CN119401871B 一种五相永磁电机多目标优化方法及其控制系统 （苏州容昇电气科技有限公司）

一种五相永磁电机多目标优化方法及其控本发明公开了一种五相永磁电机多目标优标优化方法基于遗传聚合响应面和多目标遗传利用时序神经网络和卡尔曼滤波器进行短路故2步骤S1_3、利用GARS对生成的样本点进行敏感性分2.根据权利要求1所述的一种五相永磁电机多目标优化方法，其特征在于，所述步骤3.根据权利要求1所述的一种五相永磁电机多目标优化方法，其特征在于，所述步骤S1_3利用最小_最大搜索算法搜索每个输出参数及其相应输入参数的最小值和最大值，以所述步骤S1_4中响应面设计空间中的全局目标函数与约束函数之间的函数m表示元模型的数量；所述响应面模型通过二次近似方法解决设计变量与平均效率、转矩30表示为当所有自变量都为零时响应变量的基准值，所述步骤S1_4中采用的GARS使用几个不同元模型的加权平均值表示为4.根据权利要求1所述的一种五相永磁电机多目标优化方法，其特征在于，所述步骤n的规模为2NP；所述精英主义原则为遗传算法中常用的一种策略，旨在保留每一代中适应度较高的个体，g＜h,if(grank＜hrank)or(gran5.根据权利要求1所述的一种五相永磁电机的多目标优化方法，一种用于控制经过所4步骤S5_3、将预处理后的电流输入到故障诊断模块，通步骤S5_4、电机运行在故障状态时，根据所述步骤S5_1步骤S5_5、迭代学习控制器模块根据所述步骤S5_4中所述短路故障诊断模块整体流程如下：将预处理后的电流信号输入到基于TNN的诊断步骤S6_1_3、通过多个平行的自注意力层即多头进5所述FF模块具体包括两个线性变换层，在每个线性层之前和之后分别进步骤S6_2_1、第一个线性变换层的输入为X’e，输出为GELU(X’eWFF1+bFF1)，其中BimeRO为全连接前馈网络的可训练权重，bmeR'or为全连接前馈网络的偏差，步骤S6_2_2、第二个线性变换层的输入为第一个线性变换层的输出，输出为GELU(X’ 所述开路故障诊断模块整体流程如下：利用基于模型的方法进行故q]Td并将其应用于CUSUM算法进行故障检测，CUSUM算法通过累积残差的变6关函数和归一化ACF：其中N为数据样本数其中，是矩阵的右逆，定义为F"=F(F'F),isc表示短路相关电流在健康运行时7jd是期望输出；步骤S5_6_1、所述电流控制器会实时监测定子相电流步骤S5_6_2、根据比较结果，电流控制器会调整门极驱步骤S5_7_3、对所述模型进行网格划分，根据精步骤S5_7_4、对所述几何模型施加边界条件，将电步骤S5_7_5、利用二维有限元方法求解8CN116626491B)公开了一种采用带有注意力机制的多尺度卷积残差网络诊断五相永磁电机9[0018]进一步的，所述步骤S1_3利用最小_最大搜索算法搜索每个输出参数及其相应输m表示元模型的数量；i表示第i个自变量对响应的线性影响程度，aii表示第i个自变量的平方项对响应的合L1[0040]一种用于控制经过所述多目标优化方法优化后的五[0041]所述五相永磁电机定子采用10槽8极的极槽配合，绕组为双层分数槽集中绕组结步骤S5_1中的转矩信号计算出的转矩误差和[0051]所述短路故障诊断模块整体流程如下：将预处理后的电流信号输入到基于TNN的[0058]步骤S6_2_1、第一个线性变换层的输入为Xe'，输出为GELU(Xe'WFF1+bFF1)，其中为全连接前馈网络的可训练权重，bmeR为全连接前馈网络的偏差，e[0064]所述预测模块中：为时刻k_1对时刻k的状态估计值；其中刻k_1对时刻k的估计误差协方差矩阵，其中I为单位矩阵，为系统矩k为测量噪声的协方差矩阵；为k时刻更新后的状态估计q]Te并将其应用于CUSUM算法进行故障检测，CUSUM算法通过累积残差的变关函数和归一化ACF：其中N为数据样本数F)_1FTn_FFl_1)给出；[0108]2.本发明所提出的一种五相永磁电机多目标优化方法选择NSGA_II算法进行优[0109]3.本发明所提出的一种五相永磁电机控制系统的故障诊断模块基于TNN进行短路[0110]4.本发明所提出的一种五相永磁电机控制系统结合反电动势控制和迭代学习控[0111]5.本发明所提出的一种五相永磁电机控制系统不需要过于复杂的故障检测和诊[0112]6.本发明所提出的一种五相永磁电机控制系统可扩展到具有任意相数和任意定[0117]以下基于具体实施例对本发明进行描述，但是本发明并不仅仅限于该具体实施[0128]进一步的，所述步骤S1_3利用最小_最大搜索算法搜索每个输出参数及其相应输[0129]所述步骤S1_4中响应面设计空间中的全局目标函数与约束函数之间的函数关系m表示元模型的数量；i表示第i个自变量对响应的线性影响程度，aii表示第i个自变量的平方项对响应的合L1将具有更高的效率。最后使用基于有限元分析的Maxwell软件对最佳设计进行2D有限元模[0154]所述五相永磁电机定子采用10槽8极的极槽配合，绕组为双层分数槽集中绕组结步骤S5_1中的转矩信号计算出的转矩误差和F)_1FTn_FFl_1)给出；[0207]将预处理后的电流信号输入到基于TNN的诊断模型中，所述诊断模型包括多个编[0214]步骤S6_2_1、第一个线性变换层的输入为Xe'，输出为GELU(Xe'WFF1+bFF1)，其中为全连接前馈网络的可训练权重，bmeR为全连接前馈网络的偏差，[0215]步骤S62_2、第二个线性变换层的输入为第一个线性变换层的输出，输出为GELU[0220]所述预测模块中：为时刻k_1对时刻k的状态估计值；其中刻k-1对时刻k的估计误差协方差矩阵，其中I为单位矩阵，为系统矩e并将其应用于CUSUM