基于自动辨识运行模式的人工智能电机控制系统的制作方法

本发明涉及电机控制系统，具体为基于自动辨识运行模式的人工智能电机控制系统。

背景技术：

1、随着人们生活水平以及科技的提高，人们也越来越注重生活品质了，各种智能化电器、智能家居产品走进了普通人们的家庭生活中。而各类电器的运行离不开大大小小的电机驱动，因此对于电器的智能控制即为对电机的控制，因此电机控制系统的研究得到很大的进步。

2、经检索，中国专利授权号为cn 214751471 u的专利，公开了一种智能电机控制系统，包括mcu控制器、电机、传感器模块、通讯模块和远程控制模块；所述mcu控制器通过驱动电路与所述电机相连接用于驱动并调控所述电机；所述通讯模块与所述mcu控制器通讯连接用于传递信号；所述远程控制模块通过所述通讯模块与所述mcu控制器通讯连接，所述传感器模块给所述mcu控制器传递不同的传感器信号。

3、上述专利中的一种智能电机控制系统存在以下不足：难以有效提取代表运行模式的特征，无法高效获取充足的标记样本来训练复杂模型，并且无法设计模型在线学习过程以适应模式变化，识别结果的误差可能影响到电机的安全运行，为此，需要设计相应的技术方案给予解决。

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，本发明提供了基于自动辨识运行模式的人工智能电机控制系统，解决了难以有效提取代表运行模式的特征，无法高效获取充足的标记样本来训练复杂模型，并且无法设计模型在线学习过程以适应模式变化，识别结果的误差可能影响到电机的安全运行的技术问题。

3、（二）技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：基于自动辨识运行模式的人工智能电机控制系统，包括运行状态和负载模式，所述运行状态和负载模式通过构建模态识别模型自动实时判断，所述模态识别模型采用深度神经网络结构，通过标定数据训练学习电机各运行模式的特征；

5、所述数据包括但不限于电压、电流、振动和声音；

6、所述电机的运行模式包括但不限于空载运行模式、额定负载运行模式、过载运行模式、欠压运行模式、缺相运行模式、失速运行模式、加速运行模式、开转模式、正常启动模式和阻尼震荡模式；

7、所述各运行模式的特征包括但不限于电流幅值、谐波成分和稳态误差；

8、所述模态识别模型包括有传感器模块、控制模块和执行模块，所述传感器模块用于实时获取电机运行状态相关的参数，所述控制模块用于接收传感器模块传来的参数，并根据预设的运行模式进行运算和分析，以辨识当前电机的运行模式，所述执行模块用于根据控制模块辨识的运行模式，自动调整电机的控制策略，以达到最佳运行效果。

9、优选的，所述深度神经网络结构构建包含输入层、多个隐藏层和输出层的前馈或循环神经网络，通过调节网络层数、节点个数实现模型参数的调整，深度网络可学习数据的深层特征。

10、优选的，所述传感器模块包括速度传感器、电流传感器、温度传感器、位置传感器、力传感器、卡盘传感器、电压传感器、气压传感器、振动传感器、声音传感器、滑动传感器、加速度传感器和湿度传感器。

11、优选的，所述执行模块根据控制模块辨识的运行模式，自动调整电机的转速、功率输出、故障保护策略、电流调节、功率因数校正、滑差调整、电压调节、振动控制、润滑控制、加速/减速控制和防警报，以确保电机的安全稳定运行。

12、优选的，所述人工智能电机控制系统还包括有用户界面模块，所述用户界面模块用于显示电机的运行状态和调整运行模式的参数设置，实现用户与控制系统的交互。

13、优选的，所述人工智能电机控制系统与用户界面模块连接包括有通过局域网或以太网与控制系统服务器连接、通过硬件接口直接与控制系统主机连接、通过wi-fi/4g（5g）模块与云端控制系统连接、采用移动端app通过给控制系统添加网络功能进行连接和通过机器视觉系统得到电机实时图像，在pc/手机端展现。

14、优选的，所述各运行模式的特征还包括有转速和转矩数据、机械声音成分、总平均波形、激振震颤程度、功率因数和调整参数、温度变化趋势、传动系统特征量、润滑系统数据和负载类型特征参数。

15、优选的，所述数据还包括有电机机械臂动作数据、红外热像数据、速度数据、机械声/电流频率谱数据、图像视觉数据、润滑油微粒检测数据、加速计数据、裂纹检测声数据和变压器气体分析数据。

16、优选的，所述负载模式包括有恒定负载、临时性负载、不稳定负载、偏心负载、溅射负载、阻尼负载、重力负载、侧载负载和多点负载。

17、（三）有益效果

18、与现有技术相比，本发明的有益效果：可广泛应用于各种电机领域，包括但不限于电动车辆、工业生产设备、家用电器等，自动调整电机控制策略时，可根据电机的实时运行情况实时优化控制策略，以进一步提高电机的运行效率和稳定性；

