CN117578948A - 一种永磁电机运行偏差自适应调控方法及*** - Google Patents
一种永磁电机运行偏差自适应调控方法及*** Download PDFInfo
- Publication number
- CN117578948A CN117578948A CN202410050006.3A CN202410050006A CN117578948A CN 117578948 A CN117578948 A CN 117578948A CN 202410050006 A CN202410050006 A CN 202410050006A CN 117578948 A CN117578948 A CN 117578948A
- Authority
- CN
- China
- Prior art keywords
- motor
- deviation
- control
- time
- regulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012795 verification Methods 0.000 claims abstract description 159
- 238000004458 analytical method Methods 0.000 claims abstract description 80
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims description 53
- 230000001105 regulatory effect Effects 0.000 claims description 24
- 230000001276 controlling effect Effects 0.000 claims description 18
- 238000013523 data management Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 5
- 230000003213 activating effect Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 8
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/14—Estimation or adaptation of motor parameters, e.g. rotor time constant, flux, speed, current or voltage
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P23/0018—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P23/0022—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
- H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
- H02P25/022—Synchronous motors
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P2207/00—Indexing scheme relating to controlling arrangements characterised by the type of motor
- H02P2207/05—Synchronous machines, e.g. with permanent magnets or DC excitation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本申请公开了一种永磁电机运行偏差自适应调控方法及***，涉及电机运行控制技术领域，所述方法包括：获取永磁电机的电机基础信息和电机作业任务；进行电机控制决策解析，获得电机控制方案；对永磁电机进行偏差验证算力分析，获得偏差验证算力分析结果，执行电机控制方案的偏差验证节点布设；根据电机控制方案对永磁电机进行控制，并实时控制反馈监测；根据电机控制方案，匹配实时电机控制节点决策；根据实时电机控制节点决策对实时控制反馈数据进行多维度偏差调控分析，生成电机偏差调控方案，对永磁电机进行偏差自适应调控。进而达成减小运行偏差，提升永磁同步电机性能和稳定性的技术效果。
Description
技术领域
本发明涉及电机运行控制技术领域，特别涉及一种永磁电机运行偏差自适应调控方法及***。
背景技术
永磁同步电动机（PMSM）是一种广泛应用于工业和电动汽车等领域的电机类型。结构简单、体积小、重量轻、损耗小、效率高，和直流电机相比，PMSM没有直流电机的换向器和电刷等缺点。和异步电动机相比，PMSM由于不需要无功励磁电流，因而效率高，功率因数高，力矩惯量比大，定子电流和定子电阻损耗减小，且转子参数可测、控制性能好，具有高效率、高功率密度和精确的控制特性。然而PMSM在运行过程中仍然存在运行偏差影响永磁同步电机性能和稳定性的技术问题。
发明内容
本申请的目的在于提供一种永磁电机运行偏差自适应调控方法及***。用以解决现有技术中运行偏差影响永磁同步电机性能和稳定性的技术问题。
鉴于以上技术问题，本申请提供了一种永磁电机运行偏差自适应调控方法及***。
第一方面，本申请提供了一种永磁电机运行偏差自适应调控方法，其中，所述方法包括：
连接所述电机数据管理端，读取永磁电机的电机基础信息和电机作业任务，其中，所述电机作业任务包括所述永磁电机的H级电机作业负载，且，H大于1的正整数；基于所述电机基础信息和所述电机作业任务进行电机控制决策解析，获得电机控制方案，其中，所述电机控制方案包括所述H级电机作业负载对应的H个电机控制节点决策；对所述永磁电机进行偏差验证算力分析，获得偏差验证算力分析结果，并基于所述偏差验证算力分析结果执行所述电机控制方案的偏差验证节点布设，获得所述H个电机控制节点决策对应的H个偏差验证时域；将所述电机控制方案传输至所述电机调控端，按照所述电机控制方案对所述永磁电机进行控制，并根据所述H个偏差验证时域对所述永磁电机进行实时控制反馈监测，得到实时控制反馈数据，且，所述实时控制反馈数据具有对应标识的实时偏差验证时间节点；根据所述电机控制方案，匹配所述实时偏差验证时间节点对应的实时电机控制节点决策；基于电机偏差调控子模块，根据所述实时电机控制节点决策对所述实时控制反馈数据进行多维度偏差调控分析，生成电机偏差调控方案，并将所述电机偏差调控方案传输至所述电机调控端，根据所述电机偏差调控方案对所述永磁电机进行偏差自适应调控。
