基于特征迁移的永磁同步电机性能预测

作     者：金亮 杨柳 王艳阳 JIN Liang;YANG Liu;WANG Yan-yang

作者机构：天津工业大学天津市电工电能新技术重点实验室天津300387 河北工业大学省部共建电工装备可靠性与智能化国家重点实验室天津300130 

出 版 物：《电机与控制学报》 (Electric Machines and Control)

年 卷 期：2022年第26卷第3期

页      面：117-126页

核心收录：

学科分类：0710[理学-生物学] 080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(51977148) 天津市高等学校创新团队培养计划(项目编号:TD13-5040)。 

主　　题：永磁同步电机 深度学习 自学习 特征迁移 长短期记忆网络 注意力机制 

摘      要：为解决电工装备在日趋复杂应用环境下的性能分析与优化问题,通过挖掘设计、生产和性能历史数据,学习得到并应用隐含在产品和工艺技术中的数据特征和知识经验,是基于数据驱动的电工装备性能分析与优化的重要研究内容。因此提出一种智能自学习新方法,利用历史电机数据中学习知识和特征,迁移应用到新电机的性能分析中,通过领域自适应算法中的特征迁移,提取源域和目标域的特征到公共空间,然后对提取的特征进行对齐,使用历史电机样本数据建立的预测模型,用于新电机的性能预测中。实验表明,在不同的数据集上,电机齿槽转矩的预测精确度分别提高了64%和80%,电机效率的预测精确度分别提高了69%和82%,为电工装备的智能设计与优化提供了新的思路和方法。