基于AI运行数据反馈的电机控制参数智能优化方法和系统与流程

摘要: 本发明涉及电机控制,更具体地,涉及一种基于ai运行数据反馈的电机控制参数智能优化方法和系统。背景技术:1、目前,电机控制系统通常采用foc(磁场定向控制)等闭环...
基于AI运行数据反馈的电机控制参数智能优化方法和系统与流程

本发明涉及电机控制,更具体地,涉及一种基于ai运行数据反馈的电机控制参数智能优化方法和系统。

背景技术:

1、目前,电机控制系统通常采用foc(磁场定向控制)等闭环控制方法,通过电流环、速度环以及位置/角度观测器等控制模块实现对电机的控制。电机控制程序通常运行于mcu等嵌入式控制器中,mcu通过adc等采样模块获取电机运行过程中的相电流、母线电压等数据,并根据转子位置、电角度及速度等信息进行坐标变换和闭环控制,最终通过pwm控制功率器件驱动电机运行。

2、在电机调试过程中,工程师通常通过串口、调试器或上位机获取电机运行过程中的id、iq、速度、电角度、电流误差、速度误差以及pi控制器输出等运行数据,并根据运行波形判断当前控制系统的响应情况。当出现电流响应较慢、超调、速度波动、电角度估算误差较大等问题时,工程师根据经验对电流环pi参数、速度环pi参数、观测器参数等进行修改,再重新运行电机并观察运行结果,通过多次“参数修改—运行测试—波形分析”的过程确定最终控制参数。

3、现有技术主要依靠工程师对电机运行数据和波形进行人工分析,并结合经验对控制参数进行反复调整,以使电机达到预期控制效果。首先,人工调参效率较低:控制参数调整主要依赖工程师经验,需要经过多次参数修改、运行测试和波形分析,调试周期较长。其次,参数优化依赖个人经验:不同工程师对运行数据的判断和参数调整方式存在差异,参数整定结果具有一定的主观性。然后,运行数据利用不充分:虽然控制系统能够获取大量运行数据,但现有技术主要依靠人工观察波形,难以对多维运行数据进行综合分析。最后,难以针对不同工况进行持续优化:电机在不同转速、负载及运行状态下的控制特性存在差异,固定参数难以始终保持较好的控制效果。此外,缺少自动反馈优化机制:现有技术通常在参数调整后重新测试,但缺少根据优化后的运行数据自动评价优化效果并进一步调整参数的闭环机制。

技术实现思路

1、鉴于上述问题,本发明的目的在于提供一种基于ai运行数据反馈的电机控制参数智能优化方法和系统,旨在利用人工智能技术对电机运行过程中产生的电流、速度、电角度、电流误差、速度误差及控制器输出等多维运行数据进行综合分析,根据电机实际运行状态自动判断控制系统存在的问题,并生成相应的控制参数优化方案。在参数调整后,通过再次采集电机运行数据对优化效果进行评价,并根据反馈结果进一步迭代优化,从而减少人工反复调试过程,提高电机控制参数整定效率,使控制参数能够更好地适应不同运行工况,提高电机控制系统的动态响应和稳态运行性能。

2、本发明第一方面提供了一种基于ai运行数据反馈的电机控制参数智能优化方法,所述方法包括:

3、采集电机运行数据,所述运行数据包括电流、速度、电角度、电流误差、速度误差及控制器输出中的至少一种,并对采集数据进行预处理;

4、按设定时间窗口提取运行特征,将所述运行特征及当前控制参数发送至ai参数优化模型;

5、由所述ai参数优化模型分析电机控制状态,输出控制问题类别及控制参数调整量;

6、根据所述当前控制参数和所述参数调整量生成优化控制参数,经安全校验和限幅后下发至电机执行;

7、电机在优化控制参数下运行后,再次采集电机运行数据并反馈至所述ai参数优化模型,根据优化前后运行数据评价优化效果;

8、若未达到预设目标,则返回参数调整步骤进行迭代优化;

9、若达到预设目标,则保留当前优化控制参数。

10、本方案中,所述采集电机运行数据,并对采集数据进行预处理,具体包括:

11、按照预设采样周期采集电机运行数据;

12、对所述运行数据进行滤波、异常值剔除、归一化及时间同步处理;

13、按设定时间窗口对处理后的运行数据进行滑动整理,提取运行特征;

14、所述运行特征包括电流跟踪误差、速度跟踪误差、超调量、稳态误差、响应时间、电流波动量、速度波动量及电角度误差中的至少一种;

