一种基于梯度提升决策树算法的PMSM的智能调速方法

本发明涉及pmsm的调速领域，更具体的说是一种基于梯度提升决策树算法(gradient boosting decision tree，gbdt)的pmsm永磁同步电机的智能调速方法。

背景技术：

1、现如今煤炭资源在我国能源中仍然占据重要地位，我国带式输送机步入了高速发展阶段。随着近些年煤炭的需求量不断增大，为满足需求，需要提升井下煤炭的开采量和开采效率，因煤炭带式输送系统可高达上千米，所要求的电机性能极高。与传统电机相比，永磁同步电机启动转矩大，可以较好的解决长距离、大运量带式输送机的多驱功率平衡问题。由于煤矿带式输送机在运转过程中煤量较少或空载时，减少的运转效率，导致大量电能的浪费，长时间的运转会减少设备零件如托辊、滚筒的实际寿命，皮带磨损损耗增大，增加维修与更换成本,具有一定局限性。因此，根据上述技术问题，在实际操作中需要一种节能减排的控制方法来控制电机运转速度。

技术实现思路

1、本发明的目的是提供一种gbdt算法来智能控制pmsm速度的方法。

2、为了实现上述问题，本发明采用了以下步骤：

3、s1：构建多维数据库，包含pmsm工作参数、运煤环境、煤炭参数，通过压力等传感器检测和采集数据并对数据进行处理；

4、s2：基于多维数据库，建立gbdt模型，训练带式输送机参数、煤炭参数与pmsm转速之间的关系；

5、s3：将检测的数据赋值给gbdt模型，预测出符合当前工况的最佳转速；

6、s4：根据gbdt的预测，自动将结果带入pmsm转动速度，并设置安全速度阈值，防止损伤机器；

7、s5：基于gbdt算法的智能调速系统自动化结果，不断从学习、模型训练中迭代。

8、优选地，步骤s1中，通过采集pmsm的转子扭矩、旋转磁场、煤流等参数，利用plc读取pmsm上位机的参数建立pmsm永磁电机与煤流参数的数据库，进行收集数据，筛选数据，标记数据，数据转换，存储数据操作。

9、优选地，在步骤s2和步骤s3中，通过转子扭矩、旋转磁场、煤流等特征建立第一个gbdt算法模型，预测的永磁同步电机转速与实际转速之差为残差；以此建立第二个gbdt算法模型，以第一个模型的残差为原始数据，将第二个模型得到的模拟值进行拟合，得到第三个模型，最终的预测电机转速为前三次模型的总和。

10、优选地，在步骤s3中，在对pmsm转速的预测时，可以添加多个模型进行模拟。

11、优选地，在步骤s4中，本发明的智能调速系统会根据带式输送机的实际工况实时调节速度安全阈值，当预测结果超出阈值时，结果无效。

12、优选地，在步骤s5中，通过plc在pmsm不断运行过程中，实时采集pmsm的数据并进行不断的数据更新数据库中的数据，通过留一法交叉验证对gbdt模型的参数进行优化，反复操作减小预测转速值与实际转速值的误差。

13、本发明有益效果在于：

14、1.本发明实时采集现场工况数据参数并储存于总数据库中，基于gbdt算法模型，实时更新pmsm最佳转速，通过plc控制系统进行智能调速，极大地增加了pmsm的工作效率。

15、2.本发明通过pmsm上位机和plc连接，设置速度安全阈值，实时预测并导入预测最佳转速，实现闭环系统；并且能通过各种输送机工况来调整参数，有效的提高了输送过程中的安全性和可靠性。

16、3.本发明基于plc对pmsm以及带式输送机各传感器上传的数据进行对pmsm速度的智能调控，极大地减少了人力。

技术特征：

1.一种基于梯度提升决策树算法的pmsm的智能调速方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于梯度提升决策树算法的pmsm的智能调速方法，其特征在于：步骤s1中，通过采集pmsm的转子扭矩、旋转磁场、煤流等参数，利用plc读取pmsm上位机的参数建立pmsm永磁电机与煤流参数的数据库，进行收集数据，筛选数据，标记数据，数据转换，存储数据操作。

3.根据权利要求1所述的一种基于梯度提升决策树算法的pmsm的智能调速方法，其特征在于：步骤s2和步骤s3中，通过转子转速、旋转磁场、煤流建立第一个gbdt算法模型，预测的永磁同步电机转速与实际转速之差为残差；以此建立第二个gbdt算法模型，以第一个模型的残差为原始数据，将第二个模型得到的模拟值进行拟合，得到第三个模型，最终的预测电机转速为前三次模型的总和。

4.根据权利要求3所述的一种基于梯度提升决策树算法的pmsm的智能调速方法，其特征在于：在对pmsm转速的预测时，可以添加多个模型进行模拟。

5.根据权利要求4所述的一种基于梯度提升决策树算法的pmsm的智能调速方法，其特征在于：本发明的智能调速系统会根据带式输送机的实际工况实时调节速度安全阈值，当预测结果超出阈值时，结果无效。

6.根据权利要求1所述的一种基于梯度提升决策树算法的pmsm的智能调速方法，其特征在于：步骤s5中，通过plc在pmsm不断运行过程中，实时采集pmsm的数据并不断更新数据库中的数据，通过留一法交叉验证对gbdt模型的参数进行优化，反复操作减小预测转速值与实际转速值的误差。

技术总结本发明涉及到PMSM的调速领域，更具体的说是一种基于梯度提升决策树算法(Gradient Boosting Decision Tree，GBDT)的PMSM永磁同步电机的智能调速方法，包括以下步骤：S1：构建多维数据库，包含PMSM工作参数、运煤环境、煤炭参数，通过压力等传感器检测和采集数据并对数据进行处理；S2：基于数据库，建立GBDT模型，训练带式输送机参数、煤炭参数与PMSM转速之间的关系；S3：将检测的数据赋值给GBDT模型，预测出符合当前工况的最佳转速；S4：根据GBDT的预测，自动将结果带入PMSM转动速度，并设置安全速度阈值，防止损伤机器；S5：基于GBDT算法的智能调速系统自动优化结果，不断从学习、模型训练中迭代。本发明能有效地增加PMSM工作效率并且提高了输送过程中的安全性和可靠性。技术研发人员：胡坤,张乐,韩信,李佳,孙杰,孙亚伟,吕梦潇受保护的技术使用者：安徽理工大学技术研发日：技术公布日：2024/8/20