CN110675394B - 电机效率map图高效区域的识别方法 - Google Patents

电机效率map图高效区域的识别方法 Download PDF

Info

Publication number
CN110675394B
CN110675394B CN201910931777.2A CN201910931777A CN110675394B CN 110675394 B CN110675394 B CN 110675394B CN 201910931777 A CN201910931777 A CN 201910931777A CN 110675394 B CN110675394 B CN 110675394B
Authority
CN
China
Prior art keywords
map
efficiency
area
color
pixels
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910931777.2A
Other languages
English (en)
Other versions
CN110675394A (zh
Inventor
陆浩
杨登富
杨靖民
毛正松
张松
高阿鹏
欧阳石坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi Yuchai Machinery Co Ltd
Original Assignee
Guangxi Yuchai Machinery Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangxi Yuchai Machinery Co Ltd filed Critical Guangxi Yuchai Machinery Co Ltd
Priority to CN201910931777.2A priority Critical patent/CN110675394B/zh
Publication of CN110675394A publication Critical patent/CN110675394A/zh
Application granted granted Critical
Publication of CN110675394B publication Critical patent/CN110675394B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

本发明公开了一种电机效率MAP图高效区域的识别方法。该识别方法通过矩阵实验室进行数据处理，具体包括以下步骤：步骤一，给定效率大于80％及小于80％的区域的颜色；步骤二，绘制电机系统的效率MAP图；步骤三，设定MAP图中的背影颜色和坐标轴颜色；步骤四，将MAP图保存到指定的文件路径；步骤五，把MAP图从RGB颜色转换为索引颜色；步骤六，统计各索引颜色的像素点数量，并计算效率大于80％的索引颜色像素点数量在效率大于80％及小于80％的索引颜色像素点总数量中的占比。该电机效率MAP图高效区域的识别方法通过矩阵实验室统计黑黄白索引三种颜色的占比统计高效区占比，算法精度高；无需对不规则区域进行曲线拟合，算法效率高。

