CN110857961A - 一种空调电机的调试方法、装置及系统 - Google Patents
一种空调电机的调试方法、装置及系统 Download PDFInfo
- Publication number
- CN110857961A CN110857961A CN201810960505.0A CN201810960505A CN110857961A CN 110857961 A CN110857961 A CN 110857961A CN 201810960505 A CN201810960505 A CN 201810960505A CN 110857961 A CN110857961 A CN 110857961A
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- conditioner motor
- current waveform
- motor
- waveform output
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Evolutionary Biology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Air Conditioning Control Device (AREA)
- Control Of Ac Motors In General (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明提供一种空调电机的调试方法、装置及系统,用以减少对空调电机进行驱动调试的时间,节省人力成本,提高驱动调试的效率。方法包括:上位机向空调电机发送控制指令,控制所述空调电机启动;所述上位机采集所述空调电机的驱动参数、所述空调电机启动时输出的电流波形;所述上位机根据所述空调电机启动时输出的电流波形,采用智能算法对所述空调电机的驱动参数进行迭代寻优,以获得最优驱动参数样本;其中,当所述空调电机以所述最优驱动参数样本启动时,所述空调电机输出的电流波形满足第一预设条件。
Description
技术领域
本发明涉及电子技术领域,特别涉及一种空调电机的调试方法、装置及系统。
背景技术
目前,空调电机的驱动调试主要依赖于经验丰富的技术员进行手动调试,调试过程中涉及的调试项目非常多,流程极其繁复,技术员需要结合多年的调试经验,对各项驱动参数逐个地进行整定和修正,这就使得驱动调试效果主要取决于技术员的水平。但是,即使经验丰富的技术员,也需要花费很长时间,非常耗费时间及人力。
因此,亟需提供一种自动调节空调电机的驱动参数的方法,以减少驱动调试的时间,节省人力成本,提高驱动调试的效率。
发明内容
本发明实施例提供一种空调电机的调试方法、装置及系统,用以减少对空调电机进行驱动调试的时间,节省人力成本,提高驱动调试的效率。
第一方面,本发明实施例提供一种空调电机的调试方法,包括:
上位机向空调电机发送控制指令,控制所述空调电机启动;
所述上位机采集所述空调电机的驱动参数、所述空调电机启动时输出的电流波形;
所述上位机根据所述空调电机启动时输出的电流波形,采用智能算法对所述空调电机的驱动参数进行迭代寻优,以获得最优驱动参数样本;其中,当所述空调电机以所述最优驱动参数样本启动时,所述空调电机输出的电流波形满足第一预设条件。
在本实施方式中,上位机根据空调电机启动时的驱动参数和电流波形,采用智能算法对所述空调电机的驱动参数进行迭代寻优,形成闭环反馈调节,以获得使空调电机输出的电流波形满足第一预设条件的最优驱动参数样本。本实施方式对空调电机的驱动调试过程无需人工经验的干预,驱动调试可由上位机自动完成,有效减少了对空调电机进行驱动调试的时间,节省了人力成本,提高了驱动调试的效率。
可选的,所述驱动参数包括q轴反电动势补偿、压机开环启动频率、反电势常数系数、定子线圈相电阻中的至少一项。
通过本实施方式,可以实现对空调电机的q轴反电动势补偿、压机开环启动频率、反电势常数系数、定子线圈相电阻等驱动参数的自动化调试,减少驱动调试的时间,节省人力成本,提高空调电机驱动调试的效率。
可选的,所述第一预设条件包括:
所述空调电机输出的电流波形与预设的电流波形的相似度大于第一预设值;或者
所述空调电机在预设频率点运行时,所述空调电机输出的电流波形在所述预设频率点的频率波动不超过第一预设范围。
本实施方式以空调电机输出的电流波形与预设的电流波形的相似度,或空调电机输出的电流波形在所述预设频率点的频率波动作为驱动调试过程迭代优化的判据,保证了智能算法迭代优化的可靠性,进一步提高空调电机驱动调试的效率。
可选的,所述智能算法包括粒子群算法、遗传算法、模拟退火算法、差分进化算法、人工鱼群算法、人工蜂群算法、人工蝙蝠算法、果蝇优化算法中的任一项。
通过本实施方式,可以根据实际情况灵活选择对所述空调电机的驱动参数进行迭代寻优的智能算法,扩大了空调电机驱动调试的灵活性。
可选的,在获得满足第一预设条件的最优驱动参数样本之后,还包括:
所述上位机以所述最优驱动参数样本启动所述空调电机运行;
所述上位机采集所述空调电机的运行参数、所述空调电机运行时输出的电流波形;
所述上位机根据所述空调电机运行时输出的电流波形,采用所述智能算法对所述空调电机的运行参数进行迭代寻优,以获得最优运行参数样本;其中,当所述空调电机以所述最优运行参数样本运行时,所述空调电机输出的电流波形满足第二预设条件。
