仪器仪表学报

作者：吴先红，宋俊材，王骁贤，陆思良

单位：吴先红,1.安徽大学电气工程与自动化学院,,宋俊材,2.安徽大学互联网学院,,王骁贤,3.安徽大学电子信息工程学院,,陆思良,1.安徽大学电气工程与自动化学院,

关键词：双边永磁同步直线电机;隧道磁阻传感器;曲线相似度匹配;传感器位置优化;卷积神经网络

基金：国家自然科学基金（52207036）、安徽省自然科学基金（2208085QE167）、安徽省教育厅自然科学重点项目（KJ2021A0018）资助

本文提出一种基于隧道磁阻（TMR）传感器和噪声注入卷积神经网络（NBCNN）、长短期记忆网络（ISTM）、注意力机制动态集成神经网络预测模型（NBCNN-LSTM-Attentin）的双边永磁同步直线电机气隙磁密新型非侵入式测量方法。首先，建立直线电机气隙磁场的解析模型和有限元模型作为数据基础，探寻直线电机的外部空间杂散磁场和内部中心气隙磁场存在非线性映射关系。其次，引入TMR传感器测量直线电机外部杂散磁场信号，并对传感器的安装位置进行优化，将内外一维磁密信号进行相似度特征匹配，以获取传感器最优测量位置。然后，将电机外部杂散磁场数据作为输入，内部气隙磁场数据作为输出，建立NBCNN-LSTM-Attention网络的内外磁场高精度映射模型，实现“用外代内”的非侵入式气隙磁密高精密测量。最后，搭建直线电机气隙磁密测量实验平台和高斯计对比测量实验平台，验证了本文所提方法的先进性和优越性。

来源：2023年第7期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第7期