Description

电机效率MAP图高效区域的识别方法
技术领域
本发明是关于发动机领域，特别是关于一种电机效率MAP图高效区域的识别方法。
背景技术
电机系统的效率影响着新能源动力总成的性能，随着深入研究，电动汽车用电机系统对效率的要求不仅仅局限于额定、峰值效率及高低压外特性曲线等几条固定曲线，而是越来越多地考察电机系统的效率MAP图。当前，很多整车厂对电机系统提出了双80的指标，即效率MAP中工作效率大于80％的区域面积占整个效率MAP区域面积80％以上。基于以上要求，需要一种精确的识别方法，识别电机的效率MAP图大于80％的区域。
现有技术方案一般分为两种：1.用JMAG等电机专用的设计工具，对电机求取效率MAP图的高效区，但是这种方法只能在电机设计阶段使用，在电机系统的测试阶段无法使用；2.采用人为的方法对采集的数据进行统计，统计出效率大于80％的工作点，求取其占总工作点的百分比。采用此方法，求取的高效区域占比误差较大，精度取决于实验中采用的工作点数量。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种步骤简单合理的电机效率MAP图高效区域的识别方法，该电机效率MAP图高效区域的识别方法通过矩阵实验室统计黑黄白索引三种颜色的占比统计高效区占比，算法精度高；无需对不规则区域进行曲线拟合，算法效率高。
为实现上述目的，本发明提供了一种电机效率MAP图高效区域的识别方法，该识别方法通过矩阵实验室进行数据处理，具体包括以下步骤：步骤一，给定效率大于80％及小于80％的区域的颜色；步骤二，绘制电机系统的效率MAP图；步骤三，设定MAP图中的背影颜色和坐标轴颜色；步骤四，将MAP图保存到指定的文件路径；步骤五，把MAP图从RGB颜色转换为索引颜色；步骤六，统计各索引颜色的像素点数量，并计算效率大于80％的索引颜色像素点数量在效率大于80％及小于80％的索引颜色像素点总数量中的占比。
在一优选的实施方式中，步骤一中设定效率大于80％的区域为黄色，小于80％以下的区域为黑色，计算黄色像素点数量在黄色与黑色像素点总数量中的占比来计算设定的高效区域的大小。
在一优选的实施方式中，步骤二中绘制电机系统的效率MAP图时，首先创建绘制MAP图对应范围的坐标网格，在创建的坐标网格内插值拟合出等功率线，将峰值外特性曲线的转速、扭矩数据导入对应数组；其次拟合出与等功率曲线横坐标维度相同的曲线，最后找到超出峰值外特性的点，并将这些位置上的数据全都置为非数。
在一优选的实施方式中，步骤三中设定MAP图中的背影颜色和坐标轴颜色为白色。
与现有技术相比，根据本发明的电机效率MAP图高效区域的识别方法具有如下有益效果：该电机效率MAP图高效区域的识别方法用矩阵实验室(Matlab)进行数据处理，将统计的效率区域转换为统计黑黄白三种颜色的区域；通过统计黑黄白索引三种颜色的占比统计高效区占比，算法精度高；无需对不规则区域进行曲线拟合，算法效率高。
附图说明
图1是根据本发明第一实施方式的电机效率MAP图高效区域的识别方法的流程图。
图2是根据本发明第一实施方式的电机效率MAP图高效区域的识别方法的电机效率MAP图。
具体实施方式
下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。
如图1所示，根据本发明优选实施例的电机效率MAP图高效区域的识别方法通过矩阵实验室(Matlab)进行数据处理，将统计的效率区域转换为统计黑黄白三种颜色的区域；通过统计黑黄白索引三种颜色的占比统计高效区占比，算法精度高；无需对不规则区域进行曲线拟合，算法效率高。
矩阵实验室(Matlab)是商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。
电机效率MAP图高效区域的识别方法通过矩阵实验室(Matlab)进行数据处理，具体包括以下步骤：
步骤一，给定效率大于80％及小于80％的区域的颜色；
步骤二，绘制电机系统的效率MAP图；
如图2所示，首先创建绘制MAP图对应范围的坐标网格，在创建的坐标网格内插值拟合出等功率线，将峰值外特性曲线的转速、扭矩数据导入对应数组；其次拟合出与等功率曲线横坐标维度相同的曲线，最后找到超出峰值外特性的点，并将这些位置上的数据全都置为非数(NAN)。
步骤三，设定MAP图中的背影颜色和坐标轴颜色；
优选的，设定MAP图中的背影颜色和坐标轴颜色为白色。
步骤四，将MAP图保存到指定的文件路径；
步骤五，把MAP图从RGB颜色转换为索引(INDEX)颜色；
将MAP图效率大于80％不规则的区域转换为黑黄白索引颜色，无需对不规则区域进行曲线拟合，算法效率高。
优选的，索引颜色的数量为3。
步骤六，统计各索引颜色的像素点数量，并计算效率大于80％的索引颜色像素点数量在效率大于80％及小于80％的索引颜色像素点总数量中的占比。
优选的，设定效率大于80％的区域为黄色，小于80％以下的区域为黑色，计算黄色像素点数量在黄色与黑色像素点总数量中的占比，该占比即为设定的高效区域的大小。该电机效率MAP图高效区域的识别方法用矩阵实验室(Matlab)进行数据处理，无需额外的工具，算法实现简单；通过统计黑黄白索引三种颜色的占比统计高效区占比，算法精度高。
综上，该电机效率MAP图高效区域的识别方法用矩阵实验室(Matlab)进行数据处理，将统计的效率区域转换为统计黑黄白三种颜色的区域；通过统计黑黄白索引三种颜色的占比统计高效区占比，算法精度高；无需对不规则区域进行曲线拟合，算法效率高。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。

Claims (1)

1.一种电机效率MAP图高效区域的识别方法，其特征在于，该识别方法通过矩阵实验室进行数据处理，具体包括以下步骤：
步骤一，给定效率大于80％及小于80％的区域的颜色；
步骤二，绘制电机系统的效率MAP图；
步骤三，设定MAP图中的背景颜色和坐标轴颜色；
步骤四，将MAP图保存到指定的文件路径；
步骤五，把MAP图从RGB颜色转换为索引颜色；
步骤六，统计各索引颜色的像素点数量，并计算效率大于80％的索引颜色像素点数量在效率大于80％及小于80％的索引颜色像素点总数量中的占比；
其中，所述步骤一中设定效率大于80％的区域为黄色，小于80％以下的区域为黑色，计算黄色像素点数量在黄色与黑色像素点总数量中的占比来计算设定的高效区域的大小；
其中，所述步骤二中绘制电机系统的效率MAP图时，首先创建绘制MAP图对应范围的坐标网格，在创建的坐标网格内插值拟合出等功率线，将峰值外特性曲线的转速、扭矩数据导入对应数组；其次拟合出与等功率曲线横坐标维度相同的曲线，最后找到超出峰值外特性的点，并将这些位置上的数据全都置为非数；
其中，所述步骤三中设定MAP图中的背景颜色和坐标轴颜色为白色。
CN201910931777.2A 2019-09-29 2019-09-29 电机效率map图高效区域的识别方法 Active CN110675394B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910931777.2A CN110675394B (zh) 2019-09-29 2019-09-29 电机效率map图高效区域的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910931777.2A CN110675394B (zh) 2019-09-29 2019-09-29 电机效率map图高效区域的识别方法

Publications (2)

Publication Number Publication Date
CN110675394A CN110675394A (zh) 2020-01-10
CN110675394B true CN110675394B (zh) 2023-05-26