15、将所述运行特征与当前控制参数按预设顺序拼接,形成输入特征向量,并发送至ai参数优化模型。

16、本方案中,所述ai参数优化模型包括输入层、特征编码层、电机状态识别网络、参数优化决策网络和参数输出层;

17、所述输入层接收输入特征向量并进行归一化;

18、所述特征编码层提取与电机控制性能相关的隐式特征;

19、所述电机状态识别网络根据隐式特征输出各控制问题类别的概率分布;

20、所述参数优化决策网络结合所述概率分布输出各待优化控制参数的调整方向和调整幅度;

21、所述参数输出层对调整量进行反归一化、与当前控制参数叠加、上下限限幅及格式封装,生成优化控制参数方案。

22、本方案中,所述控制问题类别包括电流响应慢、超调过大、稳态误差大、速度波动、电角度估算误差及运行正常中的至少一种;

23、当判定为电流响应慢时,选择电流环pi参数优化分支生成电流环参数调整量;

24、当判定为超调过大或速度波动时,选择速度环pi参数优化分支生成速度环参数调整量;

25、当判定为电角度估算误差时,选择观测器参数优化分支生成观测器参数调整量;

26、当多个控制问题类别的概率超过预设阈值时,按照各控制问题类别的概率对相应分支的输出进行门控加权融合,得到控制参数调整量。

27、本方案中,所述经安全校验和限幅后下发至电机执行,具体包括:

28、为待优化控制参数设置允许上下限及单次最大调整幅度;

29、当ai参数优化模型输出的参数调整量超出允许范围时,进行限幅处理或拒绝本次更新;

30、校验通过后,mcu保存当前有效控制参数作为备份,再加载优化控制参数运行;

31、在设定时间内监测电机相电流、母线电压、转速、电流误差、速度误差及控制器输出;

32、当出现过流、过压、超速、控制器输出持续饱和或优化后性能低于优化前时,停止本次优化并恢复备份参数;

33、运行正常时将优化控制参数更新为有效参数。

34、本方案中,所述若未达到预设目标,则返回参数调整步骤进行迭代优化,具体包括:

35、根据优化前后运行数据计算速度误差、电流误差、超调量、响应时间及稳态波动中的至少一种评价指标;

36、当评价指标未达到预设要求时,将新的运行数据、当前控制参数及优化前后性能变化输入ai参数优化模型,生成下一组参数调整结果;

37、当连续多次优化性能提升小于预设阈值、达到预设最大迭代次数或出现异常状态时,停止迭代;

38、将输入特征、执行参数及性能评价组成反馈样本存入样本库,在样本积累到预设规模后对ai参数优化模型进行增量训练或微调。

39、本发明第二方面提供了一种基于ai运行数据反馈的电机控制参数智能优化系统,包括一种基于ai运行数据反馈的电机控制参数智能优化方法程序,所述基于ai运行数据反馈的电机控制参数智能优化方法程序被所述处理器执行时实现如下步骤:

40、采集电机运行数据,所述运行数据包括电流、速度、电角度、电流误差、速度误差及控制器输出中的至少一种,并对采集数据进行预处理;

41、按设定时间窗口提取运行特征,将所述运行特征及当前控制参数发送至ai参数优化模型;

42、由所述ai参数优化模型分析电机控制状态,输出控制问题类别及控制参数调整量;

43、根据所述当前控制参数和所述参数调整量生成优化控制参数,经安全校验和限幅后下发至电机执行;

44、电机在优化控制参数下运行后,再次采集电机运行数据并反馈至所述ai参数优化模型,根据优化前后运行数据评价优化效果;

45、若未达到预设目标,则返回参数调整步骤进行迭代优化;

46、若达到预设目标,则保留当前优化控制参数。

47、本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括一种基于ai运行数据反馈的电机控制参数智能优化方法程序,所述基于ai运行数据反馈的电机控制参数智能优化方法程序被处理器执行时,实现如上述任一项所述的基于ai运行数据反馈的电机控制参数智能优化方法的步骤。

48、本发明提供了一种基于ai运行数据反馈的电机控制参数智能优化方法和系统,采集电机运行数据并预处理,按时间窗口提取运行特征,连同当前控制参数发送至ai参数优化模型,由模型分析电机控制状态并输出控制问题类别及参数调整量,据此生成优化控制参数,经安全校验和限幅后下发执行;电机运行后再次采集数据反馈至模型,比较优化前后数据评价效果,未达目标则迭代优化,达标则保留当前参数,从而形成数据采集、ai分析、参数优化、运行反馈和再次优化的闭环,减少人工调参依赖,提高整定效率与工况适应能力,改善电机动态响应和稳态性能。