【技术实现步骤摘要】
本专利技术涉及变频器控制，具体为一种基于动态数据采集的智能变频控制方法、装置及系统。
技术介绍
1、随着工业自动化和智能化技术的迅速发展，变频控制技术已经广泛应用于电动机的调速、节能以及精确控制等领域，通过调整电机的工作频率，能够有效地控制电机的转速，实现不同工况下的高效运行；
2、一方面，传统的变频控制系统往往通过传感器来采集实时数据，但是数据采集方式单一、数据处理能力有限以及控制策略的固定性，导致在后续分析的过程中由于数据中存在噪声无法精确执行变频动作；然而，随着电机工作状态越来越复杂，采用基于大数据和人工智能技术，能够预测电机的状态，并优化控制策略，但是，当前电机的状态预测主要依赖于单一数据源或简单的模型，难以全面、准确地反映电机的复杂状态，且当前电机的状态预测主要依赖于单一数据源或简单的模型，难以全面、准确地反映电机的复杂状态；
3、另一方面，在电机与变频控制器的实际运行中，直轴（d轴）与交轴（q轴）的动态耦合效应及电磁参数的非线性特性常导致传统模型难以精准刻画复杂工况下的电机行为；例如，传统方法往往忽略直、交轴参数在不同负载条件下的相互影响，同时对电磁参数特征（如电感、磁链饱和特性）和注入信号（如高频激励信号）的响应处理存在精度不足的问题，使得系统的适应性和灵活性不足，在一定程度上，无法及时分析与反馈机制，降低变频控制系统的智能化程度，难以应对动态复杂的工作环境和负载变化。
技术实现思路
1、（一）解决的技术问题
2、针对现有技术的不足
3、（二）技术方案
4、为实现以上目的，本专利技术通过以下技术方案予以实现：
5、第一方面，本专利技术提供一种基于动态数据采集的智能变频控制方法，包括：
6、获取目标电机的电磁参数，当监测的电磁参数产生波形信号，则执行采集调整计划，结合机器学习算法对波形信号分析处理，识别并分类采集调整类型；
7、在接收到采集调整类型的条件下，于第一时间周期内获取电机的转子位置和评估参数集，将转子位置与预设的标准转子位置比较分析，获取判定为偏差状态所对应的时刻，结合预处理后的评估参数集，执行异常分析策略，生成风险评估系数；
8、在接收到风险评估系数的条件下，将风险评估系数与预设的评估阈值比对分析，依据比对结果选择是否执行对应变频控制指令；
9、获取目标电机运行参数并构建出拓扑空间，将风险评估系数作为特征嵌入以形成图结构，并得到图结构的更新模型，获得状态预测模型；在触发变频控制指令下，于预设的第二时间周期内，执行模型优化策略。
10、进一步地，所述电磁参数包括定子电阻、交轴电感、直轴电感以及永磁磁链；所述波形信号包括方波、梯形波、三角波以及正弦波；结合机器学习算法对波形特征分析处理的步骤，包括：
11、信号处理：对捕捉的波形信号滤波处理，提取反映波形信号的特征，至少包括振幅、频率、相位、包络、谐波；
12、异常识别：当识别为方波或梯形波时，注入局部恒定信号；当识别为三角波或正弦波时，注入全局时变信号；同时，采用决策树算法对提取的特征和注入的若干信号进行训练；其中，训练过程中，基于电磁参数构建参数矩阵，并基于电磁参数的数值变化特征获取权重因子，并为权重因子赋予分值，将权重因子和分值相乘获得辨识精度系数；其中，数值变化特征包括平均值、峰度、峭度、四分位差以及方差；
13、调整识别：在实时监测过程中，结合直、交轴电流方程作为约束项，并映射至电磁参数，得到对应的一组训练样本；将每组训练样本对应的辨识精度系数作为样本标签，通过训练样本进行训练获得分类调整模型并输出当前波形信号对应注入信号的幅值和频率。
14、进一步地，分类调整模型的隐藏层的损失函数如下：
15、；
16、式中，l表示分类调整模型的隐藏层的损失函数，α1、α2均为权重损失系数，n表示每组训练样本的数量，n表示任一组训练样本的样本数量，ca表示参数矩阵，α0表示调节因子，表示某一组的第个样本的预测辨识精度系数，表示某一组的第个样本的辨识精度系数，表示某一组的第j个样本的辨识精度系数，表示约束函数，yi表示某一组的第个样本的约束项，yi表示某一组的第j个样本的约束项；其中，；式中，y表示约束条件，fdq（·）表示d轴或q轴下的非线性函数，wave表示波形信号，rs表示定子电阻、ld表示交轴电感、lq表示直轴电感、ψf表示永磁磁链，ω表示权重修正系数。
