典型文献
基于特征迁移的永磁同步电机性能预测
文献摘要：
为解决电工装备在日趋复杂应用环境下的性能分析与优化问题,通过挖掘设计、生产和性能历史数据,学习得到并应用隐含在产品和工艺技术中的数据特征和知识经验,是基于数据驱动的电工装备性能分析与优化的重要研究内容.因此提出一种智能自学习新方法,利用历史电机数据中学习知识和特征,迁移应用到新电机的性能分析中,通过领域自适应算法中的特征迁移,提取源域和目标域的特征到公共空间,然后对提取的特征进行对齐,使用历史电机样本数据建立的预测模型,用于新电机的性能预测中.实验表明,在不同的数据集上,电机齿槽转矩的预测精确度分别提高了64％和80％,电机效率的预测精确度分别提高了69％和82％,为电工装备的智能设计与优化提供了新的思路和方法.
文献关键词：
永磁同步电机;深度学习;自学习;特征迁移;长短期记忆网络;注意力机制
中图分类号：
作者姓名：
金亮;杨柳;王艳阳
作者机构：
河北工业大学 省部共建电工装备可靠性与智能化国家重点实验室,天津300130;天津工业大学 天津市电工电能新技术重点实验室,天津300387
文献出处：
引用格式：
[1]金亮;杨柳;王艳阳-.基于特征迁移的永磁同步电机性能预测)[J].电机与控制学报,2022(03):117-126
A类：
B类：
特征迁移,永磁同步电机,电机性能,性能预测,电工装备,应用环境,优化问题,历史数据,习得,工艺技术,数据特征,知识经验,装备性能,自学习,学习知识,迁移应用,领域自适应,自适应算法,源域,目标域,征到,公共空间,对齐,使用历史,齿槽转矩,预测精确度,电机效率,智能设计,设计与优化,思路和方法,长短期记忆网络,注意力机制
AB值：
0.396604
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