Family

ID=69079998

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910931777.2A Active CN110675394B (zh) 2019-09-29 2019-09-29 电机效率map图高效区域的识别方法

Country Status (1)

Country Link
CN (1) CN110675394B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111976711A (zh) * 2020-09-01 2020-11-24 宁波洁程汽车科技有限公司 一种增程器高效区的匹配方法
CN114325174B (zh) * 2021-12-08 2023-11-21 一汽奔腾轿车有限公司 一种电动车电驱系统效率评价方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5623104A (en) * 1995-03-10 1997-04-22 Toyota Jidosha Kabushiki Kaisha Apparatus for testing power performance of electric motor for electric vehicle
CN102565104A (zh) * 2011-12-21 2012-07-11 中国石油天然气股份有限公司 一种烃源岩有机碳含量的测定方法
CN104462772A (zh) * 2014-11-07 2015-03-25 安徽江淮汽车股份有限公司 电动汽车驱动系统效率脉谱图的生成方法及系统
CN106357189A (zh) * 2016-10-10 2017-01-25 金龙联合汽车工业（苏州）有限公司 一种车用驱动电机系统效率分布的设计方法
CN109165058A (zh) * 2018-07-06 2019-01-08 北京三快在线科技有限公司 一种图片处理方法及装置
CN109177734A (zh) * 2018-08-31 2019-01-11 南京越博电驱动系统有限公司 一种纯电动汽车电机工作效率监控系统及其监控方法
CN110160657A (zh) * 2019-05-31 2019-08-23 华中科技大学 一种基于可见光热成像的高温分布检测方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5623104A (en) * 1995-03-10 1997-04-22 Toyota Jidosha Kabushiki Kaisha Apparatus for testing power performance of electric motor for electric vehicle
CN102565104A (zh) * 2011-12-21 2012-07-11 中国石油天然气股份有限公司 一种烃源岩有机碳含量的测定方法
CN104462772A (zh) * 2014-11-07 2015-03-25 安徽江淮汽车股份有限公司 电动汽车驱动系统效率脉谱图的生成方法及系统
CN106357189A (zh) * 2016-10-10 2017-01-25 金龙联合汽车工业（苏州）有限公司 一种车用驱动电机系统效率分布的设计方法
CN109165058A (zh) * 2018-07-06 2019-01-08 北京三快在线科技有限公司 一种图片处理方法及装置
CN109177734A (zh) * 2018-08-31 2019-01-11 南京越博电驱动系统有限公司 一种纯电动汽车电机工作效率监控系统及其监控方法
CN110160657A (zh) * 2019-05-31 2019-08-23 华中科技大学 一种基于可见光热成像的高温分布检测方法及装置

Also Published As

Publication number Publication date
CN110675394A (zh) 2020-01-10

Similar Documents

Publication Publication Date Title
CN110675394B (zh) 电机效率map图高效区域的识别方法
CN106357189B (zh) 一种车用驱动电机系统效率分布的设计方法
CN102682348B (zh) 复杂装备部件维修级别优化系统及其建立方法
CN112417671A (zh) 获得发动机万有特性曲线数据的方法、装置及存储介质
CN106340046B (zh) 一种基于图像化地理信息的雷达目标位置分析方法
CN105573294A (zh) 一种基于互联网的新能源汽车电子控制单元ecu
CN110018427A (zh) 一种基于行车数据的电动汽车电池健康状态评估方法
CN117944459A (zh) 电驱系统参数方法、装置、设备及存储介质
CN112265538B (zh) 基于实时最优能量管理策略的车辆部件工况构建方法
CN112183900B (zh) 一种基于聚类分析的用电分析及优化调度方法
CN112907694B (zh) 用于驱动电机系统的效率试验数据处理方法及装置
CN115061046B (zh) 一种电池工况的识别方法、装置、汽车及电子设备
CN114371340B (zh) 用于智能制造设备的用电数据采集和处理方法及系统
CN114611869B (zh) 一种低压台区台户识别方法
CN109215607A (zh) 显示面板的驱动方法、装置及计算机设备
CN115290317A (zh) 基于多源信息融合的工业机器人减速器健康状态评估方法
CN109871881B (zh) 一种基于凝聚分层聚类算法的电池工况分析方法
CN110941877A (zh) 一种针对纯电动汽车电机工作区域的分析方法
Chu et al. The method for matching the PMSM's base parameters of the Hybrid Electric Vehicle based on drive cycle
CN113642159A (zh) 一种发动机特征工况点聚合方法
CN107144794A (zh) 一种电动汽车用锂电池健康度统计方法
CN112477627A (zh) 基于Python的纯电动汽车扭矩分配系数分析方法及系统
CN114156864B (zh) 光伏逆变器配置方法、装置、终端及存储介质
CN111634194B (zh) 一种电机选择方法、设备及存储介质
CN110941751B (zh) 数据集的数据的分类方法、系统、电子产品和介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant