磁悬浮电机的轴向磁轴承刚度测试装置的制作方法

1.本发明涉及电机技术领域，尤其涉及一种磁悬浮电机的轴向磁轴承刚度测试装置。


背景技术：

2.磁轴承是一种利用磁铁相同两极相互排斥的原理而制造的非接触高性能轴承。与传统滚珠轴承、滑动轴承以及油膜轴承相比，磁轴承不存在机械接触，转子可以达到很高的运转速度，具有机械磨损小、能耗低、噪声小、寿命长、无需润滑、无油污染等优点。磁轴承主要由机械部分和电气控制部分组成。机械部分由转子和带线圈的定子组成。定子所产生的电磁力使转子保持在一定的位置上定子和转子之间有间隙，转子处于悬浮状态。
3.轴向磁轴承是磁轴承中的主要分类之一且轴向磁轴承应用广泛，在轴向磁轴承的各项参数中，电流刚度是决定轴向磁轴承工作性能的重要参数之一，需要在轴向磁轴承出厂或者使用之前进行多次测试以获得轴向磁轴承在不同输入电流下的电流刚度数值，从而保证完成测试后的轴向磁轴承能够稳定工作在各种具体应用场景。
4.示例地，中国实用新型专利公开文本cn213956782u提出的一种磁悬浮电机的轴向磁轴承刚度测试装置，所述测试装置包括底板，所述底板上端后侧固定连接有固定座，所述固定座前端开设有固定槽，所述固定槽内下侧固定连接有固定垫，固定槽内开设有等距对称分布的滑槽，所述固定座上端、左端和右端均开设有螺纹孔，所述滑槽内活动连接有滑块，所述滑块内侧固定连接有夹板，所述滑块外侧固定连接有限位块，所述滑槽内固定连接有限位框。该磁悬浮电机的轴向磁轴承刚度测试装置，由连接板、滑杆和第一轴承等零部件组成一个滑行装置，通过第一轴承在滑杆上的滑行，对推力盘与待测试磁性轴承的间距进行调节，并对待测试磁性轴承通入不同的电流，再通过力传感器测出数值，并记录各项数值，进行拟合，算出待测试磁性轴承的刚度。
5.示例地，中国实用新型专利公开文本cn211425799u提出的一种磁悬浮电机的轴向磁轴承刚度测试装置，所述测试装置包括底座、盖设于底座上且与底座围合形成用于容置轴向磁轴承的容置腔的盖体、设于容置腔内且分别用于与轴向磁轴承的推力盘的轴向两侧连接的第一固定座和第二固定座、分别设于底座和盖体上的第一连接组件和第二连接组件、分别设于第一固定座和第二固定座上的第一测力模块和第二测力模块以及分别抵接于第一固定座和第二固定座上的第一测距模块和第二测距模块；相比现有的磁悬浮电机的轴向磁轴承刚度测试装置，本技术的磁悬浮电机的轴向磁轴承刚度测试装置的结构简单，成本低，易于操作。
6.显然，上述现有技术中的各种磁悬浮电机的轴向磁轴承刚度测试装置都是通过搭建测试环境后，采用大量的实际测试操作来完成轴向磁轴承在各种不同输入电流数值下的电流刚度的数值计算，每一输入电流数值对应的电流刚度都需要投入繁琐的测试环节进行测试和计算，输入电流数值的数量一旦上升到一个数量积，则测试工作极为繁重和复杂，另外，采用完成有限次的多次测试获得多个电流刚度的具体数值后，通过数值拟合的模式解
析任一输入电流数值对应的电流刚度，虽然不需要进行海量的实际测试工作，但是这种数值拟合的模式过于理想化，拟合后获得的具体数值往往与实际测试数值偏差较大。


技术实现要素：

7.为了解决现有技术中的技术问题，本发明提供了一种磁悬浮电机的轴向磁轴承刚度测试装置，通过搭建用于解析力传感器件测量受力数值的定制结构的深度神经网络，采用有限次的实际测试数据对搭建的深度神经网络进行多次训练，以获得预测数值稳定有效的人工智能模型，从而实现虚拟、仿真的轴向磁轴承刚度测试到繁琐、真实的轴向磁轴承刚度测试的可靠替换。
8.本发明提供了一种磁悬浮电机的轴向磁轴承刚度测试装置，所述装置包括：刚度测试架构，包括用于固定待测轴向磁轴承的固定基座、位于待测轴向磁轴承正上方的推力盘体、力传感器件、通过力传感器件连接推力盘体并使得推力盘体朝向待测轴向磁轴承的底部表面平行于待测轴向磁轴承上表面且推力盘体与待测轴向磁轴承同轴布置的盘体固定框架；测试配置机构，与所述刚度测试架构连接，包括电流调节器件以及盘体驱动器件，所述电流调节器件用于向待测轴向磁轴承输入用于测试待测轴向磁轴承电流刚度的不同的电流数值，所述盘体驱动器件用于内置直流电机以推送推力盘体上下垂直移动以保持推力盘体朝向待测轴向磁轴承的底部表面到待测轴向磁轴承上表面呈现用于不同位移；网络构建机构，用于建立深度神经网络，所述深度神经网络的各项网络输入数据为待