永磁同步电机性能分析的典型深度学习模型与训练方法

摘要

天津工业大学天津市电工电能新技术重点实验室的研究人员金亮、王飞等，在2018年《电工技术学报》增刊1上撰文，引入人工智能的深度学习算法，建立永磁同步电机齿槽转矩预测分析模型，为解决电机设计、应用特性与系统集成分析间的数据孤岛问题奠定基础。

选取永磁同步电机的4个结构参数（极弧系数、气隙长度、永磁体厚度、永磁体宽度）与齿槽转矩的性能关系作为研究对象，使用有限元方法建立8对极、48定子槽的内置式“V”型永磁同步电机模型并进行了仿真分析，得到了结构参数与齿槽转矩的625组数据。

人工智能深度学习算法的预测模型为4输入、单输出、4隐层的结构。625组数据中的575组用来训练深度学习预测模型，50组用来测试预测模型的泛化能力。通过比较有限元计算的样本数据与深度学习预测模型的预测结果，验证了人工智能深度学习预测模型的可行性。

电机设计是一个复杂的过程，需要综合考虑诸多设计要素，不断添加设计细节，并反复对先前的设计方案进行评估修正[1]。电机设计过程一般包括设计目标分析、结构设计、性能分析与校验、样机制作等。

全面的电机设计工作是一个复杂的问题，因为设计工作应综合考虑设计目标性能、材料、能源、造价、工艺和应用环境等多方面的要求；同时受限于目前的材料属性测量与建模方法、电机性能分析与设计方法和计算机计算能力等，要建立从设计到生产再到应用的综合分析系统存在一定的困难。

人工智能深度学习（Deep Learning, DL）算法在处理多输入、多输出、非线性数据时具有优越的数据特征表达能力。选取永磁同步电机的四个结构参数与齿槽转矩的性能关系作为研究对象，构建了电机的结构参数和性能之间的人工智能系统，为建立一种集成电机设计、应用特性分析与系统集成分析的综合分析方法奠定了基础。

永磁同步电机（Permanent Magnet Synchronous Motor, PMSM）是一种典型的高效节能电机，其具有高性能、功率密度高、结构简单、体积小、转矩惯性比大等特性[2]。永磁同步电机传动系统凭借其性能优势已广泛应用于伺服系统、电动汽车、日常生产、轨道交通、航空航天等领域[3]。

齿槽转矩是由永磁体和电枢铁心相互作用产生的，是电机优化设计中必须考虑的问题，其会引起电机的振动和噪声，从而降低了电机控制系统的精度和伺服性能。如何有效地降低齿槽转矩，已成为国内外学者研究的热点[4]。

利用传统优化设计方法对永磁电机进行结构优化设计时，一般选取永磁电机的某一结构参数作为优化目标，例如：极弧系数和气隙长度，在其他结构参数恒定时，利用有限元仿真软件对选取的优化目标进行参数化求解，或者选取几组离散的点进行仿真计算，直到得到满足设计要求的优化目标值。

然后采用相同的方法，对永磁电机的其他优化目标进行仿真计算，最后才得到优化后的永磁电机结构[5]。这种传统的电机设计方法不仅耗费了设计人员大量的时间和精力，也对计算机的计算能力有较高的要求，并且找到的电机结构也往往不是最优的，不能满足实际电机运行的要求。

一些研究电机设计的学者借助一些传统的智能算法辅助电机设计工作，例如改进粒子群算法[6]、神经网络算法[7]、遗传算法[8]、退火算法[9]和支持向量机（Support Vector Machine, SVM）等。传统的智能算法在参数较少的电机设计中取得了良好的效果[2]，但对于解决考虑多参数的复杂非线性优化问题比较困难。

深度学习相较于传统的神经网络算法而言，传统的神经网络算法存在容易出现过拟合、欠拟合、训练速度慢以及随着网络层数的增加出现梯度扩散等问题。深度学习具有更强的特征表达能力，一定程度上实现了多输入多输出、非线性数据的处理[10, 11]。

深度学习引入layer-wise的训练机制[12]，新的网络模型如CNN、RNN、LSTM等[13]，新的激活函数如ReLU、Softmax、PReLU等，新的损失函数如Adam、RMSprop、Adamax等，新的防止过拟合方法如Dropout、BN等，解决了传统的多层神经网络的上述不足[14]。

