摘要
本发明公开了一种基于机器学习的电机电磁性能预测方法及系统,方法包括电磁性能指标数据收集、数据预处理、磁通密度预测、电机损耗预测和电机电磁性能预测。本发明涉及电磁性能预测技术领域,具体是指一种基于机器学习的电机电磁性能预测方法及系统,本方案采用结合磁通密度预测和电机损耗预测的方法进行电机电磁性能预测;采用结合信号升维转化和传感位置优化计算的卷积长短期网络进行磁通密度预测,优化了对多种类型特征的整体处理;采用结合多目标优化参数和快速傅里叶变换的图神经网络,进行电机损耗预测,提高了电机电磁性能预测流程可靠性和整体泛用性。
技术关键词
性能预测方法
性能指标数据
电磁
磁通
预测模型训练
注意力
电机
损耗
传感
密度
模糊综合评价法
性能预测系统
频域特征提取
信号特征提取
记忆
时序特征
性能预测技术
系统为您推荐了相关专利信息
区域分割方法
电磁仿真
高频近似法
多尺度
交叉验证方法
多天线技术
干扰识别模型
卫星导航通信系统
波束赋形算法
信号