第二方面，本申请还提供了一种永磁电机运行偏差自适应调控***，其中，所述***包括：
信息采集模块，所述信息采集模块用于连接所述电机数据管理端，读取永磁电机的电机基础信息和电机作业任务，其中，所述电机作业任务包括所述永磁电机的H级电机作业负载，且，H大于1的正整数；电机控制决策解析模块，所述电机控制决策解析模块用于基于所述电机基础信息和所述电机作业任务进行电机控制决策解析，获得电机控制方案，其中，所述电机控制方案包括所述H级电机作业负载对应的H个电机控制节点决策；验证布设模块，所述验证布设模块用于对所述永磁电机进行偏差验证算力分析，获得偏差验证算力分析结果，并基于所述偏差验证算力分析结果执行所述电机控制方案的偏差验证节点布设，获得所述H个电机控制节点决策对应的H个偏差验证时域；实时监测反馈模块，所述实时监测反馈模块用于将所述电机控制方案传输至所述电机调控端，按照所述电机控制方案对所述永磁电机进行控制，并根据所述H个偏差验证时域对所述永磁电机进行实时控制反馈监测，得到实时控制反馈数据，且，所述实时控制反馈数据具有对应标识的实时偏差验证时间节点；节点决策映射模块，所述节点决策映射模块用于根据所述电机控制方案，匹配所述实时偏差验证时间节点对应的实时电机控制节点决策；电机偏差调控模块，所述电机偏差调控模块用于基于电机偏差调控子模块，根据所述实时电机控制节点决策对所述实时控制反馈数据进行多维度偏差调控分析，生成电机偏差调控方案，并将所述电机偏差调控方案传输至所述电机调控端，根据所述电机偏差调控方案对所述永磁电机进行偏差自适应调控。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过连接电机数据管理端，读取永磁电机的电机基础信息和电机作业任务；基于电机基础信息和电机作业任务进行电机控制决策解析，获得电机控制方案；对永磁电机进行偏差验证算力分析，获得偏差验证算力分析结果，并基于偏差验证算力分析结果执行电机控制方案的偏差验证节点布设，获得H个电机控制节点决策对应的H个偏差验证时域；将电机控制方案传输至电机调控端，根据电机控制方案对永磁电机进行控制，并根据H个偏差验证时域对永磁电机进行实时控制反馈监测，得到实时控制反馈数据，且，实时控制反馈数据具有对应标识的实时偏差验证时间节点；根据电机控制方案，匹配实时偏差验证时间节点对应的实时电机控制节点决策；基于电机偏差调控子模块，根据实时电机控制节点决策对实时控制反馈数据进行多维度偏差调控分析，生成电机偏差调控方案，并将电机偏差调控方案传输至电机调控端，根据电机偏差调控方案对永磁电机进行偏差自适应调控。进而达成减小运行偏差，提升永磁同步电机性能和稳定性的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚阐明本申请的技术手段，进而可依照说明书的内容予以实施，并且为了让本申请的上述及其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
本发明的实施例及后述简单说明结合图示予以说明，附图说明如下：
图1为本申请一种永磁电机运行偏差自适应调控方法的流程示意图；
图2为本申请一种永磁电机运行偏差自适应调控方法中获得电机控制方案的流程示意图；
图3为本申请一种永磁电机运行偏差自适应调控***的结构示意图。
附图标记说明：信息采集模块11、电机控制决策解析模块12、验证布设模块13、实时监测反馈模块14、节点决策映射模块15、电机偏差调控模块16。
具体实施方式
本申请通过提供一种永磁电机运行偏差自适应调控方法和***，解决了现有技术面临的运行偏差影响永磁同步电机性能和稳定性的技术问题。
本技术实施例中的方案，为解决上述问题，所采用的整体思路如下：
连接电机数据管理端，获取永磁电机的电机基础信息和电机作业任务；基于电机基础信息和电机作业任务进行电机控制决策解析，获得电机控制方案；对永磁电机进行偏差验证算力分析，获得偏差验证算力分析结果，执行电机控制方案的偏差验证节点布设，获得H个电机控制节点决策对应的H个偏差验证时域；将电机控制方案传输至基于电机调控端，根据电机控制方案对永磁电机进行控制，并实时控制反馈监测；根据电机控制方案，匹配实时偏差验证时间节点对应的实时电机控制节点决策；根据实时电机控制节点决策对实时控制反馈数据进行多维度偏差调控分析，生成电机偏差调控方案，对永磁电机进行偏差自适应调控。进而达成减小运行偏差，提升永磁同步电机性能和稳定性的技术效果。
通过连接电机数据管理端，读取永磁电机的电机基础信息和电机作业任务；基于电机基础信息和电机作业任务进行电机控制决策解析，获得电机控制方案；对永磁电机进行偏差验证算力分析，获得偏差验证算力分析结果，并基于偏差验证算力分析结果执行电机控制方案的偏差验证节点布设，获得H个电机控制节点决策对应的H个偏差验证时域；基于电机调控端，根据电机控制方案对永磁电机进行控制，并永磁电机进行实时控制反馈监测，得到实时控制反馈数据；根据电机控制方案，匹配实时偏差验证时间节点对应的实时电机控制节点决策；基于电机偏差调控子模块，根据实时电机控制节点决策对实时控制反馈数据进行多维度偏差调控分析，生成电机偏差调控方案，并将电机偏差调控方案传输至电机调控端，根据电机偏差调控方案对永磁电机进行偏差自适应调控。进而达成减小运行偏差，提升永磁同步电机性能和稳定性的技术效果。
为更好理解上述技术方案，下面将结合说明书附图和具体的实施方式来对上述技术方案进行详细的说明，需要说明的是，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
实施例一
如图1所示，本申请提供了一种永磁电机运行偏差自适应调控方法，所述方法包括：
S100：连接所述电机数据管理端，读取永磁电机的电机基础信息和电机作业任务，其中，所述电机作业任务包括所述永磁电机的H级电机作业负载，且，H大于1的正整数；
可选的，首先建立与电机数据管理端的通信连接。通过包括网络连接、API调用、串口通信或其他适当的通信方式来实现。电机数据管理端内储存有目标PMSM的电机基础信息和电机作业任务。
可选的，发送请求至电机数据管理端，电机数据管理端基于该请求提取永磁电机的基础信息。其中，永磁电机的基础信息包括电机型号、额定参数（如额定功率、额定电流、额定转速等）、制造商信息等。电机作业任务所包括的永磁电机的H级电机作业负载，分别对应H个电机作业负载状态，反映了目标PMSM在目标工作环境下的H个工况。进一步的，H级电机作业负载状态。包括不同负载下的运行条件、目标工况或工作模式等H级电机作业负载状态参数。