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数，所述深度神经网络的单项网络输出数据为相对于待测轴向磁轴承的输入电流数值的力传感器件测量到的在垂直方向的受力数值；模型重构机构，用于对所述网络构建机构建立的深度神经网络执行设定数量的各次训练以获得完成设定数量的各次训练的深度神经网络并作为执行力传感器件测量到的在垂直方向的受力数值的智能预测的人工智能模型；模型应用器件，与所述模型重构机构连接，用于采用人工智能模型基于任一输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数执行智能预测以获得预测到的受力数值而不执行实际测试；刚度分析器件，与所述模型应用器件连接，用于将任一输入电流数值的倒数乘以采用人工智能模型基于所述输入电流数值智能预测获得的受力数值的乘积作为待测轴向磁轴承对应于所述输入电流数值的电流刚度。
9.由此可见，本发明至少具备以下三处关键的发明构思：发明构思一、采用针对性构建的人工智能模型，执行用于计算待测轴向磁轴承的电流刚度的力传感器件测量受力数值的智能预测，所述人工智能模型能够针对遍历待测轴向磁轴承的任一输入电流数值，执行待测轴向磁轴承的无限次的电流刚度计算，从而不需要繁琐的实际测试过程即可通过仿真方式快速获取任一输入电流数值对应的电流刚度，提升了轴向磁轴承电流刚度测试的速度和效率；发明构思二、为保证人工智能模型预测结果的稳定性和有效性，设计包括待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半
径和间隙系数的各项预测基础数据，同时通过有限次的电流刚度的实际测试完成对所述人工智能模型的逐次重构；发明构思三、执行训练的次数与待测轴向磁轴承的体积成单调正向关联关系，以及执行各次训练时选择的已完成实际测试的各组测试参数分别对应的各个输入电流数值为两两间隔均匀数值的各个电流数值，从而进一步保证人工智能模型预测结果的稳定性和有效性。
附图说明
10.以下将结合附图对本发明的实施例进行描述，其中：图1为根据本发明的磁悬浮电机的轴向磁轴承刚度测试装置的技术流程图。
11.图2为根据本发明的第一实施例示出的磁悬浮电机的轴向磁轴承刚度测试装置的结构组件图。
12.图3为根据本发明的第二实施例示出的磁悬浮电机的轴向磁轴承刚度测试装置的结构组件图。
具体实施方式
13.如图1所示，给出了根据本发明示出的磁悬浮电机的轴向磁轴承刚度测试装置的技术流程图。
14.如图1所示，本发明的具体的技术流程如下：第一步，对待测轴向磁轴承执行多组的真实测试，以获得多组真实测试数据，每一组真实测试数据包括待测轴向磁轴承的输入电流以及力传感器件测量的受力数值，用于计算输入电流下的待测轴向磁轴承的电流刚度；示例地，可以通过构建刚度测试架构以搭建轴向磁轴承的测试环境，所述刚度测试架构包括用于固定待测轴向磁轴承的固定基座、位于待测轴向磁轴承正上方的推力盘体、力传感器件、通过力传感器件连接推力盘体并使得推力盘体朝向待测轴向磁轴承的底部表面平行于待测轴向磁轴承上表面且推力盘体与待测轴向磁轴承同轴布置的盘体固定框架；第二步，针对待测轴向磁轴承设计人工智能模型，所述人工智能模型为完成设定数量的各次训练的深度神经网络，采用第一步获取的多组真实测试数据执行所述各次训练，以保证所述人工智能模型后续分析结果的有效性和稳定性；示例地，所述深度神经网络的各个输入数据定制，包括待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数这些与刚度数据相关的输入内容；示例地，设定数量的取值与待测轴向磁轴承的体积成单调正向关联关系，从而为不同的待测轴向磁轴承设计不同的人工智能模型；第三步，采用仿真、虚拟测试过程替换真实测试过程，可以将任一输入电流作为第二步设计的人工智能模型的输入数据执行相应的力传感器件测量的受力数值的分析，从而完成任一输入电流下的待测轴向磁轴承的电流刚度的测试，提升了待测轴向磁轴承刚度测试的智能化水准，避免陷入复杂、繁琐的海量测试工序中；
实际上，采用人工智能模型的智能分析模式能够穷尽待测轴向磁轴承的输入电流的所有数值，而对所有输入电流进行真实测试，显然不现实，同时，对有限输入电流进行真实测试，对未穷尽的输入电流进行数值拟合，这种穷尽模式过于偏重数值分析以及过于理想化，导致实际获得的刚度数值与真实刚度数值偏差较大，而本发明中采用有限次的实际测试数据对搭建的深度神经网络进行多次训练，能够获得预测数值稳定有效的人工智能模型，实现对所有输入电流分别对应的刚度数值的可靠分析。
