一种基于深度生成对抗网络算法的模拟电机能效检测系统的制作方法

1.本发明涉及电机能效检测领域，具体地说，涉及一种基于深度生成对抗网络算法的模拟电机能效检测系统。


背景技术：

2.目前能源问题日渐紧张，气候问题越来越被我们所重视，已经成为了世界各国关注的重点。节能减排是一个重要的方向，电机在各种设备中运用广泛，用电量占总用电量的大部分，但目前来说电机的运行效率较低，所以提高电机的运行效率是节能减排的重中之重。电机运行效率低电机本身的问题较大，但也有更主要的使用问题，包括负载率低，电机使用年限长。要采取适当的方法提高电机的运行效率，为了实现这一目标，我们首先需要能在不影响电机的正常工作的情况下，快速准确的检测出电机的实际运行效率。传统的检测方法在现场很难完成，需要长时间的进行电机数据的收集，所以需要一种操作简单的检测方法，本发明提供的一种基于深度生成对抗网络算法的模拟电机能效检测系统，能够在现场，通过收集少量的电机运行数据，通过深度生成对抗网络算法，模拟电机实际运行情况，进而计算出电机的实际运行效率，对于节能减排的目标有较大的突破。


技术实现要素：

3.本发明的目的在于提供一种基于深度生成对抗网络算法的模拟电机能效检测系统，以解决上述背景技术中提出的问题。
4.为实现上述目的，提出了.一种基于深度生成对抗网络算法的模拟电机能效检测系统，包括电机参数收集模块、电机能效分析模块、可视化模拟输出模块；首先在电机参数收集模块中，进行电机运行参数的识别和提取；对采集的电机运行参数进行滤波，过滤筛选噪声数据和干扰数据；其次，在电机能效分析模块，通过电机运行参数，采用改进的对抗网络算法，构建模拟电机运行模型，并且分析电机运行常见损耗；在可视化模拟输出模块，通过模拟电机运行模型和电机损耗，形成模拟电机可视化运行窗口，输出电机运行能效检测报告。
5.进一步的，所述电机参数收集模块，对电机的运行参数进行分析和处理，识别和提取电机运行情况下的特征参数，提供有关电机性能和能效的重要信息，包括电流、电压、转速、电场、磁场、温度、振动。
6.进一步的，所述电机参数收集模块，采用基于时域分析法的中值滤波法，对识别提取到的电机运行参数进行过滤处理，详细过程如下：对收集的第种电机工作数据表示为，表示为第1时刻、第2时刻、第i时刻、第n时刻的数据，对数据进行频域分析，设置转化系数向量，表示第1时刻，第2时刻、第i
时刻、第n时刻的转化系数，构建转换方程，公式如下：
[0007][0008]
表示数据的转化数据，表示第i-1时刻的数据、表示i+1时刻的数据，表示、第i-1时刻、第i+1时刻的转化系数，对转化方程进行离散化，得到频域响应，公式如下：
[0009][0010]
j表示虚数单位，表示频率，为复数单位，通过频域响应对转化系数进行修正，得到效果最好的转化系数矩阵，再设计过滤数据窗口为k，对转化数据进行中值操作，公式如下：
[0011][0012]
表示数据的中值过滤值，表示数据的转化数据，表示数据的转化系数，表示中值函数。本发明通过改进的中值过滤算法，提高了数据过滤的质量，有利于后续在电机工作模型参数生成时，提高参数生成的质量。
[0013]
进一步的，所述电机能效分析模块，采用改进的对抗网络算法通过电机参数收集模块过滤处理后的电机运行数据，构建模拟电机运行模型，提出anfis-lf算法对电机数据的复杂特性和非线性关系进行学习，并对电机的设计和运行参数进行优化，首先将对抗网络算法分为生成模型和判断模型，具体如下：在生成模型中的生成器网络，通过函数生成与真实数据相似分布的虚拟数据，分别表示第1个、第2个、第r个、第r个真实数据，分别表示第1个、第2个、第f个、第f个虚拟数据，其中r=f，生成器网络生成的虚拟数据通过判断模型中的判断器网络进行判断，定义虚拟数据判断函数，公式如下：
[0014][0015]
表示虚拟数据的判断函数值，表示第f个真实数据，再定义生成器损失函数，公式如下：
[0016][0017]
表示虚拟数据的损失函数值，计算真实数据判断函数，公式如下：
[0018][0019]
