本发明涉及一种基于哈里斯鹰优化算法的电机定子温度预测方法。
背景技术：
1、现如今，电机应用于各个领域中。当电机运作时，其内部构件会产生热量。通常情况下，由于定子绕组的磁电转换作用，使得电机定子相比于其他部件温升更高，变化更大。温度是影响电机性能的重要因素，可以决定电机使用寿命、运载情况等，也可以根据温度的变化来对电机进行控制。因此获取准确的电机定子温度数据既可以判断电机运作情况，也可以更精准的对电机进行控制。目前测量电机定子温度的主要途径是通过热偶电阻变化的温度传感器对电机定子进行测量，由于电机结构的复杂性以及温度传感器的本身误差导致对电机定子温度测量就会产生很大误差。因此在实际应用中常常采用算法预测的方式来得到相对准确的定子温度。lstm作为一种常用的温度预测算法，常常被应用在温度预测中，用来得到更为准确的电机定子温度值。但是由于算法模型本身的缺陷，模型超参数很难确定为最优值，依然存在着误差。因此，获取更准确的电机定子温度，提高模型预测精度就十分重要。
技术实现思路
0、
技术实现要素：
1、针对上述问题，本发明要解决的是提出一种基于哈里斯鹰优化lstm算法实现电机定子温度预测补偿电机控制方法，通过优化的算法对电机定子的温度进行预测，得到更为准确的电机定子温度。
2、上述目的通过以下方法实现：
3、本发明公布了一种基于哈里斯鹰优化算法的电机定子温度预测方法，包括以下步骤：
4、步骤一：记录多组同一时刻下的电机前端、电机中端、电机末端、定子四个部分的温度值，分成两组：训练数据集t1、测试数据集t2，以所述电机前端、所述电机中端、所述电机末端的温度值为模型输入集，所述的定子温度值为模型输出集；
5、步骤二：将所述训练数据集t1输入lstm(长短时记忆网络)中对模型进行训练，得到初始化的权重和偏置参数，lstm算法核心计算公式如下：
6、it＝σ(wii·xt+bii+whi·ht-1+bhi) (1)
7、ft＝σ(wif·xt+bif+whf·ht-1+bhf) (2)
8、gt＝tanh(wig·xt+big+whg·ht-1+bhg) (3)
9、ct＝ft·ct-1+it·gt (4)
10、ot＝σ(wio·xt+bio+who·ht-1+bho) (5)
11、ht＝ot·tanh(ct) (6)
12、其中it为输入门，ft为遗忘门，gt为单元候选值，ct为时间步t单元状态，ot为输出门，ht为时间步t的隐含状态，ct-1为时间步t-1的单元状态，ht-1为时间步t-1的隐含状态，xt为时间步t的输入，b为偏置项，w为权重矩阵，权重矩阵和偏置项的下标ii，if，ig，io，分别表示输入门、遗忘门、单元候选值和输出门的权重和偏置项，whi，whf，whg，who用于表示隐含状态到各门的权重，bhi，bhf，bhg，bho用于表示隐含状态到各门的权重，σ为sigmoid激活函数，tanh为双曲正切激活函数；
13、步骤三：将所述输入门、所述遗忘门、所述单元候选值、所述输出门的权重和偏置参数按着顺序进行组合为位置向量(wii、whi、bii、bhi、wif、whf、bif、bhf、wig、whg、big、bhg、wio、who、bio、bho)，作为哈里斯鹰的个体位置，每个个体对应的位置就代表待优化的参数，加入步长限制：
14、lt＝q·lt-1 (7)
15、其中，lt为新步长，lt-1为原步长，q为距离缩放因子；
16、哈里斯鹰群在步长限制条件下开始全局搜索，得到不断改变的所述位置向量，也就是不同的所述权重和偏置系数；
17、定义目标函数：平均绝对误差mae，均方根误差rmse，决定系数r2，具体计算公式如下：
18、
19、
20、
21、其中，n为样本总数，yi为实际值，为估计值，为平均值；定义适应值：a1为所述鹰群个体的素质水平，a2为鹰群聚合程度，a3为所述哈里斯鹰群捕获猎物的能力；
22、适应值计算公式为：
23、a1＝-mae (11)
24、a2＝-rmse (12)
25、a3＝r2 (13)
26、根据自然界优胜劣汰的生存原则可以得到评价标准：所述鹰群个体的素质水平越高、鹰群聚合程度越高、哈里斯鹰群捕获能力越强说明此时所述哈里斯鹰群更为优秀；对之应的所述适应值的评价标准为a1、a2越大，a3越接近于一，根据所述适应值的评价标准选取最佳的所述哈里斯鹰个体位置作为哈里斯鹰领袖位置向量，也就是本次迭代下的权重和偏置参数最优解，每个所述哈里斯鹰个体相互之间以及哈里斯鹰领袖的位置不断发生变化，位置关系公式如下：
27、kt＝kt-1+r1×(ka-kt-1)+r2×(kb-kt-1) (14)
28、其中，kt为新位置，kt-1为当前位置，ka为哈里斯鹰领袖位置，kb为哈里斯鹰群其余鹰位置，r1，r2为介于0和1之间的随机数；
29、所述哈里斯鹰群不断更新位置来更新适应值，在达到最大迭代次数或者达到预定的优化目标后，输出最终的权重和偏置参数最优解，完成优化过程；
30、步骤四：输入所述测试数据集t2，得到更为准确的定子温度预测值。
31、本发明的有益效果为：
32、1.哈里斯鹰优化算法通过模拟哈里斯鹰的合作捕食过程，实现局部搜索和全局搜索相结合，这有助于算法既可以进行广泛的全局搜索，也可以在最优解范围内深入的局部探索，使算法具有更强的搜索性能；
33、2.根据算法中的步长调节机制，可以平衡局部搜索和全局搜索。并且由于不同个体可以独立更新，提高了算法的计算效率和收敛速度；
34、3.提供了一种基于哈里斯鹰优化lstm算法实现电机定子温度预测方法，通过与未经优化的lstm(长短时记忆网络)对比评价指标，发现预测效果更为精准；
35、4.通过预测值可以对控制端输入的温度进行补偿，输入更为准确的电机定子温度可以更好的以调节输入电压和电流的方式来提高电机的控制精度和效率。
1.一种基于哈里斯鹰优化算法的电机定子温度预测方法，其特征在于，包括以下步骤：
