摘要
本发明涉及一种低压大功率三相异步感应电机控制方法,特别是一种基于粒子群优化支持向量机的电阻热漂移的预测方法。本发明通过对一台18kW感应电机不同相位的温度和电阻热偏移数据进行收集与分析,建立粒子群算法(PSO)优化支持向量机(SVM)模型,以预测电机因热能产生而导致的电阻热漂移。实验验证表明,本发明能有效地预测感应电机电阻的热漂移,提升了预测精度,从而可提高电机控制的稳定性和精度,并为解决电机定子电阻热漂移问题提供了有效的参考模型和解决方案。
技术关键词
支持向量机预测模型
径向基核函数
训练集数据
电机定子电阻
优化支持向量机
因子
异步感应电机
电机定子线圈
支持向量机模型
低压大功率
样本
预测电机
数据采集系统
温度传感器
粒子群算法
测试电机
系统为您推荐了相关专利信息
光纤
异常检测方法
布里渊散射谱
BOTDR系统
重建误差
超参数
GRU神经网络
曲线
建立预测模型
门控循环神经网络
多任务学习模型
皮尔逊相关系数
注意力机制
健康状态数据
预测输出值
岩心渗透率
非常规油气藏
测试方法
岩心特征
效应
风险
克里金插值算法
生成对抗网络
油气
时空卷积神经网络