表示真实数据的判断函数值，表示第r个虚拟数据，计算判别器损失函
数，公式如下：
[0020][0021]
通过交叉熵，判断虚拟数据与真实数据分布的相似性，公式如下：
[0022][0023]
结合判别器函数，计算数据之间的二分类交叉熵，公式如下：
[0024][0025]
定义判别器损失函数参数和生成器损失函数参数，表示为、，进行目标优化函数的构建，函数公式如下：
[0026][0027]
表示判别器损失函数参数，表示生成器损失函数参数，不断进行数据生成和参数优化迭代，当目标函数达到最小值时，即判断器网络不能分别真实数据和虚拟数据时，模型训练完成，在电机能效检测中，只需短时间的收集电机参数，就可以通过电机运行模型进行电机工作参数数据的自动生成，利用生成的数据进行电机能效的计算。
[0028]
然后提出anfis-lf算法对电机数据的复杂特性和非线性关系进行学习，并对电机的设计和运行参数进行优化以找到电机最优的工作点，达到电机的最佳能效，具体如下：anfis-lf算法首先将经典神经网络加入模糊系统进行改进，提出径向基函数和sugeno-takaki模糊推理将模糊系统加入神经网络，假设为第1个模糊规则中输入变量所对应的模糊集，为第1个模糊规则中输入变量所对应的模糊集，则第一个模糊规则的输出结果为，其中，为第1个模糊规则的输出结果，为输入变量在模糊集中的隶属度，为输入变量在模糊集中的隶属度，为第1个模糊规则的常数项，假设为第2个模糊规则中输入变量所对应的模糊集，为第2个模糊规则中输入变量所对应的模糊集，则第2个模糊规则的输出结果为，其中，为第2个模糊规则的输出结果，为输入变量在模糊集中的隶属度，为输入变量在模糊集中的隶属度，为第2个模糊规则的常数项，anfis分为五个层次，每一层的输入由前一层的输出决定，第1层中节点输出为，，，，其中，为在第1个模糊规则下第个节点的输出结果，为第1个模糊规则下的隶属度函数，为模糊集的标识符，为对应模糊规则的条件是，为第2个模糊规则下的隶属度函数，为模糊集的标识符，为对应模糊规则的条件是
，高斯隶属函数被限制在之间，因此，其中，为隶属度函数，，，均为前提参数，第2层中的节点是固定的，且确定模糊规则的权重系数为，则第2层的输出结果为节点输入结果的乘积，即，，其中，为第2层的输出结果，为第1个模糊规则下的隶属度函数，为第2个模糊规则下的隶属度函数，第3层节点是计算第个规则对所有规则的发射强度的固定节点，则第3层中第个节点的输出结果为，，其中，为第3层中第个节点的输出结果，为的归一化权重系数，为对应模糊规则的条件为1下的权重系数，为对应模糊规则的条件为2下的权重系数，现将第4层节点改进为自适应节点，其中每个自适应节点的函数为，，其中，为第4层中第个节点的输出结果，为模糊规则下条件为的模糊规则输出结果，为输入变量在模糊规则下条件为的隶属度，为输入变量在模糊规则下条件为的隶属度，为模糊规则下条件为的常数项，最终输出层为对第4层的接收结果进行求和，即，，其中，为最终输出层的输出结果，为最终输出值，所得参数的线性组合为anfis的最终输出，即，其中，为anfis的参数线性组合输出结果，为的归一化权重系数，为的归一化权重系数，和均为的结果参数，和均为的结果参数；现对anfis的参数进行优化以提高anfis-lf算法的精度，具体如下：将anfis的参数线性组合输出结果通过螺旋函数进行优化，即，其中，为螺旋函数，和均为上述anfis的结果参数，为结果参数与之间的距离，为保持对数螺旋形状的常数，为之间的随机数，距离为，然后提出非高斯概率随机过程莱维飞行分布来提高anfis-lf算法的全局搜索能力，以更容易找到全局最优解，进而提高电机系统的性能和效率，即，其中，为莱维飞行分布，为之间的随机整数值，为优化过程中的步长，且，其中，为控制步长大小的参数，为搜索方向，因此anfis-lf算法通过提出径向基函数和sugeno-takaki模糊推理将模糊系统加入神经网络对经典神经网络进行改进，并将经典anfis中第4层节点改进为加自适应节点，以提高anfis的准确性和灵活性，再将anfis的参数结果通过螺旋函数进行优化，然后提出莱维飞行分布对螺旋函数优化进行全局搜索能力增强，以此来实现对电机的设计和运行参数进行优化以找到电机最优的工作点，提高电机系统的性能和效率。