可选的，读取永磁电机的电机基础信息和电机作业任务，通过对电机数据管理端存储的数据进行数据挖掘处理实现。其中，电机数据管理端存储的数据具有电机型号标签、时间节点标签。便于高效的获取与目标PMSM匹配的基础信息和电机作业任务。
S200：基于所述电机基础信息和所述电机作业任务进行电机控制决策解析，获得电机控制方案，其中，所述电机控制方案包括所述H级电机作业负载对应的H个电机控制节点决策；
基于电机基础信息和电机作业任务进行电机控制决策解析，用于确定如何控制永磁电机以满足不同负载条件下的要求。可选的，电机控制方案基于电机参数和控制策略，确定每个H级电机作业负载状态对应的电机控制节点决策。包括设置电机的目标速度、目标转矩、电流限制等。对于每个电机控制节点，通过编写控制逻辑，以实现所需的电机运行状态。涉及电机的启动、停止、加速、减速、转向等操作。
进一步的，如图2所示，基于所述电机基础信息和所述电机作业任务进行电机控制决策解析，获得电机控制方案，步骤S200包括：
获得所述电机作业任务的电机作业时序约束，并按照所述电机作业时序约束对所述电机作业任务进行排序，生成电机作业第一负载、电机作业第二负载…电机作业第H负载；
基于所述电机基础信息和所述电机作业任务进行电机控制记录查询，获得电机控制记录库；
基于所述电机控制记录库，根据所述电机基础信息，分别对所述电机作业第一负载、所述电机作业第二负载…所述电机作业第H负载进行电机控制决策匹配，生成第一电机控制节点决策、第二电机控制节点决策…第H电机控制节点决策；
根据所述第一电机控制节点决策、所述第二电机控制节点决策…所述第H电机控制节点决策，生成所述电机控制方案。
可选的，电机作业任务的电机作业时序约束是电机作业任务时间维度上的作业特征，包括电机作业任务的时长、顺序等。通过电机作业时序约束对电机作业任务进行排序，实现了对H个电机负载进行排序，确定了电机作业任务的序列关系。
电机控制记录查询中，电机基础信息和电机作业任务为查询约束参数。可选的，通过交互大数据电机控制记录集合，遍历筛选适配电机基础信息与电机作业任务的电机控制记录，并将多个电机控制记录存入电机控制记录库。其中，电机控制记录包含电机基础信息、电机作业任务信息，电机控制参数信息，电机控制指令信息等。
可选的，分别对电机作业第一负载、电机作业第二负载…电机作业第H负载进行电机控制决策匹配，生成第一电机控制节点决策、第二电机控制节点决策…第H电机控制节点决策，基于特征匹配技术原理实现。示例性的，对历史数据进行特征提取，以识别与不同负载状态相关的关键特征。这些特征包括电机电流、电压、转速、温度等参数。而后根据当前PMSM当前电子作业负载特征，对上述历史数据中的特征提取结果进行相似度计算。进而获取相似度最高的电机控制决策作为电机控制决策匹配结果。
可选的，电机控制方案包括第一电机控制节点决策、第二电机控制节点决策…第H电机控制节点决策，且上述H个电机控制点决策与电机作业第一负载、电机作业第二负载…电机作业第H负载具有相同的排序关系。
S300：对所述永磁电机进行偏差验证算力分析，获得偏差验证算力分析结果，并基于所述偏差验证算力分析结果执行所述电机控制方案的偏差验证节点布设，获得所述H个电机控制节点决策对应的H个偏差验证时域；
对永磁电机进行偏差验证算力分析，用于确定目标PMSM的偏差调控强度，若目标PMSM的偏差调控强度高，则需要对其进行更为严格的偏差验证，进而获取相应的偏差验证算力分析结果。
可选的，基于偏差验证算力分析结果，确定需要进行偏差验证的节点。这些节点可能包括电机控制参数、传感器校准、环境条件等。此外，偏差验证时域是指布设的偏差验证节点的验证采样时间计划，包括验证间隔、验证区间、验证时间节点等。用于规定在不同时间点或工况下对电机性能进行监测和验证。
进一步的，对所述永磁电机进行偏差验证算力分析，获得偏差验证算力分析结果，步骤S300包括：
获得N级历史时区约束，并设置所述N级历史时区约束对应的N级时区渐变权重，其中，N为大于1的正整数；
根据所述N级历史时区约束对所述永磁电机进行历史运行偏差记录读取，获得所述N级历史时区约束对应的N个运行偏差记录库；
遍历所述N个运行偏差记录库进行运行偏差记录次数统计，获得N个时区偏差触发次数；
基于所述N级时区渐变权重对所述N个时区偏差触发次数进行加权计算，生成电机运行偏差触发度；
构建电机偏差验证算力配置表，其中，所述电机偏差验证算力配置表包括多个预设电机运行偏差触发度区间和多个预设电机偏差验证算力；
将所述电机运行偏差触发度输入所述电机偏差验证算力配置表，获得所述电机运行偏差触发度对应的匹配电机偏差验证算力，并将所述匹配电机偏差验证算力输出为所述偏差验证算力分析结果。
可选的，N级历史时区约束用于将历史时间分为N级时区，N级历史时区约束中N级时区具有对应的N级时区渐变权重。N级时区渐变权重与历史时区－当前时间的时间差成反比例关系。即时间差越小，历史时区越接近当前时区，权重越高。根据历史时区的相关性来调整权重，以更好地反映过去时段对当前问题的影响。
可选的，N级时区渐变权重的设定可使用指数函数、对数函数或线性函数等。对N级时区渐变权重进行归一化，以确保它们的总和等于1。
N个时区偏差触发次数是指N个运行偏差记录库中的偏差记录次数，即不同历史时区的偏差记录频次信息。基于N级时区渐变权重对N个时区偏差触发次数进行加权计算，对于每个历史时区，将其对应的偏差触发次数与相应的时区渐变权重相乘。然后，将所有N个结果相加，以生成电机运行偏差触发度。以更好地反映过去时段对电机运行的影响。
可选的，电机偏差验证算力配置表建立了电机运行偏差触发度与电机偏差验证算力间的映射关系。示例性的，首先，确定电机运行偏差触发度的不同区间。这些区间根据具体调控需求和电机的运行情况来定义。每个区间表示一个范围，触发度在这个范围内的电机将被分配相应的算力配置。接着，对于每个触发度区间，确定相应的电机偏差验证算力。其中，这个算力可以是一个数字，表示该区间内的电机将分配多少算力资源。电机偏差验证算力根据***性能需求和电机的重要性确定。
可选的，定期检查电机的运行情况和触发度，根据需要更新配置表以反映新的要求或电机性能。得以更好的根据不同的运行偏差情况，为电机分配适当的验证算力，自适应调控的稳定性和性能。
进一步的，获得所述H个电机控制节点决策对应的H个偏差验证时域，步骤S300包括：
基于所述N个运行偏差记录库，对第一电机控制节点决策进行运行偏差关联触发度计算，获得第一节点运行偏差关联触发度；
基于所述N个运行偏差记录库，继续对第二电机控制节点决策…第H电机控制节点决策进行运行偏差关联触发度计算，获得第二节点运行偏差关联触发度…第H节点运行偏差关联触发度，结合所述第一节点运行偏差关联触发度，生成所述H个电机控制节点决策对应的H个节点运行偏差关联触发度；