本实施方式,上位机以驱动调试过程获得的最优驱动参数样本启动所述空调电机运行后,根据空调电机运行时的运行参数和电流波形,采用智能算法对所述空调电机的运行参数进行迭代寻优,形成闭环反馈调节,以获得使空调电机输出的电流波形满足第二预设条件的最优运行参数样本。本实施方式对空调电机的运行调试由上位机自动完成,并且是在以驱动调试过程获得的最优驱动参数样本启动所述空调电机运行的基础上进行运行调试,有效减少了对空调电机进行运行调试的时间,提高了运行调试的效率。
可选的,所述运行参数包括电流环的控制参数和/或速度环的控制参数。
通过本实施方式,可以实现对空调电机的电流环的控制参数、速度环的控制参数等运行参数的自动化调试,减少运行调试的时间,节省人力成本,提高空调电机运行调试的效率。
可选的,所述第二预设条件包括:
所述空调电机输出的电流波形与预设的电流波形的相似度大于第二预设值;或者
所述空调电机在预设频率点运行时,所述空调电机输出的电流波形在所述预设频率点的频率波动不超过第二预设范围。
本实施方式以空调电机输出的电流波形与预设的电流波形的相似度,或空调电机输出的电流波形在所述预设频率点的频率波动作为运行调试过程迭代优化的判据,保证了智能算法迭代优化的可靠性,进一步提高空调电机运行调试的效率。
第二方面,本发明实施例提供一种空调电机的调试装置,包括:
通信模块,用于向空调电机发送控制指令,控制所述空调电机启动;用于采集所述空调电机的驱动参数、所述空调电机启动时输出的电流波形;
处理模块,用于根据所述空调电机启动时输出的电流波形,采用智能算法对所述空调电机的驱动参数进行迭代寻优,以获得最优驱动参数样本;其中,当所述空调电机以所述最优驱动参数样本启动时,所述空调电机输出的电流波形满足第一预设条件。
可选的,所述驱动参数包括q轴反电动势补偿、压机开环启动频率、反电势常数系数、定子线圈相电阻中的至少一项。
可选的,所述第一预设条件包括:
所述空调电机输出的电流波形与预设的电流波形的相似度大于第一预设值;或者
所述空调电机在预设频率点运行时,所述空调电机输出的电流波形在所述预设频率点的频率波动不超过第一预设范围。
可选的,所述智能算法包括粒子群算法、遗传算法、模拟退火算法、差分进化算法、人工鱼群算法、人工蜂群算法、人工蝙蝠算法、果蝇优化算法中的任一项。
可选的,所述通信模块还用于:
在所述处理模块获得满足第一预设条件的最优驱动参数样本之后,以所述最优驱动参数样本启动所述空调电机运行;采集所述空调电机的运行参数、所述空调电机运行时输出的电流波形;
所述处理模块还用于:根据所述空调电机运行时输出的电流波形,采用所述智能算法对所述空调电机的运行参数进行迭代寻优,以获得最优运行参数样本;其中,当所述空调电机以所述最优运行参数样本运行时,所述空调电机输出的电流波形满足第二预设条件。
可选的,所述运行参数包括电流环的控制参数和/或速度环的控制参数。
可选的,所述第二预设条件包括:
所述空调电机输出的电流波形与预设的电流波形的相似度大于第二预设值;或者
所述空调电机在预设频率点运行时,所述空调电机输出的电流波形在所述预设频率点的频率波动不超过第二预设范围。
第三方面,本发明实施例提供一种空调电机的调试系统,包括上位机、示波器以及空调电机;其中,所述上位机、所述示波器以及所述空调电机两两通信连接;
所述上位机用于:向空调电机发送控制指令,控制所述空调电机启动;采集所述空调电机的驱动参数;
所述示波器用于:采集所述空调电机启动时输出的电流波形,并将采集到的电流波形输送给所述上位机;
所述上位机还用于:采集所述示波器输送的所述空调电机启动时输出的电流波形;根据所述空调电机启动时输出的电流波形,采用智能算法对所述空调电机的驱动参数进行迭代寻优,以获得最优驱动参数样本;其中,当所述空调电机以所述最优驱动参数样本启动时,所述空调电机输出的电流波形满足第一预设条件。
可选的,所述驱动参数包括q轴反电动势补偿、压机开环启动频率、反电势常数系数、定子线圈相电阻中的至少一项。
可选的,所述第一预设条件包括:
所述空调电机输出的电流波形与预设的电流波形的相似度大于第一预设值;或者
所述空调电机在预设频率点运行时,所述空调电机输出的电流波形在所述预设频率点的频率波动不超过第一预设范围。
可选的,所述智能算法包括粒子群算法、遗传算法、模拟退火算法、差分进化算法、人工鱼群算法、人工蜂群算法、人工蝙蝠算法、果蝇优化算法中的任一项。
可选的,所述上位机还用于:
在获得满足第一预设条件的最优驱动参数样本之后,以所述最优驱动参数样本启动所述空调电机运行;采集所述空调电机的运行参数;
所述示波器还用于:所述空调电机运行时输出的电流波形,并将采集到的所述空调电机运行时输出的电流波形输送给所述上位机;
所述上位机还用于:采集所述示波器输送的所述空调电机运行时输出的电流波形;根据所述空调电机运行时输出的电流波形,采用所述智能算法对所述空调电机的运行参数进行迭代寻优,以获得最优运行参数样本;其中,当所述空调电机以所述最优运行参数样本运行时,所述空调电机输出的电流波形满足第二预设条件。
可选的,所述运行参数包括电流环的控制参数和/或速度环的控制参数。
可选的,所述第二预设条件包括:
所述空调电机输出的电流波形与预设的电流波形的相似度大于第二预设值;或者
所述空调电机在预设频率点运行时,所述空调电机输出的电流波形在所述预设频率点的频率波动不超过第二预设范围。
第四方面,本发明实施例提供一种空调电机的调试装置,包括:
至少一个处理器,以及
与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令执行本发明实施例第一方面或第一方面的任一种可选的实施方式所述的方法。
