基于卷积神经网络的电工钢片复杂磁特性模拟方法研究

作     者：董纪兴 

作者单位：沈阳工业大学 

学位级别：硕士

导师姓名：张殿海

授予年度：2021年

学科分类：12[管理学] 080801[工学-电机与电器] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：电工钢片 矢量磁滞模型 温度依赖 应力依赖 卷积神经网络模型 

摘      要：随着电工装备的不断升级,追求其高功率密度和高效率的研究逐渐作为电气工程领域一项重要的发展目标。电机、变压器等电工装备广泛采用电工钢片作为铁心的磁性材料,在电工装备的制造和实际运行过程中存在着磁场、温度场、结构力场相互耦合的现象,其磁特性会受到温度、应力以及磁化方式的影响。因此,精确测量和模拟多物理因素下电工钢片的复杂磁特性是精细设计和优化电工装备的前提。为了实现对电工钢片的磁特性的数值模拟,国内外学者建立了许多不同形式的磁滞模型。其中,神经网络磁滞模型,作为一种能够模拟电工钢片磁特性的新型磁滞模型,可以避免传统磁滞数学模型复杂的物理机理和数学运算,而且与电磁场数值分析相结合时在一定程度上可以减少计算时间。但BP神经网络磁滞模型存在学习速率慢、模拟精度差等缺陷,而随着深度学习的不断发展,卷积神经网络在处理高维复杂问题时,具有更好的提取和学习特征的能力。因此,本文提出了一种基于卷积神经网络的电工钢片复杂磁特性模拟方法,本文主要的研究内容如下:首先,利用实验室自主研发的温度与应力作用下电工钢片矢量磁特性测量装置测得磁通密度B和磁场强度H,并对试验数据经过预处理后作为模型的训练样本。其次,为了提高模型对电工钢片矢量磁特性的模拟精度,本文通过引入残差模块增加模型宽度和深度的方法,建立基于残差连接的深度卷积神经网络磁滞模型,但特征分布在经过多层网络的训练后会出现偏移的问题,降低模型的训练速度。因此在深度卷积网络的基础上引入批规范层,对网络中的权值和偏置进行批规范化处理。最后,通过对比不同网络结构磁滞模型模拟在应力与温度耦合条件下电工钢片的矢量磁特性,验证深度卷积神经网络磁滞模型的可行性和有效性,基于最终的模拟结果分析,发现残差神经网络磁滞模型既能减少迭代次数,又能够保证磁滞特性模拟的精细性。