基于预设节点运行偏差关联触发度，根据所述H个节点运行偏差关联触发度，分别对所述偏差验证算力分析结果进行调整，获得H个节点偏差验证算力；
基于所述H个节点偏差验证算力，分别对所述H个电机控制节点决策进行偏差验证时间节点设置，生成所述H个偏差验证时域，其中，每个偏差验证时域包括每个电机控制节点决策对应的多个偏差验证时间节点。
可选的，预设节点运行偏差关联触发度反映了节点运行偏差触发度中不可抗力部分的影响，即***误差对节点运行偏差关联触发度的影响程度，示例性的，包括监测仪器误差、电机公差等。
可选的，基于预设节点运行偏差关联触发度，根据H个节点运行偏差关联触发度，调整偏差验证算力分析结果，通过调整算法进行。基于该调整算法，根据每个节点的触发度数据，触发度转化为算力的权重或系数，计算出相应的调整值，进而获得H个节点偏差验证算力。以更准确地反映各个节点的贡献和影响。这有助于提高自适应调控的效率和性能。
可选的，每个偏差验证时域包括每个电机控制节点决策对应的多个偏差验证时间节点。且，节点偏差验证算力越大，对应的偏差验证时域内的偏差验证时间节点越密集。
进一步的，基于所述N个运行偏差记录库，对第一电机控制节点决策进行运行偏差关联触发度计算，获得第一节点运行偏差关联触发度，步骤还包括：
基于所述第一电机控制节点决策，分别对所述N个运行偏差记录库进行关联运行偏差记录提取，获得所述第一电机控制节点决策对应的N个关联运行偏差记录库；
遍历所述N个关联运行偏差记录库进行运行偏差记录次数统计，获得N个关联时区偏差触发次数；
基于所述N级时区渐变权重对所述N个关联时区偏差触发次数进行加权计算，生成所述第一节点运行偏差关联触发度。
可选的，遍历N个关联运行偏差记录库进行运行偏差记录次数统计，获得N个关联时区偏差触发次数，基于上述遍历N个运行偏差记录库进行运行偏差记录次数统计，获得N个时区偏差触发次数同样的方法原理实现，给出每个记录库的触发次数。需理解的是，为了说明书的简洁，在此不做进一步的展开说明。
使用N级时区渐变权重对每个关联时区偏差触发次数进行加权计算。距离当前时刻更近的时区将具有更高的权重，而距离更远的时区将具有较低的权重。以更准确地反映不同时区的运行偏差对于节点决策的影响，更好地理解和响应不同时区的运行偏差。
S400：将所述电机控制方案传输至所述电机调控端，按照所述电机控制方案对所述永磁电机进行控制，并根据所述H个偏差验证时域对所述永磁电机进行实时控制反馈监测，得到实时控制反馈数据，且，所述实时控制反馈数据具有对应标识的实时偏差验证时间节点；
其中，将电机控制方案传输到电机调控端。电机控制方案包含了对永磁电机的控制策略，用于控制不同的电机作业负载状态。对永磁电机进行实时控制，控制电机以满足要求的电机作业负载状态。同时，进行实时反馈监测，获取实时控制反馈数据。这些数据包括了电机在不同时间节点的状态信息以及与控制目标和性能有关的参数。每个数据点都具有对应标识的实时偏差验证时间节点，确保能够在时间上跟踪电机的性能和行为。进而根据实时数据对电机的控制策略进行调整以满足性能和负载要求，提高永磁电机的效率和稳定性。
S500：根据所述电机控制方案，匹配所述实时偏差验证时间节点对应的实时电机控制节点决策；
可选的，实时偏差验证时间节点对应的实时电机控制节点决策是指通过实时监测中发现的存在偏差现象的电机控制节点决策。将实时偏差验证时间节点与最接近的电机控制节点决策匹配起来，涉及时间戳的比对，找到最接近的实时电机控制节点决策。通过这个匹配过程，实现更加精确的电机控制，确保电机在不同时间点下根据实时情况进行适当的调整，以满足性能和负载要求。
S600：基于电机偏差调控子模块，根据所述实时电机控制节点决策对所述实时控制反馈数据进行多维度偏差调控分析，生成电机偏差调控方案，并将所述电机偏差调控方案传输至所述电机调控端，根据所述电机偏差调控方案对所述永磁电机进行偏差自适应调控。
可选的，多维度偏差调控分析是指从多个维度，以不同的性能指标或参数进行调控分析，选取需要进行调控的性能指标或参数，确定需要进行调控的性能指标或参数的调整量。
可选的，基于多维度偏差分析，生成电机偏差调控方案。该调控方案包括对电机控制参数的实时调整建议，以最小化偏差并满足性能和负载要求。示例性的，涉及调整电流、速度、扭矩等参数，以优化电机的运行。此外，生成的调控方案将被传输给永磁电机，以实施实时调整。示例性的，通过对每个负载状态调整PID控制器的参数，进而改变电机控制器的输出来实现，确保电机在不同的工作状态下保持最佳性能。
进一步的，基于电机偏差调控子模块，根据所述实时电机控制节点决策对所述实时控制反馈数据进行多维度偏差调控分析，生成电机偏差调控方案，步骤S600包括：
从所述实时电机控制节点决策中提取出多个电机控制指标对应的多个指标控制基准数据；
基于所述多个电机控制指标进行随机编号，获得第一电机控制指标、第二电机控制指标…第K电机控制指标，K值为多个电机控制指标的总数量；
基于所述电机偏差调控子模块，根据所述第一电机控制指标对所述实时控制反馈数据进行偏差调控，获得第一指标偏差调控决策；
基于所述电机偏差调控子模块，根据所述第二电机控制指标…所述第K电机控制指标，分别对所述实时控制反馈数据进行偏差调控，获得第二指标偏差调控决策…第K指标偏差调控决策；
根据所述第一指标偏差调控决策、所述第二指标偏差调控决策…所述第K指标偏差调控决策，生成所述电机偏差调控方案。
其中，每个电机控制指标具有相应的基准数据。可选的，这些基准数据是在正常工作条件下测量或计算得出的，代表了电机在特定工作状态下的期望表现。
可选的，电机偏差调控子模块包含每个电机控制节点的控制逻辑，用于将电机控制指标通过控制逻辑转化为电机的运行操作动作。以实现所需的电机运行状态。示例性的，电机偏差调控子模块的控制逻辑涉及电机的启动、停止、加速、减速、转向等操作动作。
进一步的，基于所述电机偏差调控子模块，根据所述第一电机控制指标对所述实时控制反馈数据进行偏差调控，获得第一指标偏差调控决策，步骤还包括：
基于所述第一电机控制指标，根据所述多个指标控制基准数据，匹配第一指标控制基准数据；
基于所述第一电机控制指标，根据所述实时控制反馈数据，匹配第一指标控制反馈数据；
将所述第一指标控制基准数据和所述第一指标控制反馈数据进行比对，获得第一指标控制比对度；
判断所述第一指标控制比对度是否小于预设控制比对度；
若所述第一指标控制比对度大于/等于预设控制比对度，获得第一指标偏差调控指令；并判断
基于所述第一指标偏差调控指令，激活所述电机偏差调控子模块内所述第一电机控制指标对应的第一指标偏差调控网络，其中，所述电机偏差调控子模块包括预先构建的各个电机控制指标对应的指标偏差调控网络；
将所述第一指标控制比对度、所述第一指标控制基准数据和所述第一指标控制反馈数据输入所述第一指标偏差调控网络，生成所述第一指标偏差调控决策。
