数据集说明：辨识电动机背后的物理特性——电气行为的数据驱动学习（第二部分）
系统与控制
2020-03-27 v3 机器学习
系统与控制
信号处理
摘要
为评估从测量数据中提取三相永磁同步电机（PMSM）与两电平 IGBT 逆变器数学模型的不同方法，我们记录了一个数据集。该数据集包含来自该驱动系统规定运行范围内约 4000 万个多维样本。本文档说明了如何使用已发布的数据集 \cite{Dataset}，以及如何通过入门示例提取模型。这些示例基于已知的常微分方程、最小二乘法或（深度）机器学习方法。提取的模型用于该驱动系统模型预测控制（MPC）环境中的系统状态预测。若存在模型偏差，采用 MPC 的性能将低于其应有潜力。基于仅有的标称驱动参数、且仅在有限运行区域有效的白盒模型即属此情况。此外，许多寄生效应（例如来自供电逆变器的效应）通常未被白盒模型涵盖。为实现高控制性能，必须使用能在所有工作点充分刻画电机行为的模型。
引用
@article{arxiv.2003.06268,
title = {Data Set Description: Identifying the Physics Behind an Electric Motor -- Data-Driven Learning of the Electrical Behavior (Part II)},
author = {Sören Hanke and Oliver Wallscheid and Joachim Böcker},
journal= {arXiv preprint arXiv:2003.06268},
year = {2020}
}