19、能够识别更多类运行模式，综合多源数据中自动学习特征，不需要依赖人工设定，识别能力更强，架构更合理紧凑，识别结果可以作为控制反馈，模型与执行模块联合优化，实现智能控制，提高电机在变负载下的适应能力，识别异常早期就能修正，延长电机使用寿命，降低维护成本，实现远程智能监控和配置，为集群化和大规模应用奠定基础，学习新型故障后的学习能力更强，识别难点更多，算法流式学习能力，适应电机性能的持续演进，可集成其他先进技术如多元感知，实现全面智能诊断。

技术特征：

1.基于自动辨识运行模式的人工智能电机控制系统，包括运行状态和负载模式，其特征在于：所述运行状态和负载模式通过构建模态识别模型自动实时判断，所述模态识别模型采用深度神经网络结构，通过标定数据训练学习电机各运行模式的特征；

2.根据权利要求1所述的基于自动辨识运行模式的人工智能电机控制系统，其特征在于：所述深度神经网络结构构建包含输入层、多个隐藏层和输出层的前馈或循环神经网络，通过调节网络层数、节点个数实现模型参数的调整，深度网络可学习数据的深层特征。

3.根据权利要求1所述的基于自动辨识运行模式的人工智能电机控制系统，其特征在于：所述传感器模块包括速度传感器、电流传感器、温度传感器、位置传感器、力传感器、卡盘传感器、电压传感器、气压传感器、振动传感器、声音传感器、滑动传感器、加速度传感器和湿度传感器。

4.根据权利要求1所述的基于自动辨识运行模式的人工智能电机控制系统，其特征在于：所述执行模块根据控制模块辨识的运行模式，自动调整电机的转速、功率输出、故障保护策略、电流调节、功率因数校正、滑差调整、电压调节、振动控制、润滑控制、加速/减速控制和防警报，以确保电机的安全稳定运行。

5.根据权利要求1所述的基于自动辨识运行模式的人工智能电机控制系统，其特征在于：所述人工智能电机控制系统还包括有用户界面模块，所述用户界面模块用于显示电机的运行状态和调整运行模式的参数设置，实现用户与控制系统的交互。

6.根据权利要求5所述的基于自动辨识运行模式的人工智能电机控制系统，其特征在于：所述人工智能电机控制系统与用户界面模块连接包括有通过局域网或以太网与控制系统服务器连接、通过硬件接口直接与控制系统主机连接、通过wi-fi/4g/5g模块与云端控制系统连接、采用移动端app通过给控制系统添加网络功能进行连接和通过机器视觉系统得到电机实时图像，在pc/手机端展现。

7.根据权利要求1所述的基于自动辨识运行模式的人工智能电机控制系统，其特征在于：所述各运行模式的特征还包括有转速和转矩数据、机械声音成分、总平均波形、激振震颤程度、功率因数和调整参数、温度变化趋势、传动系统特征量、润滑系统数据和负载类型特征参数。

8.根据权利要求1所述的基于自动辨识运行模式的人工智能电机控制系统，其特征在于：所述数据还包括有电机机械臂动作数据、红外热像数据、速度数据、机械声/电流频率谱数据、图像视觉数据、润滑油微粒检测数据、加速计数据、裂纹检测声数据和变压器气体分析数据。

9.根据权利要求1所述的基于自动辨识运行模式的人工智能电机控制系统，其特征在于：所述负载模式包括有恒定负载、临时性负载、不稳定负载、偏心负载、溅射负载、阻尼负载、重力负载、侧载负载和多点负载。

技术总结
本发明涉及电机控制系统技术领域，公开了基于自动辨识运行模式的人工智能电机控制系统，运行状态和负载模式通过构建模态识别模型自动实时判断，模态识别模型采用深度神经网络结构，通过标定数据训练学习电机各运行模式的特征；数据包括但不限于电压、电流、振动和声音；电机的运行模式包括但不限于空载运行模式、额定负载运行模式、过载运行模式、欠压运行模式、缺相运行模式、失速运行模式、正常启动模式和阻尼震荡模式；各运行模式的特征包括但不限于电流幅值、谐波成分和稳态误差；模态识别模型包括有传感器模块、控制模块和执行模块。广泛应用于各种电机，根据电机的实时运行情况实时优化控制策略，以提高电机的运行效率和稳定性。

技术研发人员：包宇明,李学浩
受保护的技术使用者：无锡市中远工业自动化有限公司
技术研发日：
技术公布日：2024/1/15