[发明专利]一种电机温升预测方法

权利要求书

1.一种电机温升预测方法，其特征在于，包括以下步骤：

S1过滤数据噪声以得到准确电机数据；

S2处理电机数据并划分训练集和测试集；

S3搭建CNN-LSTM-attention模型；

S4添加池化层和dropout降低数据量并避免过拟合；

S5添加attention以提升模型的预测效果；

S6将数据输入LSTM层学习温升数据的时间关系并预测。

2.根据权利要求1所述的一种电机温升预测方法，其特征在于，所述步骤S1具体包括：

S1.1采集电机线圈温升数据；

S1.2使用小波分层与重构技术过滤高频噪声；

S1.3使用卡尔曼滤波过滤传感器自身的低频噪音。

3.根据权利要求1所述的一种电机温升预测方法，其特征在于，所述步骤S1.2使用小波分层与重构技术过滤高频噪声具体包括：

对于任意连续函数信号f(t)的小波变换定义为：

的傅里叶变换为

为小波基函数，小波变换包括两个变量：尺度a和平移量τ，尺度a控制小波函数的伸缩，平移量τ控制小波函数的平移，尺度与频率成反比，平移量τ对应时间。

进行Mallat塔式分解算法

对于任意一个函数f(t)∈X，首先对函数进行分解，得到细节部分cd₁，近似部分记为ca₁，然后进一步分解ca₁，并重复上述过程，对信号进行分解与重构，去掉高频部分噪声，重构出信号的趋势。

4.根据权利要求2所述的一种电机温升预测方法，其特征在于，所述步骤S1.3使用卡尔曼滤波过滤传感器自身的低频噪音具体包括：

其状态方程与观测方程分别为：

X_k＝C_k/k-1X_k+W_k-1(k＝1，2，...)

Y_k＝M_kX_k+V_k(k＝1，2，...)

其中，X_k，Y_k分别为t_k时刻的状态矢量与观测矢量；C_k/k-1为从t_k-1时刻到t_k时刻的状态转移矩阵；M_k为观测矩阵；W_k-1，V_k分别为系统噪声矢量与观测噪声矢量；

设定

其中，Q_k，R_k分别为系统噪声方差矩阵和观测噪声方差矩阵；δ_kj为狄拉克函数，当k＝j时，δ_kj＝1，否则δ_kj＝0；E为数学期望，C_ov为协方差；

若t_k时刻的观测量Y_k已知，根据随机离散系统的卡尔曼递推公式得到对X_k的最优估计进行递推计算：

其中

P_k＝(I-K_kM_k)P_k/k-1

其中，为t_k-1时刻到t_k时刻的一步估计值；K_k为t_k的卡尔曼增益矩阵；P_k为t_k的状态估计误差协方差矩阵；P_k/k-1为t_k-1时刻到t_k时刻的一步估计误差协方差矩阵。