[0029]
进一步的，所述电机能效分析模块，计算和分析电机在运行过程中的损耗，包括杂
散损耗和风摩耗，通过大量电机试验，测出电机杂散损耗和风摩耗与电机运行功率之间的关系式，得到杂散损耗的计算公式为，表示输入功率杂散损耗系数，表示额定功率杂散损耗系数，表示输入功率，表示额定功率，风摩耗的计算公式为，表示额定输出功率风摩耗系数，表示额定输出功率。
[0030]
进一步的，所述可视化模拟输出模块，将深度生成对抗网络算法中构建的模拟电机运行模型预测的电机运行数据与电机损耗一起，将待检测电机的运行情况通过可视化方式展示出来，形成模拟电机可视化运行窗口，直观的展示电机实际运行情况，显示电机运行参数、电机损耗分析结果。
[0031]
进一步的，所述可视化模拟输出模块，根据可视化模拟电机模块展示的数据，由电机输入功率、输出功率、电机损耗功率进行电机能效分析，输出电机能效分析可视化图表，展示电机能效数据、电机异常情况、电机能效优化方案。
[0032]
有益效果本发明的创新点在于，提供了一种基于深度生成对抗网络算法的模拟电机能效检测系统，用于模拟电机能效检测过程，通过电机参数收集模块、电机能效分析模块和可视化模拟输出模块的融合，为模拟电机能效检测系统提供一种方法，采用改进的对抗网络算法，对真实数据和虚拟数据的判断函数和损失函数进行优化，构建新的目标优化函数，进而构建模拟电机运行模型，采用该模拟电机运行模型进行电机能效检测，相对于传统的电机能效检测，能在少量电机运行数据的情况下，模拟出实际电机运行情况，计算电机能效，提出anfis-lf算法对电机数据的复杂特性和非线性关系进行学习，并对电机的设计和运行参数进行优化，本发明的创新之处在于，anfis-lf算法通过提出径向基函数和sugeno-takaki模糊推理将模糊系统加入神经网络对经典神经网络进行改进，并在anfis中第4层加入自适应节点对经典anfis进行改进，通过自适应地调整权重，以提高anfis的准确性和灵活性，从而使得anfis能够更好的适应复杂的实际问题，并具有较好的解释性和学习能力，再将anfis的参数结果通过螺旋函数进行优化，然后提出莱维飞行分布对螺旋函数优化进行全局搜索能力增强，以此来实现对电机的设计和运行参数进行优化以找到电机最优的工作点，提高电机系统的性能和效率，电机损耗模块分析电机运行过程中的杂散损耗和风摩耗；在可视化模拟电机模块，通过模拟电机运行模型和电机损耗模块，形成模拟电机可视化运行窗口，直观的展示出电机运行情况；在能效检测输出模块输出电机能效数据、电机异常情况、电机能效优化方案。本发明提供的基于深度生成对抗网络算法的模拟电机能效检测系统，能够在现场情况下，快速简单的计算电机的实际电机能效，改变了以往电机能效检测方法中的复杂性，难操作性、数据需求量大的问题，从而实现对电机能耗的高精度检测，准确地评估电机能效，为电机的提升效率提供指导意义；输出的电机异常报告和电机能效优化方案能够准确发现电机隐患和潜在问题，从而对电机进行有效的维护保养，延长电机使用寿命。在电机能耗检测领域具有重要的应用价值。
附图说明
[0033]
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图
获得其它的附图。
[0034]
图1是本发明结构示意图。
具体实施方式
[0035]
结合以下实例对本发明作进一步描述。
[0036]
参见图1，本发明旨在提供一种基于深度生成对抗网络算法的模拟电机能效检测系统，以解决上述背景技术中提出的问题。
[0037]
