【技术实现步骤摘要】
本专利技术涉及球阀自动化控制，具体为一种基于神经网络的球阀起闭用电机的自适应调节方法。
技术介绍
1、球阀是一种启闭件，它由阀杆带动，并绕球阀轴线作旋转运动的阀门。亦可用于流体的调节与控制，其中硬密封v型球阀其v型球芯与堆焊硬质合金的金属阀座之间具有很强的剪切力，特别适用于含纤维、微小固体颗料等的介质。而多通球阀在管道上不仅可灵活控制介质的合流、分流、及流向的切换，同时也可关闭任一通道而使另外两个通道相连。本类阀门在管道中一般应当水平安装。球阀按照驱动方式分为：气动球阀，电动球阀，手动球阀。
2、电动球阀是工业自动化控制系统中的重要执行机构。电动球阀是根据阀瓣的这种移动形式绕阀杆的轴线作旋转运动的阀门。阀座通口的变化是与阀瓣行程成正比例关系。主要用于截断或接通管路中的介质，亦可用于流体的调节与控制，是工业自动化过程控制的一种管道压元件。
3、电动球阀基本采用简单的pwm输出，通过调节电压对电机进行简单的pid控制,电机对电压波动较为敏感，电压波动可能导致电机过载或欠压，且pwm输出波形基本为方波，陡升陡降严重，从而影响阀门的正常动作。
4、现有的智能球阀是通过加装流量、压力、温度等传感器所采集的数据对电机进行控制，并对介质流量进行精密调整，但仅限于根据反馈的数据进行调整，对反馈的数据无法进行处理。
技术实现思路
1、本专利技术的目的在于提供一种基于神经网络的球阀起闭用电机的自适应调节方法，以解决上述
技术介绍
中提出的问题。
2、为实现上
3、一种基于神经网络的球阀起闭用电机的自适应调节方法，包括以下步骤：
4、步骤s1，实时采集电机运行时的参数，包括但不限于电流、转速以及负载；
5、步骤s2，对采集到的数据进行预处理，让所采集的数据符合神经网络的输入要求；
6、步骤s3，将预处理后的数据进行傅里叶变换，将时域数据转换为频域数据，并依据频域数据对神经网络优化；
7、步骤s4，通过对超几何级数的重要积分进行计算，得到神经网络的权重参数；
8、步骤s5，利用高斯函数的高幂逼近方法对法线钟形曲线进行极限校验；
9、步骤s6，通过拟合和插值算法生成新的激活函数，并将其应用于神经网络；
10、步骤s7，根据需要生成正弦波调节信号，用于对电机进行精密调节。
11、进一步的，所述步骤s1中，电机运行时的参数通过传感器采集，传感器包括但不限于电流传感器、转速传感器以及负载传感器。
12、进一步的，所述步骤s2中预处理的处理方式包含有去除噪声、归一化与截取感兴趣的时间段方式。
13、进一步的，所述步骤s3中，傅里叶转换的结果用于提取电机运行的频谱特征，并将提取的频谱特征转换为特征向量，并将特征向量输入神经网络训练，根据训练结果优化神经网络，其中特征向量对于单个样本时为一维数组，对于多个样本时为二位数组。
14、进一步的，所述步骤s4中对超几何级数的重要积分计算公式为：
15、；
16、其中为超几何函数，x为变量，，m为整数参数，m大于等于2；
17、然后对其进行两次泰勒级数展开，当x=0时积分的级数展开：
18、；
19、；
20、其中a为，b为，c为，z为。
21、进一步的，所述步骤s6中，神经网络采用前馈神经网络、卷积神经网络与循环神经网络中的一种。
22、进一步的，所述步骤s6中，训练神经网络的过程包括调整网络中的权重参数，使用梯度下降来调整和优化神经网络的权重参数，使得网络的输出达到预定的性能指标。
23、进一步的，所述优化神经网络的权重参数的方式为根据权重参数的梯度下降调整规则生成调节信号，生成算法如下：
24、损失函数l对权重参数的梯度：；
25、调节信号：；
26、其中为权重参数的更新量，为学习率；
