jī)控制方法，其特征在于，所述根據(jù)所述自適應(yīng)特征映射模型，結(jié)合所述初始特征數(shù)據(jù)流中的實(shí)時(shí)數(shù)據(jù)，計(jì)算輸出下一控制周期的電機(jī)調(diào)節(jié)策略，包括：

8.根據(jù)權(quán)利要求7所述的基于人工智能的直流無(wú)刷電機(jī)控制方法，其特征在于，所述對(duì)所述分區(qū)控制方案進(jìn)行參數(shù)匹配，計(jì)算各控制區(qū)間內(nèi)的調(diào)節(jié)系數(shù)，包括：

9.一種基于人工智能的直流無(wú)刷電機(jī)控制系統(tǒng)，用于實(shí)現(xiàn)如權(quán)利要求1-8中任一項(xiàng)所述的基于人工智能的直流無(wú)刷電機(jī)控制方法，其特征在于，所述基于人工智能的直流無(wú)刷電機(jī)控制系統(tǒng)包括：

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有指令，其特征在于，所述指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-8中任一項(xiàng)所述的基于人工智能的直流無(wú)刷電機(jī)控制方法。

技術(shù)總結(jié)
本申請(qǐng)涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，公開(kāi)了一種基于人工智能的直流無(wú)刷電機(jī)控制方法、系統(tǒng)及介質(zhì)。該方法包括：通過(guò)多節(jié)點(diǎn)傳感器采集電機(jī)運(yùn)行信號(hào)，經(jīng)濾波和平滑處理得到初始特征數(shù)據(jù)流；利用時(shí)序和狀態(tài)特征提取網(wǎng)絡(luò)進(jìn)行建模分析，融合生成狀態(tài)特征向量；建立多維評(píng)價(jià)指標(biāo)計(jì)算控制參數(shù)序列；構(gòu)建質(zhì)量評(píng)估體系形成運(yùn)行報(bào)告；對(duì)特征向量進(jìn)行動(dòng)態(tài)權(quán)重校準(zhǔn)，生成自適應(yīng)映射模型；結(jié)合實(shí)時(shí)數(shù)據(jù)計(jì)算下一周期調(diào)節(jié)策略。本申請(qǐng)通過(guò)建立多維特征提取和分析模型，實(shí)現(xiàn)電流、電壓、位置三個(gè)控制環(huán)節(jié)的協(xié)同優(yōu)化，同時(shí)建立完整的運(yùn)行質(zhì)量評(píng)估體系，提高電機(jī)控制的智能化水平。

技術(shù)研發(fā)人員：吳海明,梁戈,周大林
受保護(hù)的技術(shù)使用者：深圳市高精電機(jī)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15