(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210700465.2 (22)申请日 2022.06.20 (71)申请人 嘉兴学院 地址 314051 浙江省嘉兴 市南湖区越秀 南 路56号 (72)发明人 刘春元　饶章宇　徐永锋　董睿　 彭珍　 (74)专利代理 机构 北京慕达星云知识产权代理 事务所 (特殊普通合伙) 11465 专利代理师 符继超 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于ADNN的永磁同步直线电机定位力计算 模型构建方法 (57)摘要 本发明提供了一种基于ADNN的永磁同步直 线电机定位力计算模型构建方法， 包括： 建立永 磁同步直线电机有限元模型， 输出不同电机结构 和其对应的定位力数据， 该数据作为样本库； 按 样本库规模初始化深度神经网络， 使用训练集训 练神经网络， 按提前终止法停止训练， 使用结构 自适应算法确定最佳模型结构， 重复训练模型， 最后得到k个模型； k个模型中验证集误差最小的 模型， 其超参数即为最佳模型超参数， 使用该超 参数初始化深度神经网络； 使用所有样本数据训 练最佳结构的深度神经网络， 即得到该永磁同步 直线电机的定位力计算模型。 本发 明通过模型的 自调整获得最佳计算模型， 进而计算电机的定位 力， 为后续的定位力优化提供即时的与精确的数 据支持。 权利要求书2页 说明书6页 附图4页 CN 115062513 A 2022.09.16 CN 115062513 A 1.一种基于ADNN的永磁同步直线电机定位力计算模型构建方法， 其特征在于， 包括如 下步骤： S1、 以永磁同步直线电机的多组结构参数组为输入构建永磁同步直线电机有限元模 型， 所述永磁同步直线电机有限元模型的输出为每组所述结构参数组相应仿真电机结构的 定位力组； S2、 以所述结构参数组为输入层数据， 相应的所述定位力组为输出层数据构建自适应 深度神经网络模型， 即ADN N， 不同结构参数组和其对应的定位力组数据作为样本库； S3、 所述样本库分出训练集和验证集， 所述训练集对ADNN模型进行训练， 采用提前终止 法停止训练， 并保存当前ADN N模型到列表model[]； S4、 根据当前ADNN模型的验证集决定系数， 判断是否对所述ADNN模型的隐层数和隐层 节点数进行调整， 并返回S3重新进行训练， 直至重新训练后的ADNN模型的验证集决定系数 满足要求进入S5； S5、 根据当前ADNN模型的验证集损失和前一次训 练的ADNN模型的验证集损失大小关 系， 对所述ADNN模 型的隐层数和或隐层节 点数进行调整， 并返回S3重新进 行训练， 或保存 前 一次训练的ADN N模型到列表Kmodel[]， 直至满足训练次数要求进入S6； S6、 选择所述列表Kmodel[ ]中超参数的损失最小的ADNN模型作为最佳ADNN模型， 使用 所述样本库所有样本数据训练最佳ADN N模型得到定位力快速计算模型。 2.根据权利要求1所述的基于ADNN的永磁同步直线电机定位力计算模型构建方法， 其 特征在于， 所述结构参数组包括： 极弧系数、 气隙、 背铁厚度、 永磁 体厚度和槽 宽。 3.根据权利要求1所述的基于ADNN的永磁同步直线电机定位力计算模型构建方法， 其 特征在于， 所述S1中： 设定永磁同步直线电机有限元模型求解器中输入的结构参数的取值范围和步长、 求解 器时间步长； 多个结构参数构 成结构参数组， 按正交组合的方式输出固定时长 中每组结构参数组每 个时刻的定位力大小。 4.根据权利要求1所述的基于ADNN的永磁同步直线电机定位力计算模型构建方法， 其 特征在于， 所述S2中还 包括： 对所述样本库进行 预处理的步骤： 对所述样本库中的样本数据进行归一 化处理， 然后对其进行乱序处 理。 5.根据权利要求1所述的基于ADNN的永磁同步直线电机定位力计算模型构建方法， 其 特征在于， 所述S2中构建自适应深度神经网络模 型包括： 初始化ADNN模 型结构为最小结构， 即隐层数h为2； 隐层节 点数n为样 本特征数， n的取值范围为[f,l]； f为每个结构参数 组中的 电机结构参数的个数， l 为样本标签数， 即定位力组的定位力数据个数。 6.根据权利要求1所述的基于ADNN的永磁同步直线电机定位力计算模型构建方法， 其 特征在于， 所述S3中： 采用提前终止法停止训练， 即当epoch达到设定值或验证集损失下降 趋势小于设定阈值时， 停止训练， 并保存当前ADN N模型到列表model[]。 7.根据权利要求5所述的基于ADNN的永磁同步直线电机定位力计算模型构建方法， 其 特征在于， 所述S4包括： 计算当前ADNN的验证集决定系 数R2， 若R2小于设定阈值， 则隐层数加一， 隐层节点数置 为f， 然后返回S3 重新进行训练； 若R2大于或等于设定阈值， 则进入S5 。权　利　要　求　书 1/2 页 2 CN 115062513 A 28.根据权利要求7所述的基于ADNN的永磁同步直线电机定位力计算模型构建方法， 其 特征在于， 所述S5包括： 判断当前ADNN模型的验证集损失model[ ‑1].loss和前一次训练的验证集损失model[ ‑ 2].loss的大小， 若model[ ‑1].loss比model[ ‑2].loss小， 则隐层节点数加 一， 然后返回S3重新进行训 练； 若model[ ‑1].loss比model[ ‑2].loss大， 则保存前一次ADNN模型model[ ‑2]到列表 Kmodel[]， 然后列表model[]置为空、 i加一， 当i≤k时返回S3继续执行， 否则进入6， 其中样 本库平均分成k份， 从1开始 依次标号， 编号 i初始值为1。 9.根据权利要求8所述的基于ADNN的永磁同步直线电机定位力计算模型构建方法， 其 特征在于， 若隐层节点数 大于其取值上限l时， 那么隐层数加一， 隐层节点数置为f。 10.根据权利要求1所述的基于ADNN的永磁同步直线电机定位力计算模型构建方法， 其 特征在于， 所述S6中， ADN N模型超参数包括隐层数h和隐层节点数n。权　利　要　求　书 2/2 页 3 CN 115062513 A 3