【技术实现步骤摘要】
本专利技术属于电力电子状态预测领域，更具体地，涉及一种基于lstm神经网络的电机控制级联电路输出预测方法。
技术介绍
1、电机作为动力的主要来源，对人类社会有重要的作用。电机的分类有很多种，控制电机的电路也将会越来越复杂。对于复杂的电机级联控制电路，用常态分析方法进行建模十分复杂，分析起来十分困难。通过采用深度学习的方法，仅需要采集关键的运行数据，能够对不同干扰下的输出进行预测，便于分析级联电路的稳定性。
技术实现思路
1、针对上述技术问题，本专利技术提出了基于lstm神经网络的电机级联电路输出预测方法，降低了对级联电路精确建模的需求，对干扰输入能产生理想的预测输出。
2、为实现上述目的，采用的技术方案如下：
3、对特定电路单元进行训练时，将电路单元前级输入侧等效为带电阻的电压源，输出侧等效后级电路的输入阻抗。采集电路单元中关键的运行数据，采集电路单元可以是buck电路、boost电路、buck-boost电路、pfc电路等用来控制电机；
4、关键运行数据包括电路单元中输入电流、输入电压、电感电流、功率开关管的占空比、输出电流、输出电压等；
5、根据电路单元中电感、电容、功率管的数量选取合适的超参数，根据电路单元复杂度进行选择，如电路单元中电感数量、电容数量、功率开关管数量、网络节点个数等，电路单元越复杂，选取的神经元层数及每层的神经元个数需要更多，门的组合方式也会随之变化；
6、使用不同的门将数据从一个单元传递到另一个单
7、γu＝σ(wu[h(t-1),xt]+bu) (1)
8、γf＝σ(wf[h(t-1),xt]+bf) (2)
9、γo＝σ(wo[h(t-1),xt]+bo) (3)
10、其中σ表示sigmoid函数，h(t-1)为上一时间步隐层状态，xt为当前时间步的输入，γu、γf、γo为输出向量，wu、wf、wo为连接权值，lstm状态单元更新由式(4)给出。
11、
12、激活函数选取sigmoid函数，
13、
14、训练网络的性能指标可以采用均方根误差(rmse)进行评价，原始值和预测值分辨用yi和表示,n表示数据总量。
15、
16、例如选取的电路单元为buck电路，其中电感数量为1，电容数量为1，功率开关管数量为1，则可取神经网络层数为3层，即输入层、隐藏层、输出层，输入层维度为4，输入选取输入电压、电感电流、功率开关占空比、输出电压，隐藏层3维，输出层1维，即输出电压；激活函数选取sigmoid函数和tanh函数；连接权值w维度与输入一致，取值1；时间步长取1e-6。将关键运行数据带入暂定超参数的lstm神经网络，根据性能指标评价是否需要更改超参数；
17、当预测输出和实际输出的rmse低于1e-6时，将lstm神经网络级联，即上一级的输出作为下一级的输入，等同于将两个电路单元进行级联，运行数据带入lstm神经网络系统中，根据性能指标评价是否需要更改超参数；
18、最后，将运行数据中输入中加入适当的扰动，并带入lstm神经网络系统中训练，根据性能指标评价网络模型是否训练合格，若预测输出能很好的跟踪实际运行输出，说明该级联系统lstm神经网络系统训练完成。
19、总体而言，本专利技术所构思的方法能取得以下有益效果：对电路单元仅需获得其关键运行数据，进行神经网络训练，并级联输出预测，极大的简化了理论分析。另一方面，对于训练好的神经网络，对于扰动输入也能很好的预测扰动后的输出，通过数学计算很难得到扰动输入下输出的公式，对系统的动态稳定分析提供理论支撑。总体来说，本专利技术作为非侵入式方法，可以进行离线运算，当电路输入变化时可以更为迅速的做出相应的控制策略变更。
本文档来自技高网...【技术保护点】
1.一种基于LSTM神经网络的电机控制级联电路输出预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的电机控制电路，其特征在于：
3.根据权利要求1所述的电机控制方法，其特征在于：
4.根据权利要求1所述的电路单元，其特征在于：
5.根据权利要求1所述的超参数选取，其特征在于：
6.根据权利要求1所述的超参数更新，当RMSE值过大的时候，说明超参数选取不够合理，需要重新更改超参数，并重新进行LSTM神经网络训练，直至RMSE的值在容忍范围之内，一般可以选取1e-6作为上限值。
7.根据权利要求1所述的LSTM神经网络级联，其中对应电路单元的神经网络超参数不变，前级电路对应前级神经网络，后级电路对应后级神经网络，将两级电路组合后电路的运行数据带入级联神经网络中进行训练，根据输出的RMSE值判断神经网络是否完成。
【技术特征摘要】
1.一种基于lstm神经网络的电机控制级联电路输出预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的电机控制电路，其特征在于：
3.根据权利要求1所述的电机控制方法，其特征在于：
4.根据权利要求1所述的电路单元，其特征在于：
5.根据权利要求1所述的超参数选取，其特征在于：
6.根据权利要求1所述的超参数更新，当rmse值过...
【专利技术属性】
技术研发人员：朱逸武，易志刚，海良，黄宇超，
申请(专利权)人：株洲嘉成科技发展股份有限公司，
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。