第五方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行本发明实施例第一方面或第一方面的任一种可选的实施方式所述的方法。
本发明实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
上位机根据空调电机启动时的驱动参数和电流波形,采用智能算法对所述空调电机的驱动参数进行迭代寻优,形成闭环反馈调节,以获得使空调电机输出的电流波形满足第一预设条件的最优驱动参数样本。本实施方式对空调电机的驱动调试过程无需人工经验的干预,驱动调试可由上位机自动完成,有效减少了对空调电机进行驱动调试的时间,节省了人力成本,提高了驱动调试的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中空调电机的调试方法的流程示意图;
图2为本发明实施例中空调电机的调试装置的结构示意图;
图3为本发明实施例中空调电机的调试装置的结构示意图;
图4为本发明实施例中空调电机的调试系统的结构示意图;
图5为本发明实施例中空调电机的调试装置的结构示意图。
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
需要理解的是,在本发明实施例的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。在本发明实施例的描述中“多个”,是指两个或两个以上。
本发明实施例中的术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
参照图1,本发明实施例提供一种空调电机的调试方法,具体包括:
S11:上位机向空调电机发送控制指令,控制空调电机启动;
具体的,上位机与空调电机的驱动板通信连接,基于空调电机的电机基本参数生成控制指令发送给空调电机的驱动板,控制空调电机启动;其中,电机基本参数包括极对数、定子电阻、d轴电感、q轴电感、反电动势常数、转矩常熟及转动惯量中的一个或多个,本发明实施例不做具体限制。
S12:上位机采集空调电机的驱动参数、空调电机启动时输出的电流波形;
上位机预先保存有MAP文件,该MAP文件中保存了上位机需要采集的各项参数的参数名和参数地址的映射关系,上位机通过解析MAP文件可获得各驱动参数的参数地址,基于各驱动参数的参数地址采集空调电机的驱动参数。
空调电机通信连接有示波器,该示波器用于实时探测空调电机输出的电流波形,上位机通过抓取示波器采集的电流波形,实现对空调电机启动时输出的电流波形的采集。
在具体实施过程中,驱动参数可以为q轴反电动势补偿、压机开环启动频率、反电势常数系数、定子线圈相电阻等中的一项或者多项的组合,本发明实施例不做具体限制。
S13:上位机根据空调电机启动时输出的电流波形,采用智能算法对空调电机的驱动参数进行迭代寻优,以获得最优驱动参数样本;其中,当空调电机以最优驱动参数样本启动时,空调电机输出的电流波形满足第一预设条件。
智能算法的实现方式包括但不限于以下几种:粒子群算法、遗传算法、模拟退火算法、差分进化算法、人工鱼群算法、人工蜂群算法、人工蝙蝠算法、果蝇优化算法。
第一预设条件的实现方式包括:空调电机输出的电流波形与预设的电流波形的相似度大于第一预设值;或者,空调电机在预设频率点运行时,空调电机输出的电流波形在预设频率点的频率波动不超过第一预设范围。当然,在具体实施过程中第一预设条件还可以有其它实现方式,本领域技术人员可以根据具体情况进行设置,此处不一一列举。
例如,上位机采集到的空调电机启动时输出的电流波形后,使用皮尔逊相关度计算公式或灰色系统理论中的相关计算公式计算该电流波形与上位机预先保存的电机标准波形的相似度,随后调用智能算法对驱动参数进行优化,以波形相似度大于第一预设值为优化目标,不断更改空调电机的驱动参数,进行最优驱动参数样本的迭代寻优。其中,智能算法可以执行两种终止条件:1)设定一个调试的目标阀值,上位机进行驱动参数迭代寻优过程中,在出现波形相似度大于目标阀值时,终止算法迭代,并输出调试结果,即使得空调电机输出的电流波形满足第一预设条件的最优驱动参数样本;2)设定固定的迭代次数,当智能算法达到最大迭代次数时,终止算法迭代,输出调试结果,即使得空调电机输出的电流波形满足第一预设条件的最优驱动参数样本。
在具体实施过程中,智能算法最终输出的最优驱动参数样本的可以是一组,也可以是多组,本发明实施例不做具体限制。
例如,设定第一预设值为0.6,上位最终输出的驱动调试结果包括三组最优驱动参数样本:
其中,iEqeEst0表示q轴反电动势补偿,iWrEst0表示压机开环启动频率,q12_InvKe表示反电势常数系数,q16_Rs表示定子线圈相电阻。
在上述方案中,上位机根据空调电机启动时的驱动参数和电流波形,采用智能算法对所述空调电机的驱动参数进行迭代寻优,形成闭环反馈调节,以获得使空调电机输出的电流波形满足第一预设条件的最优驱动参数样本。本实施方式对空调电机的驱动调试过程无需人工经验的干预,驱动调试可由上位机自动完成,有效减少了对空调电机进行驱动调试的时间,节省了人力成本,提高了驱动调试的效率。
进一步的,在完成驱动调试之后,本发明实施例还可以进一步进行运行参数的调试。
具体的,在获得满足第一预设条件的最优驱动参数样本之后,上位机以最优驱动参数样本启动空调电机运行;上位机采集空调电机的运行参数、空调电机运行时输出的电流波形;上位机根据空调电机运行时输出的电流波形,采用智能算法对空调电机的运行参数进行迭代寻优,以获得最优运行参数样本;其中,当空调电机以最优运行参数样本运行时,空调电机输出的电流波形满足第二预设条件。