综上所述，本文选择永磁同步电机的4个结构参数为输入变量，齿槽转矩为输出变量，建立了一种基于深度学习算法的预测模型。采用有限元方法对PMSM进行分析，并且针对4个输入变量，利用有限元软件进行参数化仿真计算，得到625组样本数据，其中的575组用来训练深度学习预测模型，50组用来测试预测模型的泛化能力（指训练好的模型在未见过的数据上的表现能力）。

深度学习预测模型只是对有限元计算的数据进行预测，并没有涉及本文所选的4个永磁同步电机的结构参数对其性能的影响，所以即使面对永磁同步电机这种复杂的磁路关系，深度学习预测模型的预测精度依然很高，极大地缩短了电机的设计周期，节省了计算资源，同时也为电机设计研究学者提供了新的设计思路和方法。

图1 PMSM结构

图4 深度学习网络结构

结论

本文将人工智能深度学习算法应用于永磁同步电机齿槽转矩的预测中，选择了4输入、单输出的典型电机小样本案例，通过合理的建模策略完成了小数据深度学习算法的构建和案例验证。结果证明深度学习预测模型具有很高的预测精度，能够较为准确地表达永磁同步电机4个结构参数与齿槽转矩的复杂非线性关系。与电机设计的有限元分析方法互为验证，为传统的电机设计方法开辟蹊径，也为电机设计中的多输入、多输出问题奠定了基础。

传统的智能算法，如BP神经网络、RBF神经网络、SVM等方法，在输入输出数据较少的小数据中有较好的表现，而深度学习算法的多隐层结构和数据泛化能力在大数据上的性能一般强于输入输出较少的小数据样本，可满足多输入和多输出以及多约束条件的永磁同步电机设计，这也是作者的下一步工作。

进一步阅读，请点击左下角“阅读原文”，访问期刊官方网站，可下载全文PDF版。

电工技术学报

010-68595315（编辑）

010-68595056（编务）

010-68594867（订阅）

邮箱：dgjsxb@vip.126.com

电气技术

010-68595053（编辑）

010-68595026（编务）

010-68594867（订阅）

邮箱：dianqijishu@126.com

索取样刊

长按左侧二维码

索取《电气技术》样刊

宋政湘：智能电器的研究与发展

演讲人系西安交通大学电气工程学院教授

（本文根据“2015第二届轨道交通供电系统技术大会”演讲PPT编辑而成）

智能电器的研究背景及意义

1.智能电器的研究背景

数字化经济的发展和社会的需求，对电力能源的安全可靠、优质经济的要求越来越高。

为了发展清洁能源、应对气候变化、保障能源安全、促进经济增长，智能电网成为国际电力工业发展的新趋势。

近年来，我国智能电网建设加速发展，以及”物联网“、“大数据”和“能源互联网”等概念的兴起，进一步推动了智能电器的产业发展和技术革新。

2.智能电器的研究意义

智能电网技术的基本特征是信息化、自动化和和互动化，最终实现电力资源的优化配置。

智能电器是智能电网构成中非常重要的组成部分，为了适应智能电网的需要，同时也是电力设备自身性能提高的要求，发展智能电器成为必然。

智能电器就是将信息技术融合到传统电器之中，在开放和互联的信息模式基础上，进一步提高电器的性能指标以及自身的可靠性和安全性，为智能电网的运行控制提供更加完善和丰富的数字化信息，进而提高系统的整体性能。

智能电器的内涵和技术特征

1.智能电器的内涵

智能电器完成基本职能过程中的智能感知、判断与执行功能；智能电器的智能状态监测与寿命评估功能；智能电器具有交互和互动能力，运行过程中对电网和环境友好。

2.智能电器的主要技术特征

特征1：参量获取和处理数字化

智能电器能够实时地获取各种运行和状态参量并进行数字化处理、存储和传递，这其中包括电力系统运行和控制中需要获取的电压、电流等各种电参量，以及反映电力设备自身状态的各种电、热、磁、光、位移、速度、振动、放电等物理量。

