[發(fā)明專(zhuān)利]系統(tǒng)狀態(tài)預(yù)測(cè)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810895969.8
• 申請(qǐng)日: 2018-08-08
• 公開(kāi)（公告）號(hào): CN109391195B
• 公開(kāi)（公告）日: 2022-04-26
• 發(fā)明（設(shè)計(jì)）人: M.阿爾馬拉斯;B.奧布斯特
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西門(mén)子股份公司
• 主分類(lèi)號(hào): H02P21/00
• 分類(lèi)號(hào): H02P21/00
• 代理公司: 中國(guó)專(zhuān)利代理(香港)有限公司 72001
• 代理人: 張凌苗;劉春元

系統(tǒng)狀態(tài)預(yù)測(cè)。本發(fā)明涉及一種方法，包括如下步驟：提供物理系統(tǒng)的行為的狀態(tài)空間模型，所述模型包括狀態(tài)轉(zhuǎn)移和測(cè)量誤差的協(xié)方差；提供用于預(yù)測(cè)所述物理系統(tǒng)的狀態(tài)變量的基于數(shù)據(jù)的回歸模型；觀察包括所述物理系統(tǒng)的狀態(tài)變量的狀態(tài)矢量；使用所述回歸模型確定基于所述狀態(tài)矢量的狀態(tài)變量的預(yù)測(cè)矢量；以及通過(guò)貝葉斯濾波將來(lái)自所述狀態(tài)空間模型的信息與來(lái)自所述回歸模型的預(yù)測(cè)相結(jié)合。

技術(shù)領(lǐng)域

本發(fā)明涉及動(dòng)態(tài)系統(tǒng)的未來(lái)狀態(tài)的預(yù)測(cè)。更特別地，本發(fā)明涉及用于狀態(tài)預(yù)測(cè)的不同模型的組合。

背景技術(shù)

在啟動(dòng)期間，異步電動(dòng)機(jī)將流經(jīng)它的電流的相當(dāng)大的部分轉(zhuǎn)換成熱，所述熱可能在轉(zhuǎn)子的極靴上急劇積累。這是由于定子和轉(zhuǎn)子之間的磁場(chǎng)的滑動(dòng)而轉(zhuǎn)子旋轉(zhuǎn)比電頻率規(guī)定慢而發(fā)生。這樣的過(guò)量熱可能對(duì)電動(dòng)機(jī)造成結(jié)構(gòu)損壞，并且因此需要被密切監(jiān)視。由于極靴是旋轉(zhuǎn)組件的部分，因此由于高的相關(guān)成本，用于極靴表面的直接溫度測(cè)量的傳感器不能被放置在生產(chǎn)設(shè)備中。因此，可以建立用于這些溫度的計(jì)算和預(yù)測(cè)的模擬模型。

傳統(tǒng)上使用物理模型或基于數(shù)據(jù)的回歸模型來(lái)執(zhí)行系統(tǒng)狀態(tài)的預(yù)測(cè)。物理模型易受建模誤差影響并且需要校準(zhǔn)。數(shù)據(jù)驅(qū)動(dòng)模型只能預(yù)測(cè)可以在真實(shí)系統(tǒng)中直接觀察到的行為。如果在記錄的數(shù)據(jù)中未對(duì)可能的控制輸入的空間密集采樣，則數(shù)據(jù)驅(qū)動(dòng)模型將產(chǎn)生差的結(jié)果。

因此，本發(fā)明的任務(wù)是提供一種用于預(yù)測(cè)物理系統(tǒng)的狀態(tài)矢量的改進(jìn)技術(shù)。

發(fā)明內(nèi)容

一種方法，包括如下步驟：提供物理系統(tǒng)的行為的狀態(tài)空間模型，所述模型包括針對(duì)狀態(tài)轉(zhuǎn)移和測(cè)量誤差的協(xié)方差；提供用于預(yù)測(cè)物理系統(tǒng)的狀態(tài)變量的基于數(shù)據(jù)的回歸模型；觀察包括物理系統(tǒng)的狀態(tài)變量的狀態(tài)矢量；使用回歸模型確定基于狀態(tài)矢量的狀態(tài)變量的預(yù)測(cè)矢量；以及通過(guò)貝葉斯（Bayesian）濾波組合來(lái)自狀態(tài)空間模型的信息與來(lái)自回歸模型的預(yù)測(cè)。