其中,运行参数包括电流环的控制参数和/或速度环的控制参数,例如电流环比例积分KPI调节系数、速度环比例积分KPI调节系数、D轴比例系数、Q轴比例系数、积分调节系数、D轴抗积分饱和系数、Q轴抗积分饱和系数、速度环比例系数、速度环积分系数、速度环抗积分饱和系数等。
第二预设条件的具体实现方式包括:空调电机输出的电流波形与预设的电流波形的相似度大于第二预设值;或者,空调电机在预设频率点运行时,空调电机输出的电流波形在预设频率点的频率波动不超过第二预设范围。其中,第二预设值可以和上述驱动调试过程中的第一预设值相同,也可以不同,本发明实施例不做具体限制;第二预设范围可以和上述驱动调试过程中的第一预设范围相同,也可以不同,本发明实施例不做具体限制。
例如,上位机选择驱动调试输出的最优驱动参数样本启动空调电机启动运行,采集空调电机运行时输出的电流波形,使用皮尔逊相关度计算公式或灰色系统理论中的相关计算公式计算该电流波形与上位机预先保存的电机标准波形的相似度,随后调用智能算法对运行参数进行优化,以波形相似度大于第二预设值为优化目标,不断更改电机的运行参数,进行最优运行参数样本的迭代寻优。其中,智能算法可以执行两种终止条件:(1)设定一个调试的目标阀值,上位机进行运行参数自动调试过程中,在出现波形相似度大于目标阀值时,终止算法迭代,并输出调试结果;(2)设定固定的迭代次数,当智能算法达到最大迭代次数时,终止算法迭代,输出调试结果。
在具体实施过程中,智能算法最终输出的最优运行参数样本的可以是一组,也可以是多组,本发明实施例不做具体限制。
例如,设定第二预设值为0.7,最终输出的调试结果包括三组最优运行参数样本:
其中,Wc表示电流环带宽,Wn表示速度环带宽,q14_Kpccd表示d轴比例系数,q14_Kpccq表示q轴比例系数,q14_KiccTs表示积分调节系数,q12_Kaccd表示d轴抗积分饱和系数,q12_Kaccq表示q轴抗积分饱和系数,q12_Kpsc表示速度环比例系数,q12_KiscTs表示速度环积分系数,q12_Kasc表示速度环抗积分饱和系数。
需要说明的是,在具体实施过程中,上位机对空调电机的运行调试并不是本发明实施例的必要的步骤,可根据实际情况来选择是否需要进行运行调节,例如,如果上位机以最优驱动参数样本启动空调电机运行后,空调电机运行时输出的电流波形已经满足第二预设条件,则可以不执行运行调试。
本发明实施例中的上位机以驱动调试过程获得的最优驱动参数样本启动所述空调电机运行后,根据空调电机运行时的运行参数和电流波形,采用智能算法对所述空调电机的运行参数进行迭代寻优,形成闭环反馈调节,以获得使空调电机输出的电流波形满足第二预设条件的最优运行参数样本。本实施方式对空调电机的运行调试由上位机自动完成,并且是在以驱动调试过程获得的最优驱动参数样本启动所述空调电机运行的基础上进行运行调试,有效减少了对空调电机进行运行调试的时间,提高了运行调试的效率。
基于同一发明构思,本发明实施例还提供一种空调电机的调试装置,参照图2,包括:
通信模块21,用于向空调电机发送控制指令,控制所述空调电机启动;用于采集所述空调电机的驱动参数、所述空调电机启动时输出的电流波形;
处理模块22,用于根据所述空调电机启动时输出的电流波形,采用智能算法对所述空调电机的驱动参数进行迭代寻优,以获得最优驱动参数样本;其中,当所述空调电机以所述最优驱动参数样本启动时,所述空调电机输出的电流波形满足第一预设条件。
可选的,所述驱动参数包括q轴反电动势补偿、压机开环启动频率、反电势常数系数、定子线圈相电阻中的至少一项。
可选的,所述第一预设条件包括:
所述空调电机输出的电流波形与预设的电流波形的相似度大于第一预设值;或者
所述空调电机在预设频率点运行时,所述空调电机输出的电流波形在所述预设频率点的频率波动不超过第一预设范围。
可选的,所述智能算法包括粒子群算法、遗传算法、模拟退火算法、差分进化算法、人工鱼群算法、人工蜂群算法、人工蝙蝠算法、果蝇优化算法中的任一项。
可选的,所述通信模块21还用于:
在所述处理模块22获得满足第一预设条件的最优驱动参数样本之后,以所述最优驱动参数样本启动所述空调电机运行;采集所述空调电机的运行参数、所述空调电机运行时输出的电流波形;
所述处理模块22还用于:根据所述空调电机运行时输出的电流波形,采用所述智能算法对所述空调电机的运行参数进行迭代寻优,以获得最优运行参数样本;其中,当所述空调电机以所述最优运行参数样本运行时,所述空调电机输出的电流波形满足第二预设条件。
可选的,所述运行参数包括电流环的控制参数和/或速度环的控制参数。
可选的,所述第二预设条件包括:
所述空调电机输出的电流波形与预设的电流波形的相似度大于第二预设值;或者
所述空调电机在预设频率点运行时,所述空调电机输出的电流波形在所述预设频率点的频率波动不超过第二预设范围。
可选的,参照图3,所述通信模块21进一步包括:
地址解析子模块211,用于对所述装置预先保存的MAP文件进行解析;其中所述MAP文件中保存有所述空调电机的各个驱动参数的名称和各个驱动参数的物理地址的对应关系;
参数读写与显示子模块212,用于实现用户图形界面(Graphical UserInterface,GUI)的参数读写和显示功能;
USB转串口通讯子模块213,用于实现与空调电机的串口通信:
Serial接口对象214,根据USB转串口通信硬件子模块的物理地址,通过API函数生成的设备接口对象,通过所述Serial接口对象的属性和函数实现对串口通信参数的设置,控制串口的打开与关闭,空调电机的驱动参数的读写;