特征2：自我监测与诊断能力

智能电器具有自我监测与诊断能力，可以随时监测各种涉及设备状况和安全运行所必须的物理量，同时对这些物理量进行计算和分析，掌握设备的运行状况以及故障点与发生原因，据此评估设备的劣化趋势和剩余寿命，并适时地进行预警。

特征3：自适应控制能力、决策优化

智能电器在智能感知基础上，采用优化控制技术，能够根据实际工作的环境与工况对其操作过程进行自适应调节，使得所实现的控制过程和状态是最优的，从而进一步提高电器自身的性能指标，并在很大程度上节约原材料和减少运行能耗。

特征4：信息交互能力、环境友好

智能电器具备数字化接口，其内部信息能够高效地进行传播与交互，实现信息高度共享，进而能够主动地与其他设备进行协调互动，实现系统整体优化。其在运行过程中，不产生影响智能电网稳定运行的干扰，设备的使用不影响自然环境。

智能电器关键技术的研究与进展

1.智能操作技术

（1）低压电器智能操作

利用电磁斥力提高开关电器刚分速度。斥力分闸永磁操作机构如图所示，依靠电磁斥力，可达到提高触头分闸速度、降低触头材料损耗的目的；在分闸末期时，工作气隙达到最大，电磁力降到最低，机械碰撞强度也达到最小，从而提高了操作机构的可靠性。

利用变电流实现吸力与反力特性配合。闭合阶段在线圈上通过较大电流，以产生较大的吸力，逐渐减小输入电压脉冲的占空比，使线圈中的电流逐渐减小；吸持阶段保持线圈电压较低，使电流维持在保持电流的水平。

（2）永磁操作技术

（3）高压电器智能操作

基于操作特性等因素对电器介质恢复过程的影响规律，采用不同的分闸速度特性和同步控制等方法，实现了高压电器的智能操作。

2.智能感知与诊断技术

（1）新型电流传感理论与技术

研究背景：线路电流的检测是电力系统运行状况监测的一项重要内容，更是各种继电保护设备赖以工作的基础；电力系统电流的测量具有一定的特殊性，通常被测对象的电压等级高、负载电流大，要求传感器的量程宽、测量精度高，且具有较快的动态跟踪能力；传统电流互感器的绝缘结构复杂、充油易爆炸、铁芯易饱和、体积大耗费材料多，存在明显的不足。

研究的三个阶段：单个磁传感器的输出与电流建立简单的对应关系；用尽可能多的磁传感器环绕于电流周围，应用安培环路定律建立磁场与电流的对应关系；用合理的传感器拓扑，通过对多传感器输出信息进行数据处理，在排除干扰的同时建立磁场与电流的对应关系。

研究内容：核心问题是不同的阵列拓扑下磁场与产生它的电流之间的映射关系，以及磁场－电流反演算法。

（2）绝缘状态感知

研制高精密交流泄漏电流传感器，该传感器对开关电器交流泄漏电流信号的提取精度达到1μA，测量范围达1μA-2mA。

（3）非接触温度测量

利用红外测温探头输出的电压信号与被测物体温度及环境温度之间的变化规律，研究环境温度补偿的关键技术，解决环境温度对被测物体温度输出信号的影响。

（4）主要现场信号分析

应用基于滑动时间窗的短时能量分析方法，研究了开关电器合闸同期性的检测方法。

研究基于人工神经网络的智能电器诊断方法。对传统RBF神经网络算法进行改进，并应用于智能电器的状态诊断。

3.智能电器的可重构设计技术

（1）智能电器专用集成电路可重构设计平台

基于智能电器的功能需求，建立智能电器通用拓扑结构，为智能电器的设计提供了系统解决方案。

开发基于智能电器专用集成电路的可重构设计平台，建立实现智能操作、状态检测、保护、自诊断等关键算法库，开发智能电器专用集成电路故障诊断测试系统。

软装配技术、可重构技术

目前成套电器生产为非标化生产，产品的设计和生产效率低；产品适应性差；产品功能集程度低。

“软装配”技术是一种利用计算机在线编程方法实现的标准化生产技术。它是成套电器在完成标准化硬件装配之后，实现不同功能要求的二次装配技术。

利用“软装配”技术生产成套电器时，设计、安装可按照统一规格进行，再利用计算机在现场编程方法在现场进行功能装配。标准化生产过程降低了成本，且能方便、灵活地实现各种功能。