可选的，将实时电机控制节点决策中的数据与相应的指标控制基准数据进行比较。用于确定在当前工作状态下电机的实际性能是否与期望性能一致。这通过比对第一指标控制基准数据和第一指标控制反馈数据获得第一指标控制比对度，并判断第一指标控制比对度与预设控制比对度间的关系实现。
可选的，若第一指标控制比对度小于预设控制比对度，将对应的第一指标偏差调控决策记为0，此时，对应的第一指标不需要进行调控。
可选的，电机偏差调控子模块包含多个指标偏差调控网络，每个网络对应一个电机控制指标。指标偏差调控网络用于根据第一指标控制比对度、第一指标控制基准数据和第一指标控制反馈数据，生成第一指标偏差调控决策。
可选的，指标偏差调控网络基于神经网络模型构建。其中，指标偏差调控网络以第一指标控制比对度、第一指标控制基准数据和第一指标控制反馈数据为输入，第一指标偏差调控决策为输出。示例性的，指标偏差调控网络的预先构建，首先，收集足够的数据作为训练神经网络的数据集。这些数据包括电机的输入（控制信号）和输出（性能指标，如电流、速度、温度等）。接着，对数据进行预处理，包括归一化、标准化或其他必要的处理，以确保数据的可用性，对神经网络的训练起到积极作用。接着，选择神经网络的架构，包括层数、每层的神经元数量以及激活函数，并定义用于衡量实际输出与期望输出之间差异的损失函数，可选的，使用均方误差（Mean Squared Error）作为损失函数。而后，使用数据集对神经网络进行训练。通过梯度下降或其他优化算法对网络参数和权重进行调整，以最小化损失函数。然后，使用不包括在训练数据中的数据进行模型验证和测试，以评估神经网络的性能，一旦模型训练完成，将其嵌入电机偏差调控子模块中。
综上所述，本发明所提供的一种永磁电机运行偏差自适应调控方法具有如下技术效果：
通过连接电机数据管理端，读取永磁电机的电机基础信息和电机作业任务；基于电机基础信息和电机作业任务进行电机控制决策解析，获得电机控制方案；对永磁电机进行偏差验证算力分析，获得偏差验证算力分析结果，并基于偏差验证算力分析结果执行电机控制方案的偏差验证节点布设，获得H个电机控制节点决策对应的H个偏差验证时域；将电机控制方案传输至电机调控端，根据电机控制方案对永磁电机进行控制，并根据H个偏差验证时域对永磁电机进行实时控制反馈监测，得到实时控制反馈数据，且，实时控制反馈数据具有对应标识的实时偏差验证时间节点；根据电机控制方案，匹配实时偏差验证时间节点对应的实时电机控制节点决策；基于电机偏差调控子模块，根据实时电机控制节点决策对实时控制反馈数据进行多维度偏差调控分析，生成电机偏差调控方案，并将电机偏差调控方案传输至电机调控端，根据电机偏差调控方案对永磁电机进行偏差自适应调控。进而达成减小运行偏差，提升永磁同步电机性能和稳定性的技术效果。
实施例二
基于与所述实施例中一种永磁电机运行偏差自适应调控方法同样的构思，如图3所示，本申请还提供了一种永磁电机运行偏差自适应调控***，所述***包括：
信息采集模块11，用于连接所述电机数据管理端，读取永磁电机的电机基础信息和电机作业任务，其中，所述电机作业任务包括所述永磁电机的H级电机作业负载，且，H大于1的正整数；
电机控制决策解析模块12，用于基于所述电机基础信息和所述电机作业任务进行电机控制决策解析，获得电机控制方案，其中，所述电机控制方案包括所述H级电机作业负载对应的H个电机控制节点决策；
验证布设模块13，用于对所述永磁电机进行偏差验证算力分析，获得偏差验证算力分析结果，并基于所述偏差验证算力分析结果执行所述电机控制方案的偏差验证节点布设，获得所述H个电机控制节点决策对应的H个偏差验证时域；
实时监测反馈模块14，用于将所述电机控制方案传输至所述电机调控端，按照所述电机控制方案对所述永磁电机进行控制，并根据所述H个偏差验证时域对所述永磁电机进行实时控制反馈监测，得到实时控制反馈数据，且，所述实时控制反馈数据具有对应标识的实时偏差验证时间节点；
节点决策映射模块15，用于根据所述电机控制方案，匹配所述实时偏差验证时间节点对应的实时电机控制节点决策；
电机偏差调控模块16，用于基于电机偏差调控子模块，根据所述实时电机控制节点决策对所述实时控制反馈数据进行多维度偏差调控分析，生成电机偏差调控方案，并将所述电机偏差调控方案传输至所述电机调控端，根据所述电机偏差调控方案对所述永磁电机进行偏差自适应调控。
进一步的，电机控制决策解析模块12还包括：
作业任务序列化单元，用于获得所述电机作业任务的电机作业时序约束，并按照所述电机作业时序约束对所述电机作业任务进行排序，生成电机作业第一负载、电机作业第二负载…电机作业第H负载；
控制记录查询单元，用于基于所述电机基础信息和所述电机作业任务进行电机控制记录查询，获得电机控制记录库；
控制决策匹配单元，用于基于所述电机控制记录库，根据所述电机基础信息，分别对所述电机作业第一负载、所述电机作业第二负载…所述电机作业第H负载进行电机控制决策匹配，生成第一电机控制节点决策、第二电机控制节点决策…第H电机控制节点决策；
控制方案生成单元，用于根据所述第一电机控制节点决策、所述第二电机控制节点决策…所述第H电机控制节点决策，生成所述电机控制方案。
进一步的，验证布设模块13还包括：
历史时区权重约束单元，用于获得N级历史时区约束，并设置所述N级历史时区约束对应的N级时区渐变权重，其中，N为大于1的正整数；
偏差记录提取单元，用于根据所述N级历史时区约束对所述永磁电机进行历史运行偏差记录读取，获得所述N级历史时区约束对应的N个运行偏差记录库；
偏差频数统计单元，用于遍历所述N个运行偏差记录库进行运行偏差记录次数统计，获得N个时区偏差触发次数；
运行偏差触发度单元，用于基于所述N级时区渐变权重对所述N个时区偏差触发次数进行加权计算，生成电机运行偏差触发度；
配置表构建单元，用于构建电机偏差验证算力配置表，其中，所述电机偏差验证算力配置表包括多个预设电机运行偏差触发度区间和多个预设电机偏差验证算力；
算力匹配单元，用于将所述电机运行偏差触发度输入所述电机偏差验证算力配置表，获得所述电机运行偏差触发度对应的匹配电机偏差验证算力，并将所述匹配电机偏差验证算力输出为所述偏差验证算力分析结果。
进一步的，验证布设模块13还包括：
关联触发度计算单元，用于基于所述N个运行偏差记录库，对第一电机控制节点决策进行运行偏差关联触发度计算，获得第一节点运行偏差关联触发度；
触发度对应单元，用于基于所述N个运行偏差记录库，继续对第二电机控制节点决策…第H电机控制节点决策进行运行偏差关联触发度计算，获得第二节点运行偏差关联触发度…第H节点运行偏差关联触发度，结合所述第一节点运行偏差关联触发度，生成所述H个电机控制节点决策对应的H个节点运行偏差关联触发度；
