基于特征迁移的永磁同步电机性能预测

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。