基于informer的永磁同步电机参数辨识

摘要：

永磁同步电机(PMSM)因其优秀的性能在工业领域有广泛的应用,其控制精度受电机的各种参数影响.随着近几年深度学习的大热,选用了一种基于Informer的辨识方法,并且与现有主流的预测模型LSTM,GRU,SAE进行对比.Informer是由编码器(Encoder)和解码器(Decoder)构成,编码器主要由自注意力蒸馏组成,编码器结构与Transformer编码器结构相同.LSTM能有效地缓解RNN模型在处理远距离输入和输出时的相关性逐渐减弱问题,使得远距离节点的参数能够更好地进行学习.GRU比LSTM具有更简单的结构,GRU的更新门合并了LSTM的遗忘门和输入门,使得模型更易于训练和调整.SAE中以通过多层的编码器和解码器结构,学习输入数据的多维特征.每一层的编码器可以捕捉输入数据的不同层次的抽象特征,有助于拟合复杂的非线性函数.数据集来源于 2000 次的Simulink仿真,总共 2000 条序列.通过多次实验,Informer预测d轴电感Ld和q轴电感Lq的准确率分别达到了 91.6%和 97.3%,此外,在MAE、MSE和RMSE这三个评价指标下,Informer模型展现出比LSTM、GRU和SAE模型更优秀的预测效果.

关键词：永磁同步电机、Informer、参数辨识

分类号：TM341(电机)

在线出版日期：2023-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：77-79