调整单元，用于基于预设节点运行偏差关联触发度，根据所述H个节点运行偏差关联触发度，分别对所述偏差验证算力分析结果进行调整，获得H个节点偏差验证算力；
时域配置单元，用于基于所述H个节点偏差验证算力，分别对所述H个电机控制节点决策进行偏差验证时间节点设置，生成所述H个偏差验证时域，其中，每个偏差验证时域包括每个电机控制节点决策对应的多个偏差验证时间节点。
进一步的，关联触发度计算单元还包括：
关联偏差记录提取单元，用于基于所述第一电机控制节点决策，分别对所述N个运行偏差记录库进行关联运行偏差记录提取，获得所述第一电机控制节点决策对应的N个关联运行偏差记录库；
偏差触发次数统计单元，用于遍历所述N个关联运行偏差记录库进行运行偏差记录次数统计，获得N个关联时区偏差触发次数；
节点关联触发度计算单元，用于基于所述N级时区渐变权重对所述N个关联时区偏差触发次数进行加权计算，生成所述第一节点运行偏差关联触发度。
进一步的，电机偏差调控模块16还包括：
基准单元，用于从所述实时电机控制节点决策中提取出多个电机控制指标对应的多个指标控制基准数据；
随机编号单元，用于基于所述多个电机控制指标进行随机编号，获得第一电机控制指标、第二电机控制指标…第K电机控制指标，K值为多个电机控制指标的总数量；
第一调控决策单元，用于基于所述电机偏差调控子模块，根据所述第一电机控制指标对所述实时控制反馈数据进行偏差调控，获得第一指标偏差调控决策；
调控决策单元，用于基于所述电机偏差调控子模块，根据所述第二电机控制指标…所述第K电机控制指标，分别对所述实时控制反馈数据进行偏差调控，获得第二指标偏差调控决策…第K指标偏差调控决策；
方案统合单元，用于根据所述第一指标偏差调控决策、所述第二指标偏差调控决策…所述第K指标偏差调控决策，生成所述电机偏差调控方案。
进一步的，第一调控决策单元还包括：
基准匹配单元，用于基于所述第一电机控制指标，根据所述多个指标控制基准数据，匹配第一指标控制基准数据；
反馈数据匹配单元，用于基于所述第一电机控制指标，根据所述实时控制反馈数据，匹配第一指标控制反馈数据；
控制比对单元，用于将所述第一指标控制基准数据和所述第一指标控制反馈数据进行比对，获得第一指标控制比对度；
判断单元，用于判断所述第一指标控制比对度是否小于预设控制比对度；
偏差调控指令单元，用于若所述第一指标控制比对度大于/等于预设控制比对度，获得第一指标偏差调控指令；
激活单元，用于基于所述第一指标偏差调控指令，激活所述电机偏差调控子模块内所述第一电机控制指标对应的第一指标偏差调控网络，其中，所述电机偏差调控子模块包括预先构建的各个电机控制指标对应的指标偏差调控网络；
网络决策单元，用于将所述第一指标控制比对度、所述第一指标控制基准数据和所述第一指标控制反馈数据输入所述第一指标偏差调控网络，生成所述第一指标偏差调控决策。
应当理解的是，本说明书中所提及的实施例重点在其与其他实施例的不同，前述实施例一中的具体实施例，同样适用于实施例二所述的一种永磁电机运行偏差自适应调控***，为了说明书的简洁，在此不做进一步的展开。
应当理解的是，本申请所公开的实施例及上述说明，可以使得本领域的技术人员运用本申请实现本申请。同时本申请不被限制于上述所提到的这部分实施例，对本申请提到的实施例进行显而易见的修改、变种，也属于本申请原理范围之内。
Claims (8)
1.一种永磁电机运行偏差自适应调控方法，其特征在于，所述方法应用于一种永磁电机运行偏差自适应调控***，所述***包括电机数据管理端和电机调控端，所述方法包括：
连接所述电机数据管理端，读取永磁电机的电机基础信息和电机作业任务，其中，所述电机作业任务包括所述永磁电机的H级电机作业负载，且，H大于1的正整数；
基于所述电机基础信息和所述电机作业任务进行电机控制决策解析，获得电机控制方案，其中，所述电机控制方案包括所述H级电机作业负载对应的H个电机控制节点决策；
对所述永磁电机进行偏差验证算力分析，获得偏差验证算力分析结果，并基于所述偏差验证算力分析结果执行所述电机控制方案的偏差验证节点布设，获得所述H个电机控制节点决策对应的H个偏差验证时域；
将所述电机控制方案传输至所述电机调控端，按照所述电机控制方案对所述永磁电机进行控制，并根据所述H个偏差验证时域对所述永磁电机进行实时控制反馈监测，得到实时控制反馈数据，且，所述实时控制反馈数据具有对应标识的实时偏差验证时间节点；
根据所述电机控制方案，匹配所述实时偏差验证时间节点对应的实时电机控制节点决策；
基于电机偏差调控子模块，根据所述实时电机控制节点决策对所述实时控制反馈数据进行多维度偏差调控分析，生成电机偏差调控方案，并将所述电机偏差调控方案传输至所述电机调控端，根据所述电机偏差调控方案对所述永磁电机进行偏差自适应调控。
2.如权利要求1所述的方法，其特征在于，基于所述电机基础信息和所述电机作业任务进行电机控制决策解析，获得电机控制方案，包括：
获得所述电机作业任务的电机作业时序约束，并按照所述电机作业时序约束对所述电机作业任务进行排序，生成电机作业第一负载、电机作业第二负载…电机作业第H负载；
基于所述电机基础信息和所述电机作业任务进行电机控制记录查询，获得电机控制记录库；
基于所述电机控制记录库，根据所述电机基础信息，分别对所述电机作业第一负载、所述电机作业第二负载…所述电机作业第H负载进行电机控制决策匹配，生成第一电机控制节点决策、第二电机控制节点决策…第H电机控制节点决策；
根据所述第一电机控制节点决策、所述第二电机控制节点决策…所述第H电机控制节点决策，生成所述电机控制方案。
3.如权利要求1所述的方法，其特征在于，对所述永磁电机进行偏差验证算力分析，获得偏差验证算力分析结果，包括：
获得N级历史时区约束，并设置所述N级历史时区约束对应的N级时区渐变权重，其中，N为大于1的正整数；
根据所述N级历史时区约束对所述永磁电机进行历史运行偏差记录读取，获得所述N级历史时区约束对应的N个运行偏差记录库；
遍历所述N个运行偏差记录库进行运行偏差记录次数统计，获得N个时区偏差触发次数；
基于所述N级时区渐变权重对所述N个时区偏差触发次数进行加权计算，生成电机运行偏差触发度；
构建电机偏差验证算力配置表，其中，所述电机偏差验证算力配置表包括多个预设电机运行偏差触发度区间和多个预设电机偏差验证算力；
将所述电机运行偏差触发度输入所述电机偏差验证算力配置表，获得所述电机运行偏差触发度对应的匹配电机偏差验证算力，并将所述匹配电机偏差验证算力输出为所述偏差验证算力分析结果。
4.如权利要求3所述的方法，其特征在于，获得所述H个电机控制节点决策对应的H个偏差验证时域，包括：
基于所述N个运行偏差记录库，对第一电机控制节点决策进行运行偏差关联触发度计算，获得第一节点运行偏差关联触发度；