15.本发明的关键点在于：有限次数的模型训练+定制设计的模型结构实现电流数值对应电流刚度的穷尽分析、包括待测轴向磁轴承的输入电流数值、体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数这些与刚度数据相关的各项模型输入内容的定制。
16.下面，将对本发明的磁悬浮电机的轴向磁轴承刚度测试装置以实施例的方式进行具体说明。
第一实施例
17.图2为根据本发明的第一实施例示出的磁悬浮电机的轴向磁轴承刚度测试装置的结构组件图。
18.如图2所示，所述磁悬浮电机的轴向磁轴承刚度测试装置包括以下步骤：刚度测试架构，包括用于固定待测轴向磁轴承的固定基座、位于待测轴向磁轴承正上方的推力盘体、力传感器件、通过力传感器件连接推力盘体并使得推力盘体朝向待测轴向磁轴承的底部表面平行于待测轴向磁轴承上表面且推力盘体与待测轴向磁轴承同轴布置的盘体固定框架；例如，所述推力盘体为圆盘结构且具有圆形的顶部表面以及圆形的底部表面；测试配置机构，与所述刚度测试架构连接，包括电流调节器件以及盘体驱动器件，所述电流调节器件用于向待测轴向磁轴承输入用于测试待测轴向磁轴承电流刚度的不同的电流数值，所述盘体驱动器件用于内置直流电机以推送推力盘体上下垂直移动以保持推力盘体朝向待测轴向磁轴承的底部表面到待测轴向磁轴承上表面呈现用于不同位移；示例地，所述直流电机可以为直流无刷电机，所述电流调节器件的前端设置有电流检测器件，用于检测输入到待测轴向磁轴承的电流数值；网络构建机构，用于建立深度神经网络，所述深度神经网络的各项网络输入数据为待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数，所述深度神经网络的单项网络输出数据为相对于待测轴向磁轴承的输入电流数值的力传感器件测量到的在垂直方向的受力数值；示例地，建立深度神经网络，所述深度神经网络的各项网络输入数据为待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数，所述深度神经网络的单项网络输出数据为相对于待测轴向磁轴承的输入电流数值的力传感器件测量到的在垂直方向的受力数值包括：所述深度神经网络的建立可以采用数值仿真模式实现；模型重构机构，用于对所述网络构建机构建立的深度神经网络执行设定数量的各次训练以获得完成设定数量的各次训练的深度神经网络并作为执行力传感器件测量到的在垂直方向的受力数值的智能预测的人工智能模型；
模型应用器件，与所述模型重构机构连接，用于采用人工智能模型基于任一输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数执行智能预测以获得预测到的受力数值而不执行实际测试；刚度分析器件，与所述模型应用器件连接，用于将任一输入电流数值的倒数乘以采用人工智能模型基于所述输入电流数值智能预测获得的受力数值的乘积作为待测轴向磁轴承对应于所述输入电流数值的电流刚度；例如，将任一输入电流数值的倒数乘以采用人工智能模型基于所述输入电流数值智能预测获得的受力数值的乘积作为待测轴向磁轴承对应于所述输入电流数值的电流刚度包括：可以采用数值计算公式执行将任一输入电流数值的倒数乘以采用人工智能模型基于所述输入电流数值智能预测获得的受力数值的乘积作为待测轴向磁轴承对应于所述输入电流数值的电流刚度的计算过程；其中，所述设定数量的取值与待测轴向磁轴承的体积成单调正向关联关系，以及采用设定数量的已完成实际测试的各组测试参数对所述网络构建机构建立的深度神经网络执行设定数量的各次训练；示例地，所述设定数量的取值与待测轴向磁轴承的体积成单调正向关联关系包括：所述设定数量的取值可以与待测轴向磁轴承的体积成正比；其中，采用设定数量的已完成实际测试的各组测试参数对所述网络构建机构建立的深度神经网络执行设定数量的各次训练包括：采用的已完成实际测试的每一组测试参数为已完成实际测试时的输入电流数值以及对应于该次测试时的输入电流数值的已知力传感器件测量到的受力数值；其中，采用的已完成实际测试的每一组测试参数为已完成实际测试时的输入电流数值以及对应于该次测试时的输入电流数值的已知力传感器件测量到的受力数值包括：选择的已完成实际测试的各组测试参数分别对应的各个输入电流数值为两两间隔均匀数值的各个电流数值。