为实现上述目的，提出了.一种基于深度生成对抗网络算法的模拟电机能效检测系统，包括电机参数收集模块、电机能效分析模块、可视化模拟输出模块；首先在电机参数收集模块中，进行电机运行参数的识别和提取；对采集的电机运行参数进行滤波，过滤筛选噪声数据和干扰数据；其次，在电机能效分析模块，通过电机运行参数，采用改进的对抗网络算法，构建模拟电机运行模型，并且分析电机运行常见损耗；在可视化模拟输出模块，通过模拟电机运行模型和电机损耗，形成模拟电机可视化运行窗口，输出电机运行能效检测报告。
[0038]
具体的，在电机参数收集模块，对电机的运行参数进行分析和处理，识别和提取电机运行情况下的特征参数，提供有关电机性能和能效的重要信息，包括电流、电压、转速、电场、磁场、温度、振动。
[0039]
采用基于时域分析法的中值滤波法，对识别提取到的电机运行参数进行过滤处理， 去除噪声、干扰和不必要的频率数据，包括电源噪声、电磁干扰、高频振动，保留与电机性能和能效评估相关的有用频率成分，保证滤波后的数据包含重要的特征信息，详细过程如下：对收集的第种电机工作数据表示为，表示为第1时刻、第2时刻、第i时刻、第n时刻的数据，对数据进行频域分析，设置转化系数向量，表示第1时刻，第2时刻、第i时刻、第n时刻的转化系数，构建转换方程，公式如下：
[0040][0041]
表示数据的转化数据，表示第i-1时刻的数据、表示i+1时刻的数据，表示第i-1时刻、第i+1时刻的转化系数，对转化方程进行离散化，得到频域响应，公式如下：
[0042][0043]
j表示虚数单位，表示频率，为复数单位，通过频域响应对转化系数进行修正，得到效果最好的转化系数矩阵，再设计过滤数据窗口为k，对转化数据进行中值操作，公式如下：
[0044]
[0045]
表示数据的中值过滤值，表示数据的转化数据，表示数据的转化系数，表示中值函数。
[0046]
具体的，所述电机能效分析模块，采用改进的对抗网络算法通过电机参数收集模块过滤处理后的电机运行数据，构建模拟电机运行模型，提出anfis-lf算法对电机数据的复杂特性和非线性关系进行学习，并对电机的设计和运行参数进行优化，首先将对抗网络算法分为生成模型和判断模型，具体如下：在生成模型中的生成器网络，通过函数生成与真实数据相似分布的虚拟数据，分别表示第1个、第2个、第r个、第r个真实数据，分别表示第1个、第2个、第f个、第f个虚拟数据，其中r=f，生成器网络生成的虚拟数据通过判断模型中的判断器网络进行判断，定义虚拟数据判断函数，公式如下：
[0047][0048]
表示虚拟数据的判断函数值，表示第f个真实数据，再定义生成器损失函数，公式如下：
[0049][0050]
表示虚拟数据的损失函数值，计算真实数据判断函数，公式如下：
[0051][0052]
表示真实数据的判断函数值，表示第r个虚拟数据，计算判别器损失函数，公式如下：
[0053][0054]
通过交叉熵，判断虚拟数据与真实数据分布的相似性，公式如下：
[0055][0056]
结合判别器函数，计算数据之间的二分类交叉熵，公式如下：
[0057][0058]
定义判别器损失函数参数和生成器损失函数参数，表示为、，进行目标优化函数的构
建，函数公式如下：
[0059][0060]
表示判别器损失函数参数，表示生成器损失函数参数，不断进行数据生成和参数优化迭代，当目标函数达到最小值时，即判断器网络不能分别真实数据和虚拟数据时，模型训练完成。在具体实施例中，采用本发明提供的模拟电机运行模型，且实际检测一百个电机运行参数，其模拟的电机实际运行情况与实际检测的电机运行情况保持一致，电机运行参数符合一致。
[0061]
然后提出anfis-lf算法对电机数据的复杂特性和非线性关系进行学习，并对电机的设计和运行参数进行优化以找到电机最优的工作点，达到电机的最佳能效，具体如下：anfis-lf算法首先将经典神经网络加入模糊系统进行改进，提出径向基函数和sugeno-takaki模糊推理将模糊系统加入神经网络，假设为第1个模糊规则中输入变量所对应的模糊集，为第1个模糊规则中输入变量所对应的模糊集，则第一个模糊规则的输出结果为，其中，为第1个模糊规则的输出结果，为输入变量在模糊集中的隶属度，为输入变量在模糊集中的隶属度，为第1个模糊规则的常数项，假设为第2个