（2）智能电器专用集成电路设计

根据任务性质，专用集成电路内部划分为四级空间、时间并行结构，正确的时空并行划分，有效地提高了系统数据处理能力。

专用集成电路内部由若干IP核构成，采用总线连接各个模块。基于IP的专用集成电路很大程度上减轻设计的复杂度和设计所需要的时间,片内总线使连接关系、数据组织更加规范。

（3）智能电器专用集成电路的应用

采用设计开发的专用集成电路开发了多种智能电器产品，包括中压继电保护单元、智能接触器等。

4.智能电器的电磁兼容

（1）研究背景

随着强电弱电系统一体化的趋势，在强、弱电系统共存的有限空间内，产生于一次回路切换操作的暂态干扰，一方面以传导形式的干扰作用于前端传感器，同时以电弧辐射源的近场耦合方式直接作用于弱电单元。

（2）研究思路

（3）研究内容

干扰源的测量研究：建立了简化的断路器分断过程试验电路，对分断过程中的高频暂态电流以及空间暂态电、磁场进行了实际测量，研究发现，电弧暂态过程的各电磁量频谱密切相关，且集中分布于若干主导频率。

信号完整性和电源完整性的建模研究：信号完整性和电源完整性是智能电器EMC性能分析中的核心问题。将实验测量技术应用于该问题的仿真建模，对关键信号连线进行仿真，避免智能电器关键连线被干扰。在电源完整性方面，通过测试与彷真计算找到最佳的解耦电容放置处，使电源网络的谐振区远离器件的工作频率。

5.新型储能技术研究

储能装置的接入对电网的影响主要包括以下几个方面：确保大电网的安全性和可靠性；提高新能源的上网比例和接入电网的安全性；削峰填谷；增加供电可靠性，提高电能质量。

（1）新型液态金属电池概述

目前没有一种储能方式能满足电力系统与应用所希望的大规模、高容量、低成本、长寿命的这一需求，液态金属电池具有目前其他储能技术无法比拟的优势。

高倍率、大电流充放电能力，超强的过载能力：实验室测试证明其可允许的充放电电流密度约为0.4~1.2A/cm2。具备了超强过载能力，过充过放能力强，超出电流范围不会对电池造成危害。

成本低：电池成本很低，非常适合电网储能的需要。

运行寿命长：实验室测试结果表明，在1000个循环内电池容量仅损失3%，以每日充放电一次（1循环）估算，电池约可稳定运行19年。

（2）新型液态金属电池概述

液态金属电池与其他储能技术相比的优缺点如下：

（3）目前研究工作进展

电池的原理研究和单体电池的制作：研究不同的金属组成，设计了液态金属电池，并完成了单体电池的制作。

单体电池的测试：对单体电池进行了充放电的测试和循环寿命测试，目前电池单体的额定电流为20A（可提高到50A），库仑效率超过95%，循环寿命已超过1000次,且电池的性能没有任何变化。

电池组的测试：电池组测试充放电效率95-99%，能量效率约为70%，已稳定运行200个循环。

充放电策略与实现技术：根据单体电池的性能，提出了一种恒流、恒压模式的充电策略，并开展了宽输入逆变器设计。

开展了液态金属电池参数在线监测理论与技术研究，研究设计并完成了电池的在线监测。

kW级储能演示系统的开发：完成了kW级演示储能系统的设计，包括电池组、控制管理单元、检测单元等。

（4）液态金属电池构建大规模储能系统设计方案

根据液态金属电池的电特性，设计了一种用来构建大规模储能系统的方案。

6.新型智能电器

（1）电弧故障断路器（AFCI）研究背景

电气火灾年均起数约占火灾年均总起数的26%，防止漏电或者电弧故障引起的火灾，引起人们日益重视；传统断路器不能保护家庭用电中的低压电弧故障，仅2~10A的电弧电流就可以产生2000~4000℃的局部高温，0.5A的电弧电流就足以引起火灾，这些小电流是不足以引起过流过载保护电路断开电路；必须对智能电器进行功能拓展，监测故障电弧，开发电弧故障断路器（AFCI）。