27、所述调节信号生成的频率、幅度和相位根据电机的实际动态需求调整。
28、与现有技术相比，本专利技术的有益效果是：
29、1.本专利技术在卷积神经网络中，权重参数计算是必要的，权重参数与概率分布密切相关，因此，贝尔函数可以精确地构造不同的权重比，本专利技术利用超几何级数，也称为超几何函数，构造钟形函数和激活函数，具有较强的普遍性和鲁棒性。通过这个方程，可以将其转换为离散数据的和，可以广泛应用于编程，如平滑滤波、低通滤波、拟合、插值，甚至各种类型的神经网络；
30、2.本专利技术可以广泛应用在各类需要自适应的设备中，让个体设备也具有通过数据积累进行自主学习、自主训练，达到自适应调节的功能，例如广泛使用的阀门、变频器等，从而有效降低能耗、提高效率、提升设备的安全性和可靠性。
本文档来自技高网...【技术保护点】
1.一种基于神经网络的球阀起闭用电机的自适应调节方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于神经网络的球阀起闭用电机的自适应调节方法，其特征在于：所述步骤S1中，电机运行时的参数通过传感器采集，传感器包括但不限于电流传感器、转速传感器以及负载传感器。
3.根据权利要求1所述的一种基于神经网络的球阀起闭用电机的自适应调节方法，其特征在于：所述步骤S2中预处理的处理方式包含有去除噪声、归一化与截取感兴趣的时间段方式。
4.根据权利要求1所述的一种基于神经网络的球阀起闭用电机的自适应调节方法，其特征在于：所述步骤S3中，傅里叶转换的结果用于提取电机运行的频谱特征，并将提取的频谱特征转换为特征向量，并将特征向量输入神经网络训练，根据训练结果优化神经网络，其中特征向量对于单个样本时为一维数组，对于多个样本时为二维数组。
5.根据权利要求1所述的一种基于神经网络的球阀起闭用电机的自适应调节方法，其特征在于：所述步骤S4中对超几何级数的重要积分计算公式为：
6.根据权利要求1所述的一种基于神经网络的球阀起闭用电机
7.根据权利要求1所述的一种基于神经网络的球阀起闭用电机的自适应调节方法，其特征在于：所述步骤S6中，训练神经网络的过程包括调整网络中的权重参数，使用梯度下降来调整和优化神经网络的权重参数，使得网络的输出达到预定的性能指标。
8.根据权利要求7所述的一种基于神经网络的球阀起闭用电机的自适应调节方法，其特征在于：所述优化神经网络的权重参数的方式为根据权重参数的梯度下降调整规则生成调节信号，生成算法如下：
...【技术特征摘要】
1.一种基于神经网络的球阀起闭用电机的自适应调节方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于神经网络的球阀起闭用电机的自适应调节方法，其特征在于：所述步骤s1中，电机运行时的参数通过传感器采集，传感器包括但不限于电流传感器、转速传感器以及负载传感器。
3.根据权利要求1所述的一种基于神经网络的球阀起闭用电机的自适应调节方法，其特征在于：所述步骤s2中预处理的处理方式包含有去除噪声、归一化与截取感兴趣的时间段方式。
4.根据权利要求1所述的一种基于神经网络的球阀起闭用电机的自适应调节方法，其特征在于：所述步骤s3中，傅里叶转换的结果用于提取电机运行的频谱特征，并将提取的频谱特征转换为特征向量，并将特征向量输入神经网络训练，根据训练结果优化神经网络，其中特征向量对于单个样本时为一维数组，对于多个样本时为...
【专利技术属性】
技术研发人员：朱哲，潘亚云，
申请(专利权)人：南通龙泰新能源科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。