模糊规则中输入变量所对应的模糊集，为第2个模糊规则中输入变量所对应的模糊集，则第2个模糊规则的输出结果为，其中，为第2个模糊规则的输出结果，为输入变量在模糊集中的隶属度，为输入变量在模糊集中的隶属度，为第2个模糊规则的常数项，anfis分为五个层次，每一层的输入由前一层的输出决定，第1层中节点输出为，，，，其中，为在第1个模糊规则下第个节点的输出结果，为第1个模糊规则下的隶属度函数，为模糊集的标识符，为对应模糊规则的条件是，为第2个模糊规则下的隶属度函数，为模糊集的标识符，为对应模糊规则的条件是，高斯隶属函数被限制在之间，因此，其中，为隶属度函数，，，均为前提参数，第2层中的节点是固定的，且确定模糊规则的权重系数为，则第2层的输出结果为节点输入结果的乘积，即，，其中，为第2层的输出结果，为第1个模糊规则下的隶属度函数，为第2个模糊规则下的隶属度函数，第3层节点是计算第个规则对所有规则的发射强度的固定节点，则第3层中第个节点的输出结果为，，其中，为第3层中第个节点的输出结果，为的归一化权重系数，为对应模糊规则的条件为1下的权重系数，为对应模糊规则的条件为2下的权重系数，现将第4层节点改进为自适应节点，其中每个
自适应节点的函数为，，其中，为第4层中第个节点的输出结果，为模糊规则下条件为的模糊规则输出结果，为输入变量在模糊规则下条件为的隶属度，为输入变量在模糊规则下条件为的隶属度，为模糊规则下条件为的常数项，最终输出层为对第4层的接收结果进行求和，即，，其中，为最终输出层的输出结果，为最终输出值，所得参数的线性组合为anfis的最终输出，即，其中，为anfis的参数线性组合输出结果，为的归一化权重系数，为的归一化权重系数，和均为的结果参数，和均为的结果参数；现对anfis的参数进行优化以提高anfis-lf算法的精度，具体如下：将anfis的参数线性组合输出结果通过螺旋函数进行优化，即，其中，为螺旋函数，和均为上述anfis的结果参数，为结果参数与之间的距离，为保持对数螺旋形状的常数，为之间的随机数，距离为，然后提出非高斯概率随机过程莱维飞行分布来提高anfis-lf算法的全局搜索能力，以更容易找到全局最优解，进而提高电机系统的性能和效率，即，其中，为莱维飞行分布，为之间的随机整数值，为优化过程中的步长，且，其中，为控制步长大小的参数，为搜索方向，因此anfis-lf算法通过提出径向基函数和sugeno-takaki模糊推理将模糊系统加入神经网络对经典神经网络进行改进，并将经典anfis中第4层节点改进为加自适应节点，以提高anfis的准确性和灵活性，再将anfis的参数结果通过螺旋函数进行优化，然后提出莱维飞行分布对螺旋函数优化进行全局搜索能力增强，以此来实现对电机的设计和运行参数进行优化以找到电机最优的工作点，提高电机系统的性能和效率。
[0062]
计算和分析电机在运行过程中的损耗，包括杂散损耗和风摩耗，通过大量电机试验，测出电机杂散损耗和风摩耗与电机运行功率之间的关系式，得到杂散损耗的计算公式为，表示输入功率杂散损耗系数，表示额定功率杂散损耗系数，表示输入功率，表示额定功率，风摩耗的计算公式为，表示额定输出功率风摩耗系数，表示额定输出功率。
[0063]
具体的，在可视化模拟输出模块，将深度生成对抗网络算法中构建的模拟电机运行模型预测的电机运行数据与电机损耗一起，将待检测电机的运行情况通过可视化方式展示出来，形成模拟电机可视化运行窗口，直观的展示电机实际运行情况，显示电机运行参数、电机损耗分析结果。根据可视化模拟电机模块展示的数据，由电机输入功率、输出功率、电机损耗功率进行电机能效分析，输出电机能效分析可视化图表，展示电机能效数据、电机异常情况、电机能效优化方案。
[0064]