基于所述N个运行偏差记录库，继续对第二电机控制节点决策…第H电机控制节点决策进行运行偏差关联触发度计算，获得第二节点运行偏差关联触发度…第H节点运行偏差关联触发度，结合所述第一节点运行偏差关联触发度，生成所述H个电机控制节点决策对应的H个节点运行偏差关联触发度；
基于预设节点运行偏差关联触发度，根据所述H个节点运行偏差关联触发度，分别对所述偏差验证算力分析结果进行调整，获得H个节点偏差验证算力；
基于所述H个节点偏差验证算力，分别对所述H个电机控制节点决策进行偏差验证时间节点设置，生成所述H个偏差验证时域，其中，每个偏差验证时域包括每个电机控制节点决策对应的多个偏差验证时间节点。
5.如权利要求4所述的方法，其特征在于，基于所述N个运行偏差记录库，对第一电机控制节点决策进行运行偏差关联触发度计算，获得第一节点运行偏差关联触发度，包括：
基于所述第一电机控制节点决策，分别对所述N个运行偏差记录库进行关联运行偏差记录提取，获得所述第一电机控制节点决策对应的N个关联运行偏差记录库；
遍历所述N个关联运行偏差记录库进行运行偏差记录次数统计，获得N个关联时区偏差触发次数；
基于所述N级时区渐变权重对所述N个关联时区偏差触发次数进行加权计算，生成所述第一节点运行偏差关联触发度。
6.如权利要求1所述的方法，其特征在于，基于电机偏差调控子模块，根据所述实时电机控制节点决策对所述实时控制反馈数据进行多维度偏差调控分析，生成电机偏差调控方案，包括：
从所述实时电机控制节点决策中提取出多个电机控制指标对应的多个指标控制基准数据；
基于所述多个电机控制指标进行随机编号，获得第一电机控制指标、第二电机控制指标…第K电机控制指标，K值为多个电机控制指标的总数量；
基于所述电机偏差调控子模块，根据所述第一电机控制指标对所述实时控制反馈数据进行偏差调控，获得第一指标偏差调控决策；
基于所述电机偏差调控子模块，根据所述第二电机控制指标…所述第K电机控制指标，分别对所述实时控制反馈数据进行偏差调控，获得第二指标偏差调控决策…第K指标偏差调控决策；
根据所述第一指标偏差调控决策、所述第二指标偏差调控决策…所述第K指标偏差调控决策，生成所述电机偏差调控方案。
7.如权利要求6所述的方法，其特征在于，基于所述电机偏差调控子模块，根据所述第一电机控制指标对所述实时控制反馈数据进行偏差调控，获得第一指标偏差调控决策，包括：
基于所述第一电机控制指标，根据所述多个指标控制基准数据，匹配第一指标控制基准数据；
基于所述第一电机控制指标，根据所述实时控制反馈数据，匹配第一指标控制反馈数据；
将所述第一指标控制基准数据和所述第一指标控制反馈数据进行比对，获得第一指标控制比对度；
判断所述第一指标控制比对度是否小于预设控制比对度；
若所述第一指标控制比对度大于/等于预设控制比对度，获得第一指标偏差调控指令；
基于所述第一指标偏差调控指令，激活所述电机偏差调控子模块内所述第一电机控制指标对应的第一指标偏差调控网络，其中，所述电机偏差调控子模块包括预先构建的各个电机控制指标对应的指标偏差调控网络；
将所述第一指标控制比对度、所述第一指标控制基准数据和所述第一指标控制反馈数据输入所述第一指标偏差调控网络，生成所述第一指标偏差调控决策。
8.一种永磁电机运行偏差自适应调控***，其特征在于，所述***包括电机数据管理端和电机调控端，所述***还包括：
信息采集模块，所述信息采集模块用于连接所述电机数据管理端，读取永磁电机的电机基础信息和电机作业任务，其中，所述电机作业任务包括所述永磁电机的H级电机作业负载，且，H大于1的正整数；
电机控制决策解析模块，所述电机控制决策解析模块用于基于所述电机基础信息和所述电机作业任务进行电机控制决策解析，获得电机控制方案，其中，所述电机控制方案包括所述H级电机作业负载对应的H个电机控制节点决策；
验证布设模块，所述验证布设模块用于对所述永磁电机进行偏差验证算力分析，获得偏差验证算力分析结果，并基于所述偏差验证算力分析结果执行所述电机控制方案的偏差验证节点布设，获得所述H个电机控制节点决策对应的H个偏差验证时域；
实时监测反馈模块，所述实时监测反馈模块用于将所述电机控制方案传输至所述电机调控端，按照所述电机控制方案对所述永磁电机进行控制，并根据所述H个偏差验证时域对所述永磁电机进行实时控制反馈监测，得到实时控制反馈数据，且，所述实时控制反馈数据具有对应标识的实时偏差验证时间节点；
节点决策映射模块，所述节点决策映射模块用于根据所述电机控制方案，匹配所述实时偏差验证时间节点对应的实时电机控制节点决策；
电机偏差调控模块，所述电机偏差调控模块用于基于电机偏差调控子模块，根据所述实时电机控制节点决策对所述实时控制反馈数据进行多维度偏差调控分析，生成电机偏差调控方案，并将所述电机偏差调控方案传输至所述电机调控端，根据所述电机偏差调控方案对所述永磁电机进行偏差自适应调控。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410050006.3A CN117578948B (zh) | 2024-01-15 | 2024-01-15 | 一种永磁电机运行偏差自适应调控方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410050006.3A CN117578948B (zh) | 2024-01-15 | 2024-01-15 | 一种永磁电机运行偏差自适应调控方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117578948A true CN117578948A (zh) | 2024-02-20 |
| CN117578948B CN117578948B (zh) | 2024-05-10 |
Family
ID=89890361
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410050006.3A Active CN117578948B (zh) | 2024-01-15 | 2024-01-15 | 一种永磁电机运行偏差自适应调控方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117578948B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140265353A1 (en) * | 2013-03-13 | 2014-09-18 | Caterpillar Inc. | Adaptive variable speed genset control |
| CN105262389A (zh) * | 2015-09-18 | 2016-01-20 | 中国电力科学研究院 | 一种双馈风电机组直流偏量自适应补偿的正负序分离方法 |
