6、无刷直流电机分析与超声胎儿图像分类的机器学习算法研究

无刷直流电机分析与超声胎儿图像分类的机器学习算法研究

1. 无刷直流电机的参数分析与控制

在无刷直流电机（BLDC）的研究中，参数估计和控制是关键环节。参数估计是将系统参数与输入相关联的过程，这一过程中，对电机参数和数学模型的分析至关重要。扭矩波动估计属于“逆向问题”，即从输入输出系统计算动态系统的相关信息。

数学模型Simulink的参数分析用于理解系统的特征方程，这些估计参数描述了系统的速度控制和稳定性。例如，BAT算法技术可用于消除扭矩和速度参数。

其接口架构分为两部分：一部分在运行Linux的处理器上，将数据流式传输到物联网平台；另一部分在设备处理器上，从传感器收集各种数据。该架构支持多轴应用，可在恒定设备上运行多驱动器，还可用于电气设备的接口控制软件。

具体操作步骤如下：
1. 对于原型模块，借助Raspberry PI接口与控制器的UART端口模块，将物联网（IoT）与控制应用连接到Initial State平台。
2. 使用MATLAB/SIMULINK进行模拟，通过试错法模拟不同的速度和扭矩值。
3. 模拟并执行深度神经网络（DNN）和BAT回声优化技术，以输入电动扭矩、电压、负载扭矩、电流、速度和电流随时间的变化等参数来估计BLDC电机的参数。

以下是相关模拟模型的说明：
| 模型名称 | 说明 |
| ---- | ---- |
| 深度神经网络分析优化的Simulink模型 | 用于分析优化 |
| BAT算法优化的Simulink模型 | 用于算法优化 |

模拟结果显示，使用估计参数可以在更短的时间内改变无刷直流电机的扭矩和速度，与试错