买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉天津工业大学申请的专利永磁同步电机分段式摩擦力矩建模补偿方法、系统和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121508375B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610037198.3，技术领域涉及：H02P6/34；该发明授权永磁同步电机分段式摩擦力矩建模补偿方法、系统和装置是由谷鑫;郭照宇;王志强;张国政;金雪峰;陈炜设计研发完成，并于2026-01-13向国家知识产权局提交的专利申请。

本永磁同步电机分段式摩擦力矩建模补偿方法、系统和装置在说明书摘要公布了：本发明涉及永磁同步电机摩擦力矩补偿技术领域，尤其涉及一种永磁同步电机分段式摩擦力矩建模补偿方法、系统和装置。包括以下步骤：采集电机运行数据，得到电机运行数据集；在极低速区间采用基于动态学习率神经网络的摩擦力矩模型；在非极低速区间采用多项式方程模型；将构建的摩擦力矩模型嵌入电机控制系统中，根据当前转速所在区间选择对应的摩擦力矩模型。本发明的一种永磁同步电机分段式摩擦力矩建模与补偿方法及系统，通过基于速度阈值分段建模的理念将电机运行区间划分为极低速区间和非极低速区间两个运行工况，并针对不同工况采用不同的建模方法。有效减少低速爬行现象，对提高系统的控制精度和运行平稳性具有重要意义。

本发明授权永磁同步电机分段式摩擦力矩建模补偿方法、系统和装置在权利要求书中公布了：1.一种永磁同步电机分段式摩擦力矩建模补偿方法，其特征在于，包括以下步骤： S1：采集电机运行数据，得到电机运行数据集； S2：根据所述电机运行数据集设定的速度阈值，将电机运行区间划分为极低速区间和非极低速区间； S3：在极低速区间采用基于动态学习率神经网络的摩擦力矩模型建立电机摩擦力矩与转速之间的非线性映射关系，得到极低速区间摩擦力矩模型；步骤S3中的动态学习率神经网络的摩擦力矩模型的表达式为： 其中，为第一个隐藏层的输出向量，为双曲正切函数，分别为第一隐藏层的权重矩阵，为神经网络输入的电机转速，分别为第一隐藏层的偏置向量，为第二隐藏层的输出向量，为第二隐藏层的权重矩阵，为第二隐藏层的偏置向量，为神经网络估计的摩擦力矩值，为输出层的权重矩阵，为输出层的偏置向量，为第一隐藏层的层序数，为第一隐藏层总层数，为输出层的层序数，为输出层总层数，第二隐藏层总层数与输出层总层数相同； 动态学习率通过以下步骤实现： 损失函数计算：在每次迭代时，通过计算当前模型输出与真实值之间的误差来指导学习率的调整，损失函数误差的公式为： 其中，为第n次的损失函数误差，n为迭代次数，N为训练样本总数量，为第t个样本的真实摩擦力矩，为第t个样本的神经网络估计的摩擦力矩值，t为样本序数； 动态调整学习率：根据损失函数误差与预设的误差阈值的比较，动态调整神经网络的学习率，公式为： 其中，为第n次迭代次数神经网络的学习率，为第n+1次迭代次数神经网络的学习率，为学习率增长因子，为学习率衰减因子，为损失函数误差最小阈值，为损失函数误差最大阈值； 动量更新机制：结合动量项的随机梯度下降法，用于更新神经网络的权重和偏置项，采用带动量项的随机梯度下降法更新神经网络参数，模型参数更新表达式为： 其中，为迭代更新后的神经网络权重或偏置项，为迭代更新前的神经网络权重或偏置项，为损失函数对神经网络模型参数的梯度，为动量系数，为上一次迭代的神经网络的权重或偏置项，其中，、和代表的神经网络权重或偏置项包括、、、、和； S4：在非极低速区间采用最优阶次多项式方程描述摩擦力矩模型建立与转速之间的非线性映射关系，得到非极低速区间摩擦力矩模型； S5：将所述极低速区间摩擦力矩模型和非极低速区间摩擦力矩模型嵌入电机控制系统中，根据当前转速所在区间选择对应的摩擦力矩模型，获得实现摩擦力矩，并将实现摩擦力矩转换为补偿电流，并在电机端电流进行补偿。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人天津工业大学，其通讯地址为：300387 天津市西青区宾水西道399号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。