串口通信设置子模块215,用于实现对串口号、波特率、终止位、奇偶校验位等通信参数的设置。
示波器控制及波形数据读取子模块216,用于对空调电机连接的示波器进行通信控制;通过DEVICE硬件接口和USB串口线传输给上位机软件进行处理和上位机软件与示波器通信之间的时间协调;
DEVICE硬件接口子模块217,用于实现与示波器的通信;
定时子模块218,用于实现对示波器实时采集的波形数据进行定时抓取,绘制示波器实时波形,通过DEVICE硬件接口和USB串口线传输给处理模块进行处理;
VISA-USB接口对象219,根据示波器DEVICE硬件接口的物理地址,通过MATLAB API函数生成的设备接口对象,通过所述VISA-USB接口对象的属性和函数实现对示波器的采样模型设置、波形获取以及通信的功能。
以上各单元所执行操作的具体实现方式可以参照本发明实施例上述空调电机的调试方法中对应步骤的具体实现方式,本发明实施例不再赘述。
基于同一发明构思,本发明实施例还提供一种空调电机的调试系统,参数图4,包括上位机31、示波器32以及空调电机33;其中,所述上位机31、所述示波器32以及所述空调电机33两两通信连接;
所述上位机31用于:向空调电机33发送控制指令,控制所述空调电机33启动;采集所述空调电机33的驱动参数;
所述示波器32用于:采集所述空调电机33启动时输出的电流波形,并将采集到的电流波形输送给所述上位机31;
所述上位机31还用于:采集所述示波器32输送的所述空调电机33启动时输出的电流波形;根据所述空调电机33启动时输出的电流波形,采用智能算法对所述空调电机33的驱动参数进行迭代寻优,以获得最优驱动参数样本;其中,当所述空调电机33以所述最优驱动参数样本启动时,所述空调电机33输出的电流波形满足第一预设条件。
可选的,所述驱动参数包括q轴反电动势补偿、压机开环启动频率、反电势常数系数、定子线圈相电阻中的至少一项。
可选的,所述第一预设条件包括:
所述空调电机33输出的电流波形与预设的电流波形的相似度大于第一预设值;或者
所述空调电机33在预设频率点运行时,所述空调电机33输出的电流波形在所述预设频率点的频率波动不超过第一预设范围。
可选的,所述智能算法包括粒子群算法、遗传算法、模拟退火算法、差分进化算法、人工鱼群算法、人工蜂群算法、人工蝙蝠算法、果蝇优化算法中的任一项。
可选的,所述上位机31还用于:
在获得满足第一预设条件的最优驱动参数样本之后,以所述最优驱动参数样本启动所述空调电机33运行;采集所述空调电机33的运行参数;
所述示波器32还用于:所述空调电机33运行时输出的电流波形,并将采集到的所述空调电机33运行时输出的电流波形输送给所述上位机31;
所述上位机31还用于:采集所述示波器32输送的所述空调电机33运行时输出的电流波形;根据所述空调电机33运行时输出的电流波形,采用所述智能算法对所述空调电机33的运行参数进行迭代寻优,以获得最优运行参数样本;其中,当所述空调电机33以所述最优运行参数样本运行时,所述空调电机33输出的电流波形满足第二预设条件。
可选的,所述运行参数包括电流环的控制参数和/或速度环的控制参数。
可选的,所述第二预设条件包括:
所述空调电机33输出的电流波形与预设的电流波形的相似度大于第二预设值;或者
所述空调电机33在预设频率点运行时,所述空调电机33输出的电流波形在所述预设频率点的频率波动不超过第二预设范围。
基于同一发明构思,本发明实施例还提供一种空调电机的调试装置,参照图5,包括:
至少一个处理器41,以及
与所述至少一个处理器41通信连接的存储器42;
其中,所述存储器42存储有可被所述至少一个处理器41执行的指令,所述至少一个处理器41通过执行所述存储器42存储的指令执行本发明实施例上述的空调电机的调试方法。
基于同一发明构思,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行本发明实施例上述的空调电机的调试方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (17)
1.一种空调电机的调试方法,其特征在于,包括:
上位机向空调电机发送控制指令,控制所述空调电机启动;
所述上位机采集所述空调电机的驱动参数、所述空调电机启动时输出的电流波形;
所述上位机根据所述空调电机启动时输出的电流波形,采用智能算法对所述空调电机的驱动参数进行迭代寻优,以获得最优驱动参数样本;其中,当所述空调电机以所述最优驱动参数样本启动时,所述空调电机输出的电流波形满足第一预设条件。
2.如权利要求1所述的方法,其特征在于,所述驱动参数包括q轴反电动势补偿、压机开环启动频率、反电势常数系数、定子线圈相电阻中的至少一项。
3.如权利要求1所述的方法,其特征在于,所述第一预设条件包括:
所述空调电机输出的电流波形与预设的电流波形的相似度大于第一预设值;或者
所述空调电机在预设频率点运行时,所述空调电机输出的电流波形在所述预设频率点的频率波动不超过第一预设范围。
4.如权利要求1所述的方法,其特征在于,所述智能算法包括粒子群算法、遗传算法、模拟退火算法、差分进化算法、人工鱼群算法、人工蜂群算法、人工蝙蝠算法、果蝇优化算法中的任一项。
5.如权利要求1-4任一项所述的方法,其特征在于,在获得满足第一预设条件的最优驱动参数样本之后,还包括:
所述上位机以所述最优驱动参数样本启动所述空调电机运行;
所述上位机采集所述空调电机的运行参数、所述空调电机运行时输出的电流波形;