有益效果本发明的创新点在于，提供了一种基于深度生成对抗网络算法的模拟电机能效检测系统，用于模拟电机能效检测过程，通过电机参数收集模块、电机能效分析模块和可视化模拟输出模块的融合，为模拟电机能效检测系统提供一种方法，采用改进的对抗网络算法，对真实数据和虚拟数据的判断函数和损失函数进行优化，构建新的目标优化函数，进而构建模拟电机运行模型，采用该模拟电机运行模型进行电机能效检测，相对于传统的电机能效检测，能在少量电机运行数据的情况下，模拟出实际电机运行情况，计算电机能效，提出anfis-lf算法对电机数据的复杂特性和非线性关系进行学习，并对电机的设计和运行参数进行优化，本发明的创新之处在于，anfis-lf算法通过提出径向基函数和sugeno-takaki模糊推理将模糊系统加入神经网络对经典神经网络进行改进，并在anfis中第4层加入自适应节点对经典anfis进行改进，通过自适应地调整权重，以提高anfis的准确性和灵活性，从而使得anfis能够更好的适应复杂的实际问题，并具有较好的解释性和学习能力，再将anfis的参数结果通过螺旋函数进行优化，然后提出莱维飞行分布对螺旋函数优化进行全局搜索能力增强，以此来实现对电机的设计和运行参数进行优化以找到电机最优的工作点，提高电机系统的性能和效率，电机损耗模块分析电机运行过程中的杂散损耗和风摩耗；在可视化模拟电机模块，通过模拟电机运行模型和电机损耗模块，形成模拟电机可视化运行窗口，直观的展示出电机运行情况；在能效检测输出模块输出电机能效数据、电机异常情况、电机能效优化方案。本发明提供的基于深度生成对抗网络算法的模拟电机能效检测系统，能够在现场情况下，快速简单的计算电机的实际电机能效，改变了以往电机能效检测方法中的复杂性，难操作性、数据需求量大的问题，从而实现对电机能耗的高精度检测，准确地评估电机能效，为电机的提升效率提供指导意义；输出的电机异常报告和电机能效优化方案能够准确发现电机隐患和潜在问题，从而对电机进行有效的维护保养，延长电机使用寿命。在电机能耗检测领域具有重要的应用价值。
[0065]
本发明还提供了一种计算机可读存储介质，该存储介质中存储有至少一条指令，该指令由处理器加载并执行，以实现上述方法。其中，该计算机可读存储介质可以是rom、随机存取存储器、cd-rom、磁带、软盘和光数据存储设备等。其内存储的指令可由终端中的处理器加载并执行上述方法。
[0066]
本发明实施方式是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0067]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机
实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0068]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本发明中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本发明所示的这些实施例，而是要符合与本发明所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种基于深度生成对抗网络算法的模拟电机能效检测系统，包括电机参数收集模块、电机能效分析模块、可视化模拟输出模块；首先在电机参数收集模块中，进行电机运行参数的识别和提取；对采集的电机运行参数进行滤波，过滤筛选噪声数据和干扰数据；其次，在电机能效分析模块，通过电机运行参数，采用改进的对抗网络算法，构建模拟电机运行模型，并且分析电机运行常见损耗；在可视化模拟输出模块，通过模拟电机运行模型和电机损耗，形成模拟电机可视化运行窗口，输出电机运行能效检测报告。2.根据权利要求1所述一种基于深度生成对抗网络算法的模拟电机能效检测系统，其特征在于，所述电机参数收集模块，对电机的运行参数进行分析和处理，识别和提取电机运行情况下的特征参数，提供有关电机性能和能效的重要信息，包括电流、电压、转速、电场、磁场、温度、振动。3.