买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉王然申请的专利一种三极磁轴承转子径向位移软测量建模方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN111753466B 。

龙图腾网通过国家知识产权局官网在2024-07-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202010546123.0，技术领域涉及：G06F30/27；该发明授权一种三极磁轴承转子径向位移软测量建模方法是由朱熀秋;樊帅设计研发完成，并于2020-06-16向国家知识产权局提交的专利申请。

本一种三极磁轴承转子径向位移软测量建模方法在说明书摘要公布了：本发明公开一种三极磁轴承转子径向位移软测量建模方法，将位移作为状态值、控制电流作为观测值分别形成一条隐马尔可夫链，两条隐马尔可夫链相互耦合形成耦合隐马尔可夫模型；对模型参数依次采用遗传算法、粒子群优化算法和Baum‑Welch算法进行优化训练得到最终模型参数，由最终模型参数建立每一组样本数据库对应的一个耦合隐马尔可夫模型作为一个子模型，每个子模型利用Viterbi算法得到一组最优位移状态值和输出概率，对所有最优位移状态值和输出概率采用加权平均法计算得出位移预测值，形成软测量模型；本发明利用多通道状态间的相互依赖关系建立两个自由度间的因果关系和影响，建模更加准确，使遗传算法和粒子群优化算法优劣互补，模型参数优化效果更好。

本发明授权一种三极磁轴承转子径向位移软测量建模方法在权利要求书中公布了：1.一种三极磁轴承转子径向位移软测量建模方法，其特征是包括以下步骤：步骤1：将三极磁轴承转子的位移x、y作为状态值、控制电流ix、iy作为观测值分别形成一条隐马尔可夫链，两条隐马尔可夫链相互耦合形成耦合隐马尔可夫模型；步骤2：确定所述的耦合隐马尔可夫模型的模型参数为λ＝{Π,A,B}，Π是初始状态概率向量，A是状态转移概率矩阵，B是观测值概率分布；求出耦合隐马尔可夫模型观测序列O和模型参数λ产生对应状态序列的输出概率PO|λ；初始状态概率向量Π＝{Πt},Πt是初始时刻耦合隐马尔可夫模型处于状态st＝{st1,st2}的先验概率，st＝{st1,st2}为耦合隐马尔可夫模型的第t个状态值，对应的观测值为ot＝{ot1,ot2}，两条隐马尔可夫链各由N个状态值和N个观测值组成，st1和st2分别是两条隐马尔可夫链的第t个状态值，0≤t≤N；状态转移概率矩阵A＝{am,n}，am,n是耦合隐马尔可夫模型从状态sm＝{sm1,sm2}转移到状态sn＝{sn1,sn2}的概率，0≤m≤N，0≤n≤N；观测值概率分布B＝{bot}，bot是模型处于状态st＝{st1,st2}时产生观测值ot＝{ot1,ot2}的概率；ot1和ot2分别是两条隐马尔可夫链的第t个状态值对应的观测值，耦合隐马尔可夫模型的观测序列O＝{o11,o12,o21,o22,...,oN1,oN2}，oN是观测序列O中的第N个观测值；步骤3：对模型参数λ＝{Π,A,B}依次采用遗传算法、粒子群优化算法和Baum-Welch算法进行优化训练，得到最终模型参数λB＝{ΠB,AB,BB}；采集磁轴承的n组转子位移x、y的样本数据并构建离线位移样本数据库；所述的遗传算法中，随机初始化模型参数λ0＝{Π0,A0,B0}，将每个模型参数λ＝{Π,A,B}中的矩阵元素Πt、am,n和bot的各行由上到下串联在一起构成一条染色体，计算每个染色体的适应度函数fλ＝ΣulnPOu|λ0U，U是观测序列的总数目，Ou是初始化模型参数λ0的第u个观测序列，1≤u≤U，依据适应度函数判断每条染色体是否满足约束条件，如果不满足则进行选择、交叉和变异操作直至满足约束条件，得到遗传算法优化模型参数λG＝{ΠG,AG,BG}；所述的粒子群优化算法中，初始化粒子位置xg为遗传算法优化模型参数λG＝{ΠG,AG,BG}中每个矩阵结构的每行元素由上到下串联编码组成的实数串，计算每个粒子的适应度函数fλ，更新速度和位置，输出粒子群优化模型参数λP＝{ΠP,AP,BP}；所述的Baum-Welch算法中，对于构建的离线位移样本数据库，随机选择每个样本数据库中的其中的一半作为训练样本数据库，另一半作为测试样本数据库，将训练样本通过Baum-Welch算法对粒子群优化模型参数λP＝{ΠP,AP,BP}进行参数重估训练，每次重估后用Viterbi算法计算出输出概率PO|λP并判断收敛，反复迭代计算，直到参数收敛到设定的范围内后得到重估后的最终模型参数λB＝{ΠB,AB,BB}；步骤4：由最终模型参数λB＝{ΠB,AB,BB}建立每一组离线位移样本数据库对应的一个耦合隐马尔可夫模型作为一个子模型，每个子模型利用Viterbi算法得到一组最优位移状态值xi和输出概率PO|λBi，对所有最优位移状态值xi和输出概率PO|λBi采用加权平均法计算得出位移预测值x′、y′；步骤5：将所有子模型、Viterbi算法以及加权平均算法内置于耦合隐马尔可夫位移预测量模型中形成软测量模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人王然，其通讯地址为：100000 北京市西城区复兴门外大街8号楼512号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。