所述上位机根据所述空调电机运行时输出的电流波形,采用所述智能算法对所述空调电机的运行参数进行迭代寻优,以获得最优运行参数样本;其中,当所述空调电机以所述最优运行参数样本运行时,所述空调电机输出的电流波形满足第二预设条件。
6.如权利要求5所述的方法,其特征在于,所述运行参数包括电流环的控制参数和/或速度环的控制参数。
7.如权利要求5所述的方法,其特征在于,所述第二预设条件包括:
所述空调电机输出的电流波形与预设的电流波形的相似度大于第二预设值;或者
所述空调电机在预设频率点运行时,所述空调电机输出的电流波形在所述预设频率点的频率波动不超过第二预设范围。
8.一种空调电机的调试装置,其特征在于,包括:
通信模块,用于向空调电机发送控制指令,控制所述空调电机启动;采集所述空调电机的驱动参数、所述空调电机启动时输出的电流波形;
处理模块,用于根据所述空调电机启动时输出的电流波形,采用智能算法对所述空调电机的驱动参数进行迭代寻优,以获得最优驱动参数样本;其中,当所述空调电机以所述最优驱动参数样本启动时,所述空调电机输出的电流波形满足第一预设条件。
9.如权利要求8所述的装置,其特征在于,所述驱动参数包括q轴反电动势补偿、压机开环启动频率、反电势常数系数、定子线圈相电阻中的至少一项。
10.如权利要求8所述的装置,其特征在于,所述第一预设条件包括:
所述空调电机输出的电流波形与预设的电流波形的相似度大于第一预设值;或者
所述空调电机在预设频率点运行时,所述空调电机输出的电流波形在所述预设频率点的频率波动不超过第一预设范围。
11.如权利要求8所述的装置,其特征在于,所述智能算法包括粒子群算法、遗传算法、模拟退火算法、差分进化算法、人工鱼群算法、人工蜂群算法、人工蝙蝠算法、果蝇优化算法中的任一项。
12.如权利要求8-11任一项所述的装置,其特征在于,所述通信模块还用于:
在所述处理模块获得满足第一预设条件的最优驱动参数样本之后,以所述最优驱动参数样本启动所述空调电机运行;采集所述空调电机的运行参数、所述空调电机运行时输出的电流波形;
所述处理模块还用于:根据所述空调电机运行时输出的电流波形,采用所述智能算法对所述空调电机的运行参数进行迭代寻优,以获得最优运行参数样本;其中,当所述空调电机以所述最优运行参数样本运行时,所述空调电机输出的电流波形满足第二预设条件。
13.如权利要求12所述的装置,其特征在于,所述运行参数包括电流环的控制参数和/或速度环的控制参数。
14.如权利要求12所述的装置,其特征在于,所述第二预设条件包括:
所述空调电机输出的电流波形与预设的电流波形的相似度大于第二预设值;或者
所述空调电机在预设频率点运行时,所述空调电机输出的电流波形在所述预设频率点的频率波动不超过第二预设范围。
15.一种空调电机的调试系统,其特征在于,包括上位机、示波器以及空调电机;其中,所述上位机、所述示波器以及所述空调电机两两通信连接;
所述上位机用于:向空调电机发送控制指令,控制所述空调电机启动;采集所述空调电机的驱动参数;
所述示波器用于:采集所述空调电机启动时输出的电流波形,并将采集到的电流波形输送给所述上位机;
所述上位机还用于:采集所述示波器输送的所述空调电机启动时输出的电流波形;根据所述空调电机启动时输出的电流波形,采用智能算法对所述空调电机的驱动参数进行迭代寻优,以获得最优驱动参数样本;其中,当所述空调电机以所述最优驱动参数样本启动时,所述空调电机输出的电流波形满足第一预设条件。
16.一种空调电机的调试装置,其特征在于,包括:
至少一个处理器,以及
与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令执行权利要求1-7中任一项所述的方法。
17.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810960505.0A CN110857961B (zh) | 2018-08-22 | 2018-08-22 | 一种空调电机的调试方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810960505.0A CN110857961B (zh) | 2018-08-22 | 2018-08-22 | 一种空调电机的调试方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110857961A true CN110857961A (zh) | 2020-03-03 |
CN110857961B CN110857961B (zh) | 2020-11-20 |
Family
ID=69634898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810960505.0A Active CN110857961B (zh) | 2018-08-22 | 2018-08-22 | 一种空调电机的调试方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110857961B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113091217A (zh) * | 2021-03-22 | 2021-07-09 | 珠海格力电器股份有限公司 | 空调系统能力输出的寻优控制方法、装置、系统和空调 |
CN113193789A (zh) * | 2021-05-27 | 2021-07-30 | 深圳市航顺芯片技术研发有限公司 | 电机启动控制参数优化方法、装置及电机启动控制系统 |