根据权利要求2所述一种基于深度生成对抗网络算法的模拟电机能效检测系统，其特征在于，所述电机参数收集模块，采用基于时域分析法的中值滤波法，构建电机参数滤波器，对识别提取到的电机运行参数进行过滤处理，详细过程如下：对收集的第种电机工作数据表示为，表示为第1时刻、第2时刻、第i时刻、第n时刻的数据，对数据进行频域分析，设置转化系数向量，表示第1时刻，第2时刻、第i时刻、第n时刻的转化系数，构建转换方程，公式如下：时刻、第n时刻的转化系数，构建转换方程，公式如下：表示数据的转化数据，表示第i-1时刻的数据、表示i+1时刻的数据，表示第i-1时刻、第i+1时刻的转化系数，对转化方程进行离散化，得到频域响应，公式如下：j表示虚数单位，表示频率，为复数单位，通过频域响应对转化系数进行修正，得到效果最好的转化系数矩阵，再设计过滤数据窗口为k，对转化数据进行中值操作，公式如下：效果最好的转化系数矩阵，再设计过滤数据窗口为k，对转化数据进行中值操作，公式如下：表示数据的中值过滤值，表示数据的转化数据，表示数据的转化系数，表示中值函数。4.根据权利要求3所述一种基于深度生成对抗网络算法的模拟电机能效检测系统，其特征在于，所述电机能效分析模块，采用改进的对抗网络算法通过电机参数收集模块过滤处理后的电机运行数据，构建模拟电机运行模型，提出anfis-lf算法对电机数据的复杂特性和非线性关系进行学习，并对电机的设计和运行参数进行优化，首先将对抗网络算法分为生成模型和判断模型，具体如下：在生成模型中的生成器网络，通过函数生成与
真实数据相似分布的虚拟数据，分别表示第1个、第2个、第r个、第r个真实数据，分别表示第1个、第2个、第f个、第f个虚拟数据，其中r=f，生成器网络生成的虚拟数据通过判断模型中的判断器网络进行判断，定义虚拟数据判断函数，公式如下：的判断器网络进行判断，定义虚拟数据判断函数，公式如下：表示虚拟数据的判断函数值，表示第f个真实数据，再定义生成器损失函数，公式如下：数，公式如下：表示虚拟数据的损失函数值，计算真实数据判断函数，公式如下：的损失函数值，计算真实数据判断函数，公式如下：表示真实数据的判断函数值，表示第r个虚拟数据，计算判别器损失函数，公式如下：通过交叉熵，判断虚拟数据与真实数据分布的相似性，公式如下：结合判别器函数，计算数据之间的二分类交叉熵，公式如下：定义判别器损失函数参数和生成器损失函数参数，表示为、，进行目标优化函数的构建，函数公式如下：不断进行数据生成和参数优化迭代，当目标函数达到最小值时，即判断器网络不能分别真实数据和虚拟数据时，模型训练完成，在电机能效检测中，只需短时间的收集电机参数，就可以通过电机运行模型进行电机工作参数数据的自动生成，利用生成的数据进行电机能效的计算。
5.根据权利要求4所述一种基于深度生成对抗网络算法的模拟电机能效检测系统，其特征在于，进一步提出anfis-lf算法对电机数据的复杂特性和非线性关系进行学习，并对电机的设计和运行参数进行优化以找到电机最优的工作点，达到电机的最佳能效，具体如下：anfis-lf算法首先将经典神经网络加入模糊系统进行改进，提出径向基函数和sugeno-takaki模糊推理将模糊系统加入神经网络，假设为第1个模糊规则中输入变量所对应的模糊集，为第1个模糊规则中输入变量所对应的模糊集，则第一个模糊规则的输出结果为，其中，为第1个模糊规则的输出结果，为输入变量在模糊集中的隶属度，为输入变量在模糊集中的隶属度，为第1个模糊规则的常数项，假设为第2个模糊规则中输入变量所对应的模糊集，为第2个模糊规则中输入变量所对应的模糊集，则第2个模糊规则的输出结果为，其中，为第2个模糊规则的输出结果，为输入变量在模糊集中的隶属度，为输入变量在模糊集中的隶属度，为第2个模糊规则的常数项，anfis分为五个层次，每一层的输入由前一层的输出决定，第1层中节点输出为，，，，其中，为在第1个模糊规则下第个节点的输出结果，为第1个模糊规则下的隶属度函数，为模糊集的标识符，为对应模糊规则的条件是，为第2个模糊规则下的隶属度函数，为模糊集的标识符，为对应模糊规则的条件是，高斯隶属函数被限制在之间，因此，其中，为隶属度函数，，，均为前提参数，第2层中的节点是固定的，且确定模糊规则的权重系数为，则第2层的输出结果为节点输入结果的乘积，即，，其中，为第2层的输