方法可以被用于針對(duì)狀態(tài)矢量的一個(gè)或多個(gè)狀態(tài)變量進(jìn)行預(yù)測(cè)。因此可以預(yù)測(cè)物理系統(tǒng)的行為，并且甚至可以在潛在危險(xiǎn)情況發(fā)生之前識(shí)別潛在危險(xiǎn)情況?？梢约皶r(shí)實(shí)施用于防止該情況的對(duì)策。如果針對(duì)狀態(tài)轉(zhuǎn)移和測(cè)量誤差的協(xié)方差不可用，則可以使用其估計(jì)。

方法組合了基于底層過(guò)程的物理性質(zhì)的系統(tǒng)行為的數(shù)學(xué)模型和在真實(shí)系統(tǒng)的實(shí)際實(shí)例的操作期間收集的測(cè)量數(shù)據(jù)。歸因于所述組合，在實(shí)際應(yīng)用中，當(dāng)與通過(guò)單獨(dú)地使用模型驅(qū)動(dòng)方法來(lái)實(shí)現(xiàn)的預(yù)測(cè)準(zhǔn)確性相比時(shí)，預(yù)期描述的方法的預(yù)測(cè)準(zhǔn)確性被改善。另一方面，單獨(dú)數(shù)據(jù)驅(qū)動(dòng)方法不允許預(yù)測(cè)未觀察到的狀態(tài)變量。

物理系統(tǒng)優(yōu)選是時(shí)間離散線性時(shí)不變系統(tǒng)，但是也可以解決其他系統(tǒng)，如以下將被示出的那樣。注意，系統(tǒng)必須是物理的，以使物理模型有意義。系統(tǒng)可以例如表示用于執(zhí)行預(yù)定技術(shù)過(guò)程的機(jī)構(gòu)或電動(dòng)機(jī)，尤其是異步電動(dòng)機(jī)。

貝葉斯濾波可以通過(guò)卡爾曼（Kalman）濾波來(lái)實(shí)現(xiàn)。卡爾曼濾波可以被用于通過(guò)針對(duì)每個(gè)時(shí)間步長(zhǎng)僅執(zhí)行預(yù)測(cè)估計(jì)和預(yù)測(cè)協(xié)方差的步驟來(lái)對(duì)狀態(tài)矢量進(jìn)行預(yù)測(cè)。如果濾波變量是線性的和正態(tài)分布的，則卡爾曼濾波將勝任貝葉斯濾波。卡爾曼濾波是最先進(jìn)的，并且可以用適度的計(jì)算構(gòu)件完成。處理庫(kù)可用于廣泛的處理環(huán)境。

可以通過(guò)擴(kuò)展卡爾曼濾波來(lái)實(shí)現(xiàn)貝葉斯濾波。如果物理系統(tǒng)是非線性的，則這可能是特別有用的。擴(kuò)展卡爾曼濾波（EKF）是卡爾曼濾波的非線性版本，其關(guān)于當(dāng)前均值和協(xié)方差的估計(jì)線性化。在定義明確的轉(zhuǎn)移模型的情況下，EKF已經(jīng)被認(rèn)為是非線性狀態(tài)估計(jì)的理論中的事實(shí)上的標(biāo)準(zhǔn)。因此，EKF可以允許線性和非線性變量，使其更靈活和通用。

貝葉斯濾波還可以包括粒子濾波。如果測(cè)量誤差的分布是非高斯分布，則這可能是特別有利的。粒子濾波也被稱(chēng)為序列蒙特卡羅（Sequential Monte Carlo）（SMC）方法，用于解決貝葉斯濾波推理中的濾波問(wèn)題。