（2）国内外研究现状

美国在《国家电力规范（NEC）》210.12部分中增加了一款规定, 要求在家庭电路中安装AFCI，新增的这款规定自2002年生效；在AFCI研究方面GE公司，德州仪器公司，伊顿公司，法国施耐德公司、德国西门子公司进行较长时间的研究，并开发、生产了AFCI产品；在国内，对电弧检测和保护的研究相对起步较晚，无论是理论还是实际转换成的产品，都落后于国外。

（3）研究情况

设计低压故障电弧实验电路；检测并利用频谱、短时能量等数学手段分析故障电弧电流、电压信号以区别正常工作的电流、电压信号；开发新型保护设备—电弧故障断路器（AFCI）。

（4）网络对电器产生的影响（以高压电器为例）

网络化技术在智能化电器产品中的重要性：网络是构成电力自动化系统，实现“四遥”或“五遥”的基本环节和纽带；网络是电器智能化功能延伸的基础。

较为理想的网络要求是：采用对等方式组成网络，可方便实现各节点间的直接数据交换；有效数据的传递速度要大于1Mbps；传递延迟时间小于5ms；应采用短帧传输，最大传输数据量应加以限制；适应用电力系统数据频繁交换的特点。

目前由网络所能体现出的特有智能化功能还很少。

网络母线保护：母线差动保护的不足；可利用每一进出线设备上智能化电器测出的数据直接判定出故障所处位置，从而实现智能保护；网络功能的实现必须有一定高速、可靠的网络通信系统支持，它是形成网络功能的核心和基础；协议形式要简单化（元件多样）。

总结与展望

智能电器的发展趋势：

1）智能电器继续向高性能、小型化、智能化、高可靠、绿色环保、系列简洁方向发展，以更好适应智能电网的发展需要。

2）应用新型电力电子器件和超导新材料，开发电网友好、环境友好的智能电器，节约原材料和降低运行功耗，减少对环境的污染。

3）融合多种传感器技术，适应大数据时代的发展需求，实现运行状态的数据汇聚、发掘利用和信息资源共享，为用户提供双向互动服务。

4）产品设计模式从单个智能电器元件设计转变为从系统发展和功能融合角度去考虑构建智能电器系统，提供整体解决方案，实现全局优化。

5）面向可再生能源领域的需求，研发适用于分布式发电系统的潮流随机变动、特殊保护方式的专用新型智能电器。

随着二十余年的研究开发，智能电器已经在理论与关键技术的研究上取得长足的进步，并产生大量研究成果和众多的新型智能电器产品。

未来随着能源结构的调整和电网形式的不断变化，以及各种技术的快速进步，智能电器一定会在更大的领域和空间得到充分发展和应用。

技术论文｜基于 RBF 神经网络的机械设备油液质量检测方法研究

作者：覃 莉,谌海云,程 亮 (西南石油大学)

摘 要:针对传统机械设备油液质量检测方法检测周期长的问题,设计一个基于 RBF 神经网络的机械设备油液 质量检测方法。 利用原子发射光谱测量原理对油液预处理,并根据光吸收定律求得待测油液中元素含量,在此基础 上,根据 RBF 神经网络结构,计算油液样本密度指标,利用伪逆最小二乘法,求取 RBF 神经网络隐含层与输出层之间 的权值,最后构建油液质量的特征向量,以特征向量判断油液质量。 实验对比结果表明,在颗粒数量为 20 时,传统检 测方法与此次设计检测方法检测周期相差 5 min,但当颗粒为 60 时,此次设计的基于 RBF 神经网络的机械设备油液 质量检测方法检测周期为 5 min,传统检测方法检测周期为 30 min,比传统方法检测周期短 25 min,证明此次设计的 检测方法检测周期短,能够满足机械设备油液质量检测的实时性要求。

关键词:RBF 神经网络;机械设备;油液;质量;检测

文献引用

[1]覃莉,谌海云,程亮.基于RBF神经网络的机械设备油液质量检测方法研究[J].自动化与仪器仪表,2020(08):10-13.

（来源：自动化与仪器仪表 2020年第8期）