一种电机智能驱动优化方法及系统与流程

本发明涉及电机智能驱动优化领域，更具体地说，涉及所述一种电机智能驱动优化方法及系统。

背景技术：

1、随着工业自动化的快速发展，电机的智能化驱动需求不断增加。现有技术中，电机的驱动智能化低，无法根据电机数据和电机预测的状态对电机驱动进行智能化调节，自动化调节效率低，无法对电机的性能、寿命和故障进行针对性的驱动调节设置；为提高电机系统的性能、效率和可靠性，工业发展急需一种根据电机数据实时调节驱动级别的方法。

技术实现思路

1、本发明提供了一种电机智能驱动优化方法及系统，用以解决现有技术中，电机的驱动智能化低，无法根据电机数据和电机预测的状态对电机驱动进行智能化调节，自动化调节效率低，无法对电机的性能、寿命和故障进行针对性的驱动优化调节的问题。

2、本申请提出一种电机智能驱动优化方法及系统，所述方法包括：

3、s1.通过传感器组实时采集电机运行数据，获得电机数据，将所述电机数据发送至优化系统；

4、s2.优化系统通过收集电机各类数据训练三种预测模型；优化系统对所述电机数据进行预处理，获得预处理数据，通过预处理数据，分别对电机进行三种类型数据的预测，获得预测数据；

5、s3.计算预测数据与预设数据的差值，判断所述差值是否超过正常范围，根据判断结果决定是否发送反馈数据；

6、s4.优化系统通过预先设置的控制算法，根据反馈数据计算反馈调节数据，根据所述反馈调节数据进行电机驱动的优化调节；

7、s5.对电机数据和能源进行记录管理。

8、进一步地，所述s2包括：

9、优化系统收集电机数据作为原始数据，

10、对所述原始数据进行清洗和预处理，包括去除异常值、填补缺失数据，进行数据归一化和标准化；

11、对所述原始数据进行特征提取，获得特征提取数据；

12、将所述特征提取数据作为训练集，训练性能预测模型，通过所述性能预测模型预测电机性能数据；

13、将所述特征提取数据作为训练集，训练寿命预测模型，通过所述寿命预测模型预测电机寿命数据；

14、将所述特征提取数据作为训练集，训练故障预测模型，通过所述故障预测模型预测电机故障数据；

15、根据三个预测模型获得三种不同类别的预测数据。

16、进一步地，所述s3包括:

17、优化系统为电机设置预设数据，分别计算三种预测数据与预设数据之间的差值，设置差值阈值，当所述差值大于所述差值阈值时，控制器向优化系统发送反馈数据，当所述差值小于等于所述差值阈值时，控制器停止向优化系统发送反馈数据。

18、进一步地，所述差值阈值包括:

19、所述差值阈值的计算公式为：其中，为差值阈值，为预测数据中同一类型数据的历史数据最大值，为预测数据中所述同一类型的历史数据最小值，为调节系数。

20、进一步地，所述s4包括:

21、优化系统的控制器根据电机历史数据，设置控制算法；

22、当控制器接收到反馈数据时，通过控制算法利用所述反馈数据进行计算，获得反馈调节数据，控制器通过所述反馈调节数据对电机驱动进行优化调节；

23、优化系统定期对所述控制算法进行调试和优化，根据实际反馈数据进行调整。

24、进一步地，所述控制算法包括:

25、所述反馈调节数据的计算公式为：其中，为反馈调节数据，为第二调节系数，为预测数据，为预设数据，为差值与差值阈值的差值。

26、进一步地，所述控制器通过所述反馈调节数据对电机驱动进行优化调节包括：

27、分别对每种类型的预测数据和预设数据进行比较，当所述预测数据大于所述预设数据的1.25倍时，优化系统将当前同类型预设数据降低k值，将此种调节设置为一级驱动；

28、当所述预测数据小于预设数据的2/3时，优化系统将当前同类型预设数据升高k值，将此种调节设置为二级驱动；

29、当所述预测数据小于等于所述预设数据的1.25倍，且大于等于所述预设数据的2/3时，不进行调节，将此阶段设置为三级驱动。

30、进一步地，所述s5包括:

