数据驱动的自寻阶最小二乘法及其在电机中的应用

为解决电机性能测试中某些性能曲线阶次难以确定,无法进行在线最佳阶次拟合的问题,本研究证明了转速-转矩曲线的泰勒多项式逼近,提出了一种基于数据驱动的自寻阶最小二乘算法,并应用于Visual Studio平台开发的电机测试系统中。该算法基于电机测试中采集的电参数数据,利用随机梯度算法,对要拟合的电机性能多项式曲线的参数进行逐次逼近,通过阶次评价函数选择出最佳阶次,从而实现在线最优拟合。经现场验证表明:该算法拟合速度快,能够给出最佳逼近模型,达到在线最佳阶次拟合的要求。