摘要
本发明公开了一种神经网络模型的训练方法、洗衣机及控制方法,神经网络模型训练方法:将数据集中的电流转换为q轴电流和d轴电流;分别进行FFT变换,得到电流频谱;确定电机转速,计算电机机械旋转频率,提取电流频谱中1倍频率和2倍频率的谐波幅值;以提取的谐波幅值和电机转速作为神经网络模型的输入,神经网络模型的输出包括重量、偏心及对角偏心;以神经网络模型输出的偏心、对角偏心及重量与相应的实际值对模型进行训练。通过电流频谱中1倍和2倍频率的谐波幅值,对模型进行训练,得到的模型可以对偏心及对角偏心进行预测。同时,采用提取的谐波幅值比直接使用电流的变化特征明显,更易于模型的训练,提高模型输出的精确度。
技术关键词
神经网络模型
偏心
电流
谐波幅值
电机
滑动窗口
频率
滚筒洗衣机
样本
数据
机械
节点
电压
信号
代表
系统为您推荐了相关专利信息
新能源电机
智能热管理
分析组件
热交换
属性分类器
间隙调节组件
俯仰机构
活塞套
传动臂
距离传感器
T形轨道
变轨系统
巡检机器人
变轨方法
轨道稳定
高频行波电流
故障识别方法
信号特征提取
工频电场
监测终端
学习注意力评估
卷积神经网络模型
人脸特征
图像
在线