31、通过区块链记录电机各种信息，记录电机能源来源、使用情况和效率，利用智能合同，根据预先设定的规则自动调整能源的分配，并进行记录。

32、进一步地，所述系统包括数据采集模块，用于通过传感器组实时采集电机运行数据，获得电机数据，将所述电机数据发送至优化系统；

33、数据预测模块，用于使优化系统通过收集电机各类数据训练三种预测模型；优化系统对所述电机数据进行预处理，获得预处理数据，通过预处理数据，分别对电机进行三种类型数据的预测，获得预测数据；

34、判断模块，用于计算预测数据与预设数据的差值，判断所述差值是否超过正常范围，根据判断结果决定是否发送反馈数据；

35、计算模块，用于使优化系统通过预先设置的控制算法，根据反馈数据计算反馈调节数据，根据所述反馈调节数据进行电机驱动的优化调节；

36、记录模块，用于对电机数据和能源进行记录管理。

37、本发明有益效果：

38、本发明提出了一种电力数据中异常值的处理方法及系统，通过传感器组实时监测电机的运行状态和性能参数，可以及时获取电机的运行数据。将采集到的电机数据通过数据传输方式发送到优化系统中，方便对数据进行处理和分析。优化系统对电机数据进行预处理，然后通过收集电机各类数据训练三种预测模型，为后续的数据预测提供支持。通过预处理后的数据，利用训练好的预测模型对电机进行三种类型数据的预测，并计算预测数据与预设数据的差值，判断差值是否超过正常范围，以判断电机的运行状态。如果差值超过正常范围，优化系统会发送反馈数据，根据预先设置的控制算法计算反馈调节数据，用来进行电机驱动的优化调节，在节约能耗的同时控制电机的性能，保证电机的正常运行。对电机数据和能源进行记录管理，方便后续的数据分析和故障排除。可以实时监测电机运行状态，及时发现和解决潜在问题，确保电机的性能和稳定性。

技术特征：

1.一种电机智能驱动优化方法，其特征在于，所述方法包括：

2.根据权利要求1所述一种电机智能驱动优化方法，其特征在于，所述s2包括：

3.根据权利要求1所述一种电机智能驱动优化方法，其特征在于，所述s3包括:

4.根据权利要求3所述一种电机智能驱动优化方法，其特征在于，所述差值阈值包括:

5.根据权利要求1所述一种电机智能驱动优化方法，其特征在于，所述s4包括:

6.根据权利要求5所述一种电机智能驱动优化方法，其特征在于，所述控制算法包括:

7.根据权利要求5所述一种电机智能驱动优化方法，其特征在于，所述控制器通过所述反馈调节数据对电机驱动进行优化调节包括：

8.根据权利要求1所述一种电机智能驱动优化方法，其特征在于，所述s5包括:

9.一种电机智能驱动优化系统，其特征在于,所述系统包括：

技术总结
本发明公开了一种电机智能驱动优化方法及系统，通过传感器组实时采集电机运行数据，将所述电机数据发送至优化系统；优化系统训练三种预测模型；优化系统对所述电机数据进行预处理，获得预处理数据，分别对电机进行三种类型数据的预测，获得预测数据；计算预测数据与预设数据的差值，判断所述差值是否超过正常范围，根据判断结果决定是否发送反馈数据；优化系统通过控制算法，根据反馈数据计算反馈调节数据，根据所述反馈调节数据进行电机驱动的优化调节；本发明通过根据预先设置的控制算法计算反馈调节数据，用来进行电机驱动的优化调节，在节约能耗的同时控制电机的性能，保证电机的正常运行，大提高了电机驱动的智能化和灵活性。

技术研发人员：周志亮,卢胜涛
受保护的技术使用者：默拓（江苏）电气驱动技术有限公司
技术研发日：
技术公布日：2024/1/15