17、进一步地，所述评估参数集包括采样延迟率、电流分量以及电机电角度偏差；判定为偏差状态的步骤，包括：
18、获取转子位置与预设的标准转子位置的差值，并设置梯度范围，当差值处于预设的梯度范围，判定无偏差，反之，判定为偏差状态；
19、在同一时刻下获取评估参数集，并从数据库中获取设定的参数集，包括采样延迟率阈值、直轴电流阈值、交轴电流阈值以及角度偏差阈值；
20、经过无量纲化处理并进行加权计算，生成偏差因子；
21、所依据的公式为：
22、；
23、式中，fault表示偏差因子，late表示采样延迟率，lates表示采样延迟率阈值，b0表示权重修正系数，用于强化高延迟的边际风险，一般取值为2-3，dev1表示直轴的电流分量，devs1表示直流电流阈值，dev2表示交轴的电流分量，devs2表示交轴电流阈值，ang表示电机电角度偏差，angs表示角度偏差阈值；b1、b2、b3均为权重系数。
24、进一步地，执行异常分析策略的步骤包括：
25、收集判定为偏差状态的时刻，随机提取其两个时序，获得异常时间段，分别将异常时间段按时序排序并标记为t1、t2、……、tn；其中，时序为动态变化量，且n表示被判定为偏差状态的次数；将异常时间段等分并标记r，且当其有余数时，则为r+1，r为正整数且为动态值；结合偏差因子，分别计算出r或r+1下对应异常时间段的风险评估系数。
26、进一步地，将风险评估系数与预设的评估阈值比对分析：
27、计算风险评估系数与风险评估阈值之间的比值，按照比值大小发出不同的变频调整信号；其中，比值=风险评估系数/风险评估阈值；
28、当比值＜0.8时，不响应操作；
29、当0.8≤比值≤1.2时，发出一类调整信号，执行第一变频策略；
30、当比值＞1.2时本文档来自技高网...
【技术保护点】
1.一种基于动态数据采集的智能变频控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于动态数据采集的智能变频控制方法，其特征在于，所述电磁参数包括定子电阻、交轴电感、直轴电感以及永磁磁链；所述波形信号包括方波、梯形波、三角波以及正弦波；结合机器学习算法对波形特征分析处理的步骤，包括：
3.根据权利要求1所述的一种基于动态数据采集的智能变频控制方法，其特征在于，分类调整模型的隐藏层的损失函数如下：
4.根据权利要求1所述的一种基于动态数据采集的智能变频控制方法，其特征在于，所述评估参数集包括采样延迟率、电流分量以及电机电角度偏差；判定为偏差状态的步骤，包括：
5.根据权利要求1所述的一种基于动态数据采集的智能变频控制方法，其特征在于，执行异常分析策略的步骤包括：
6.根据权利要求1所述的一种基于动态数据采集的智能变频控制方法，其特征在于，将风险评估系数与预设的评估阈值比对分析：
7.根据权利要求1所述的一种基于动态数据采集的智能变频控制方法，其特征在于：
8.根据权利要求1所述的一
9.一种基于动态数据采集的智能变频控制装置，其特征在于，包括：
10.一种基于动态数据采集的智能变频控制系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种基于动态数据采集的智能变频控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于动态数据采集的智能变频控制方法，其特征在于，所述电磁参数包括定子电阻、交轴电感、直轴电感以及永磁磁链；所述波形信号包括方波、梯形波、三角波以及正弦波；结合机器学习算法对波形特征分析处理的步骤，包括：
3.根据权利要求1所述的一种基于动态数据采集的智能变频控制方法，其特征在于，分类调整模型的隐藏层的损失函数如下：
4.根据权利要求1所述的一种基于动态数据采集的智能变频控制方法，其特征在于，所述评估参数集包括采样延迟率、电流分量以及电机电角度偏差；判定为偏差状态的步骤，包括：<...
【专利技术属性】
技术研发人员：卜钿杰，徐欣怡，
申请(专利权)人：浙江诗杭电器有限公司，
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。