CN114963630A (zh) * | 2021-02-25 | 2022-08-30 | 青岛海尔电冰箱有限公司 | 半导体制冷设备的系统调试方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2319171B1 (en) * | 2008-08-29 | 2012-08-22 | Vestas Wind Systems A/S | Direct power and stator flux vector control of a generator for wind energy conversion system |
CN103414415A (zh) * | 2013-07-05 | 2013-11-27 | 石成富 | 一种基于pi参数自整定的电机控制方法 |
CN104980069A (zh) * | 2015-07-06 | 2015-10-14 | 南京邮电大学 | 一种无刷直流电机双闭环调速系统多目标优化方法 |
CN204794773U (zh) * | 2015-07-16 | 2015-11-18 | 周海波 | 一种电机优化控制装置 |
CN105680746A (zh) * | 2015-11-20 | 2016-06-15 | 宋正强 | 一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器pi参数的方法 |
US20160190964A1 (en) * | 2014-12-30 | 2016-06-30 | Samsung Electronics Co., Ltd. | Motor Driving Apparatus and Controlling Method Thereof |
CN106301100A (zh) * | 2015-05-28 | 2017-01-04 | 长城汽车股份有限公司 | 一种永磁同步电机的自动标定方法、系统和控制器 |
CN106330044A (zh) * | 2016-09-22 | 2017-01-11 | 四川长虹电器股份有限公司 | 电机反电动势常数辨识控制方法 |
US20170229989A1 (en) * | 2012-04-26 | 2017-08-10 | Emerson Climate Technologies, Inc. | System And Method for Permanent Magnet Motor Control |
CN107085763A (zh) * | 2017-03-31 | 2017-08-22 | 无锡开放大学 | 一种电动汽车用驱动电机系统性能评价方法 |
CN107330174A (zh) * | 2017-06-21 | 2017-11-07 | 太原科技大学 | 一种基于遗传退火算法的轮毂电机优化方法 |
CN107832485A (zh) * | 2017-07-17 | 2018-03-23 | 华中科技大学 | 一种仿真模型控制参数的优化方法 |
-
2018
- 2018-08-22 CN CN201810960505.0A patent/CN110857961B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2319171B1 (en) * | 2008-08-29 | 2012-08-22 | Vestas Wind Systems A/S | Direct power and stator flux vector control of a generator for wind energy conversion system |
US20170229989A1 (en) * | 2012-04-26 | 2017-08-10 | Emerson Climate Technologies, Inc. | System And Method for Permanent Magnet Motor Control |
CN103414415A (zh) * | 2013-07-05 | 2013-11-27 | 石成富 | 一种基于pi参数自整定的电机控制方法 |
US20160190964A1 (en) * | 2014-12-30 | 2016-06-30 | Samsung Electronics Co., Ltd. | Motor Driving Apparatus and Controlling Method Thereof |
CN106301100A (zh) * | 2015-05-28 | 2017-01-04 | 长城汽车股份有限公司 | 一种永磁同步电机的自动标定方法、系统和控制器 |
CN104980069A (zh) * | 2015-07-06 | 2015-10-14 | 南京邮电大学 | 一种无刷直流电机双闭环调速系统多目标优化方法 |
CN204794773U (zh) * | 2015-07-16 | 2015-11-18 | 周海波 | 一种电机优化控制装置 |
CN105680746A (zh) * | 2015-11-20 | 2016-06-15 | 宋正强 | 一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器pi参数的方法 |
CN106330044A (zh) * | 2016-09-22 | 2017-01-11 | 四川长虹电器股份有限公司 | 电机反电动势常数辨识控制方法 |