| CN106707753A (zh) * | 2016-12-25 | 2017-05-24 | 北京工业大学 | 一种泵用直线电机自适应控制方法 |
| CN114531061A (zh) * | 2022-02-28 | 2022-05-24 | 中煤科工集团沈阳研究院有限公司 | 模糊自适应整定永磁偶合器恒转矩负载多机均衡调控方法 |
| CN115459676A (zh) * | 2022-08-22 | 2022-12-09 | 日照东方电机有限公司 | 一种基于反馈优化的外转子永磁电机控制方法及*** |
| CN117176011A (zh) * | 2023-11-02 | 2023-12-05 | 南通威尔电机有限公司 | 永磁同步潜水电机的参数智能调节方法及*** |
-
2024
- 2024-01-15 CN CN202410050006.3A patent/CN117578948B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140265353A1 (en) * | 2013-03-13 | 2014-09-18 | Caterpillar Inc. | Adaptive variable speed genset control |
| CN105262389A (zh) * | 2015-09-18 | 2016-01-20 | 中国电力科学研究院 | 一种双馈风电机组直流偏量自适应补偿的正负序分离方法 |
| CN106707753A (zh) * | 2016-12-25 | 2017-05-24 | 北京工业大学 | 一种泵用直线电机自适应控制方法 |
| CN114531061A (zh) * | 2022-02-28 | 2022-05-24 | 中煤科工集团沈阳研究院有限公司 | 模糊自适应整定永磁偶合器恒转矩负载多机均衡调控方法 |
| CN115459676A (zh) * | 2022-08-22 | 2022-12-09 | 日照东方电机有限公司 | 一种基于反馈优化的外转子永磁电机控制方法及*** |
| CN117176011A (zh) * | 2023-11-02 | 2023-12-05 | 南通威尔电机有限公司 | 永磁同步潜水电机的参数智能调节方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 金花;宁涛;: "永磁同步电机多电机同步控制策略", 化工自动化及仪表, no. 05, 10 May 2015 (2015-05-10), pages 479 - 491 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117578948B (zh) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111638958B (zh) | 云主机负载处理方法、装置、控制设备及存储介质 | |
| WO2021131958A1 (ja) | 模擬電池構築方法および模擬電池構築装置 | |
| CN111505500B (zh) | 一种工业领域基于滤波的电机智能故障检测方法 | |
| CN116111885B (zh) | 一种无刷直流电机的转速控制方法及*** | |
| CN116933637A (zh) | 电机温度的预测方法、装置和电子设备 | |
| CN110504878B (zh) | 一种无轴承永磁同步电机转子转速和位移软测量方法 | |
| CN117578948B (zh) | 一种永磁电机运行偏差自适应调控方法及*** | |
| Beineke et al. | Comparison of parameter identification schemes for self-commissioning drive control of nonlinear two-mass systems | |
| CN117477993A (zh) | 无刷直流电机转速控制方法及*** | |
| CN117289668B (zh) | 分布式减速机网络协同控制方法、装置、设备及存储介质 | |
| CN116466672B (zh) | 基于人工智能的数据中心机房参数调控方法及相关装置 | |
| CN114799561A (zh) | 基于案例推理和模型推理的激光切割工艺参数优化方法 | |
| Shang et al. | Application of LSSVM with AGA optimizing parameters to nonlinear modeling of SRM | |
| Sunny et al. | High performance parameter observation of induction motor with sensorless vector Control using extended Kalman filter | |
| CN117077993B (zh) | 基于人工智能的车间物料自动称重数据管理***及方法 | |
| Gupta | Prediction of electric motor temperature (pmsm) motor using decision tree | |
| CN116753561B (zh) | 供热控制方法、控制装置和供热*** | |
| CN118074591B (zh) | 单相感应电动机自整定优化变频控制的方法及装置 | |
| CN118170004B (zh) | 基于物联网的控制方法及*** | |
| CN117908464B (zh) | 一种机床轮廓误差预测方法、***、装置及可读存储介质 | |
| CN116415434B (zh) | 一种用于高强度钢的丝锥加工工艺方法及*** | |
| CN118114053A (zh) | 一种基于便携式多功能装置的数据采集方法 | |
| CN118301189A (zh) | 基于云边融合的主轴伺服电机联合控制方法及*** | |
| CN118239408A (zh) | 一种多功能载人载物电动绞车的智能控制方法及*** | |
| Yi et al. | Networked control system time-delay prediction method based on genetic algorithm optimized extreme learning machine |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |