1.一种磁芯损耗预测方法,其特征在于,包括:
获取待测磁芯的环境参数和一维磁通密度时间序列信号;
根据所述环境参数和所述一维磁通密度时间序列信号,基于预先训练的磁芯损耗预测模型,进行预测,得到磁芯损耗的预测值;
其中,所述磁芯损耗预测模型的数据处理方法,包括:将所述环境参数转换为张量形式,得到参数特征向量;
将所述一维磁通密度时间序列信号转换为二维时频谱图,包括:利用Morlet小波变换,将所述一维磁通密度时间序列信号分解成由小波进行缩并、展平以及平移组成的一组基函数;
对所述基函数的系数进行提取和可视化处理,生成一个1×24×24像素大小的二维时频谱图;
其中,Morlet小波变换的原理表达式为:
(1);
式中,表示经一维磁通密度时间序列信号f(t)分解而成一组小波基函数,表示当前时刻的小波扩展或收缩程度的比例因子,表示小波变换程度的平移因子,表示对当前时刻的微分,表示正无穷,表示负无穷;
对所述二维时频谱图进行特征提取,得到图像特征向量,包括:利用包含32个卷积核大小为3×3、步长为1且使用填充技术的第一层卷积捕捉所述二维时频谱图中的基础纹理与边缘信息,生成一个32×24×24的高阶张量;
利用配置窗口大小为2×2、步幅为2的最大池化层将所述32×24×24的高阶张量进行第一次最大池化,压缩为32×12×12的高阶张量;
利用64个卷积核大小为3×3、步长为1的第二层卷积,将所述32×12×12的高阶张量转换为64×12×12的高阶张量;
利用配置窗口大小为2×2、步幅为2的最大池化层,将所述64×12×12的高阶张量进行第二次最大池化,降维为64×6×6的多维张量;
利用展平操作,将所述64×6×6的多维张量转化为长度为2304的一维向量;
利用全连接层将所述长度为2304的一维向量映射到一个新的512维空间中,并引入ReLU激活函数进行处理,得到图像特征向量;
拼接所述参数特征向量和所述图像特征向量,得到综合特征表示,包括:利用一个全连接层接收所述参数特征向量转化为五维向量:将所述五维向量通过含有128个节点的隐藏层转化为高层次的参数特征向量;
拼接所述高层次的参数特征向量和所述图像特征向量,得到综合特征表示;
将所述综合特征表示经过全连接层处理,得到磁芯损耗的预测值,包括:将所述综合特征表示经过一个全连接层处理后,再通过另一个具有单个输出节点的全连接层进行预测,得到磁芯损耗的预测值;
其中,所述环境参数包括连续变量和离散变量,所述连续变量包括温度和频率,所述离散变量包括材料属性和波形类型。
2.根据权利要求1所述的磁芯损耗预测方法,其特征在于,在将所述环境参数转换为张量形式之前,还包括,利用四分位法对所述连续变量进行标准化理,其中,利用四分位法对所述连续变量进行标准化处理的表达式为:(2);
式中,表示标准化后的环境参数,表示原始环境参数,表示原始环境参数的中位数,表示四分位间距,其中,,Q1表示原始环境参数的第一四分位数,Q3表示原始环境参数的第三四分位数。
3.根据权利要求1所述的磁芯损耗预测方法,其特征在于,在将所述环境参数转换为张量形式之前,还包括,利用One-Hot编码对所述离散变量进行标准化处理。
4.根据权利要求3所述的磁芯损耗预测方法,其特征在于,利用One-Hot编码对所述离散变量进行标准化处理的方法,包括:确定所述材料属性和波形类型的所有种类;
针对每一种材料类别和波形类别,分别创建材料类别二进制列和波形类别二进制列;
当所述离散变量属于所确定的材料类别时,则在材料类别二进制列的对应位置标记1,否则标记0;
当所述离散变量属于所确定的波形类别时,则在波形类别二进制列的对应位置标记1,否则标记0。
5.根据权利要求4所述的磁芯损耗预测方法,其特征在于,所述材料类别二进制列表示为:(3);
式中,表示材料类别二进制列,表示材料属性的第一个类别,表示材料属性的第2个类别,表示材料属性的第个类别,材料类别二进制列的每一行表示一种材料类别所对应的One-Hot编码;
所述波形类别二进制列表示为:
(4);
式中,表示波形类别二进制列,表示波形类型的第一个类别,表示波形类型的第2个类别,表示波形类型的第个类别,波形类别二进制列的每一行表示一种波形类别所对应的One-Hot编码。
6.根据权利要求1所述的磁芯损耗预测方法,其特征在于,采用均方误差函数作为损失函数,基于Adam优化算法和所述损失函数调整模型参数训练所述磁芯损耗预测模型,其中,所述损失函数表示为:(5);
式中,表示总损失,N表示训练样本数量,表示第 个样本的真实磁芯损耗值,表示第 个样本的预测磁芯损耗值。