CN107085763A (zh) * | 2017-03-31 | 2017-08-22 | 无锡开放大学 | 一种电动汽车用驱动电机系统性能评价方法 |
CN107330174A (zh) * | 2017-06-21 | 2017-11-07 | 太原科技大学 | 一种基于遗传退火算法的轮毂电机优化方法 |
CN107832485A (zh) * | 2017-07-17 | 2018-03-23 | 华中科技大学 | 一种仿真模型控制参数的优化方法 |
Non-Patent Citations (2)
Title |
---|
康世斌: "数控系统伺服驱动优化方法", 《伺服控制》 * |
陈振锋 等: "感应电机参数辨识三种智能算法的比较", 《电机与控制学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114963630A (zh) * | 2021-02-25 | 2022-08-30 | 青岛海尔电冰箱有限公司 | 半导体制冷设备的系统调试方法 |
CN114963630B (zh) * | 2021-02-25 | 2023-06-16 | 青岛海尔电冰箱有限公司 | 半导体制冷设备的系统调试方法 |
CN113091217A (zh) * | 2021-03-22 | 2021-07-09 | 珠海格力电器股份有限公司 | 空调系统能力输出的寻优控制方法、装置、系统和空调 |
CN113091217B (zh) * | 2021-03-22 | 2022-04-12 | 珠海格力电器股份有限公司 | 空调系统能力输出的寻优控制方法、装置、系统和空调 |
CN113193789A (zh) * | 2021-05-27 | 2021-07-30 | 深圳市航顺芯片技术研发有限公司 | 电机启动控制参数优化方法、装置及电机启动控制系统 |
CN113193789B (zh) * | 2021-05-27 | 2022-07-26 | 深圳市航顺芯片技术研发有限公司 | 电机启动控制参数优化方法、装置及电机启动控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110857961B (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110857961B (zh) | 一种空调电机的调试方法、装置及系统 | |
CN110085233B (zh) | 语音控制方法及其装置、电子设备和计算机可读存储介质 | |
CN110210328B (zh) | 在图像序列中标注物体的方法、装置及电子设备 | |
CN105680746B (zh) | 一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器pi参数的方法 | |
CN106411224A (zh) | 机械学习装置、电动机控制装置以及机械学习方法 | |
CN110410983B (zh) | 一种加湿装置的加湿速率控制方法、装置及加湿器 | |
EP3462386A3 (en) | Learning data selection program, learning data selection method, and learning data selection device | |
WO2019214230A1 (zh) | 一种空调除霜的方法及设备 | |
CN110176894A (zh) | 一种大功率轮毂电机全速度范围无位置传感器改进控制方法 | |
CN109976153B (zh) | 控制无人驾驶设备及模型训练的方法、装置及电子设备 | |
CN113346812A (zh) | 压缩机控制参数调整方法、装置、设备及存储介质 | |
EP2711646A2 (en) | Method and apparatus for controlling permanent magnet synchronous motor of an air conditioning device | |
CN108959889A (zh) | 一种智能家电的注册系统及方法 | |
CN115865617B (zh) | 一种vpn远程诊断及维护系统 | |
CN116859768A (zh) | 应用于智能家居的能源调度方法及装置 | |
CN104977466B (zh) | 一种步进马达脉冲频率的测试方法、系统及其设备 | |
CN109285495A (zh) | 电器及其屏幕驱动方法、装置 | |
CN105353645B (zh) | 一种电磁阀试验装置及试验方法 | |
CN108053031A (zh) | 一种深度学习系统及深度学习识别方法 | |
CN108134720A (zh) | 一种设备自适应控制方法、装置及服务器 | |
CN112146240B (zh) | 运行控制方法、控制装置、线控设备、服务器和存储介质 | |
CN109526701B (zh) | 滴灌控制方法及装置 | |
CN108412780B (zh) | 一种自动耦合变转速泵机及控制方法 | |
CN117811427A (zh) | 一种直流输入端电流的预测方法、装置及介质 | |
CN112737418A (zh) | 一种电机启动控制方法、装置、空调器以及存储介质 |
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 |