出结果，为第1个模糊规则下的隶属度函数，为第2个模糊规则下的隶属度函数，第3层节点是计算第个规则对所有规则的发射强度的固定节点，则第3层中第个节点的输出结果为，，其中，为第3层中第个节点的输出结果，为的归一化权重系数，为对应模糊规则的条件为1下的权重系数，为对应模糊规则的条件为2下的权重系数，现将第4层节点改进为自适应节点，其中每个自适应节点的函数为，，其中，为第4层中第个节点的输出结果，为模糊规则下条件为的模糊规则输出结果，为输入变量在模糊规则下条件为的隶属度，为输入变量在模糊规则下条件为的隶属度，为模糊规则下条件为的常数项，最终输出层为对第4层的接收结果进行求和，即，，其中，为最终输出层的输出结果，为最终输出值，所得参数的线性组合为anfis的最终输出，即
，其中，为anfis的参数线性组合输出结果，为的归一化权重系数，为的归一化权重系数，和均为的结果参数，和均为的结果参数；现对anfis的参数进行优化以提高anfis-lf算法的精度，具体如下：将anfis的参数线性组合输出结果通过螺旋函数进行优化，即，其中，为螺旋函数，和均为上述anfis的结果参数，为结果参数与之间的距离，为保持对数螺旋形状的常数，为之间的随机数，距离为，然后提出非高斯概率随机过程莱维飞行分布来提高anfis-lf算法的全局搜索能力，以更容易找到全局最优解，进而提高电机系统的性能和效率，即，其中，为莱维飞行分布，为之间的随机整数值，为优化过程中的步长，且，其中，为控制步长大小的参数，为搜索方向，因此anfis-lf算法通过提出径向基函数和sugeno-takaki模糊推理将模糊系统加入神经网络对经典神经网络进行改进，并将经典anfis中第4层节点改进为加自适应节点，以提高anfis的准确性和灵活性，再将anfis的参数结果通过螺旋函数进行优化，然后提出莱维飞行分布对螺旋函数优化进行全局搜索能力增强，以此来实现对电机的设计和运行参数进行优化以找到电机最优的工作点，提高电机系统的性能和效率。6.根据权利要求1所述一种基于深度生成对抗网络算法的模拟电机能效检测系统，其特征在于，所述电机能效分析模块，计算和分析电机在运行过程中的损耗，包括杂散损耗和风摩耗，通过大量电机试验，测出电机杂散损耗和风摩耗与电机运行功率之间的关系式，计算杂散损耗和风摩耗。7.根据权利要求1所述一种基于深度生成对抗网络算法的模拟电机能效检测系统，其特征在于，所述可视化模拟输出模块，将深度生成对抗网络算法中构建的模拟电机运行模型预测的电机运行数据与电机损耗分析结果相结合，将待检测电机的运行情况通过可视化方式展示出来，形成模拟电机可视化运行窗口，直观的展示电机实际运行情况，显示电机运行参数和电机损耗分析结果。8.根据权利要求7所述一种基于深度生成对抗网络算法的模拟电机能效检测系统，其特征在于，所述可视化模拟输出模块，根据可视化模拟电机展示的数据，通过电机输入功率、输出功率、电机损耗功率进行电机能效分析，输出电机能效分析可视化图表，展示电机能效数据、电机异常情况、电机能效优化方案。

技术总结
一种基于深度生成对抗网络算法的模拟电机能效检测系统，包括电机参数收集模块、电机能效分析模块、可视化模拟输出模块，电机参数收集模块用于对电机工作运行参数进行特征识别，电机能效分析模块用于构建模拟电机运行模型、优化电机运行参数并分析电机损耗，可视化模拟输出模块用于构建模拟电机可视化窗口，输出电机运行能效。本发明提出深度生成对抗网络构建模拟电机运行模型，提出ANFIS-LF算法对电机数据的复杂特性和非线性关系进行学习，并对电机的设计和运行参数进行优化，提高了一种基于深度生成对抗网络算法的模拟电机能效检测系统的能力，为一种基于深度生成对抗网络算法的模拟电机能效检测系统提供更优的方案。的模拟电机能效检测系统提供更优的方案。的模拟电机能效检测系统提供更优的方案。


技术研发人员：许晨旭 王欣仁 薛志钢 胡东明 李云飞 范雪骐
受保护的技术使用者：江苏省特种设备安全监督检验研究院
技术研发日：2023.09.06
技术公布日：2023/10/20