第二实施例
19.图3为根据本发明的第二实施例示出的磁悬浮电机的轴向磁轴承刚度测试装置的结构组件图。
20.如图3所示，与图2不同，所述磁悬浮电机的轴向磁轴承刚度测试装置还包括：信息存储芯片，与所述刚度分析器件连接，用于接收并存储任一输入电流数值以及所述任一输入电流数值对应的电流刚度；例如，所述信息存储芯片的选型可以为tf存储芯片、sd存储芯片以及flash存储芯片中的一种；其中，接收并存储任一输入电流数值以及所述任一输入电流数值对应的电流刚度包括：所述信息存储芯片以数据库的模式执行任一输入电流数值以及所述任一输入电流数值对应的电流刚度的关联存储。
第三实施例
21.相比较于图2中的装置，根据本发明的第三实施例示出的磁悬浮电机的轴向磁轴
承刚度测试装置还包括以下部件：即时显示器件，与所述刚度分析器件连接，用于接收并显示任一输入电流数值以及所述任一输入电流数值对应的电流刚度；例如，可以采用led显示阵列、lcd显示阵列或者液晶显示屏幕来实现所述即时显示器件。
第四实施例
22.相比较于图2中的装置，根据本发明的第四实施例示出的磁悬浮电机的轴向磁轴承刚度测试装置还包括以下部件：信息存储芯片，与所述刚度分析器件连接，用于接收并存储任一输入电流数值以及所述任一输入电流数值对应的电流刚度；即时显示器件，与所述刚度分析器件或者与所述信息存储芯片连接，用于接收并显示任一输入电流数值以及所述任一输入电流数值对应的电流刚度；例如，所述信息存储芯片的选型可以为tf存储芯片、sd存储芯片以及flash存储芯片中的一种；其中，接收并存储任一输入电流数值以及所述任一输入电流数值对应的电流刚度包括：所述信息存储芯片以数据库的模式执行任一输入电流数值以及所述任一输入电流数值对应的电流刚度的关联存储；例如，可以采用led显示阵列、lcd显示阵列或者液晶显示屏幕来实现所述即时显示器件。
第五实施例
23.相比较于图2中的装置，根据本发明的第五实施例示出的磁悬浮电机的轴向磁轴承刚度测试装置还包括以下部件：同步协调器件，分别与网络构建机构、模型重构机构、模型应用器件连接，用于分别实现网络构建机构、模型重构机构、模型应用器件的两两同步控制；示例地，可以采用矩形波的上升沿或者下降沿来分别实现网络构建机构、模型重构机构、模型应用器件的两两同步控制。
第六实施例
24.相比较于图2中的装置，根据本发明的第六实施例示出的磁悬浮电机的轴向磁轴承刚度测试装置还包括以下部件：并行通信接口，分别与网络构建机构、模型重构机构、模型应用器件连接，用于建立网络构建机构、模型重构机构、模型应用器件两两之间的并行通信链路；示例地，建立网络构建机构、模型重构机构、模型应用器件两两之间的并行通信链路包括：所述并行通信链路的位数为8位、16位、32位中的一种。
25.接着，将继续对本发明的各个实施例中的磁悬浮电机的轴向磁轴承刚度测试装置进行进一步的说明。
26.在根据本发明的各个实施例中的磁悬浮电机的轴向磁轴承刚度测试装置中：
所述深度神经网络的各项网络输入数据为待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数包括：将待测轴向磁轴承的轴颈半径与待测轴向磁轴承的轴瓦半径的差值作为半径间隙，将半径间隙除以轴瓦半径以获得待测轴向磁轴承的间隙系数；示例地，将待测轴向磁轴承的轴颈半径与待测轴向磁轴承的轴瓦半径的差值作为半径间隙，将半径间隙除以轴瓦半径以获得待测轴向磁轴承的间隙系数包括：可以采用不同的数值转换公式执行半径间隙以及间隙系数的计算。
27.在根据本发明的各个实施例中的磁悬浮电机的轴向磁轴承刚度测试装置中：所述深度神经网络的各项网络输入数据为待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数，所述深度神经网络的单项网络输出数据为相对于待测轴向磁轴承的输入电流数值的力传感器件测量到的在垂直方向的受力数值包括：所述深度神经网络的各项网络输入数据以及所述深度神经网络的单项网络输出数据都为数值归一化处理后数据；其中，所述深度神经网络的各项网络输入数据以及所述深度神经网络的单项网络输出数据都为数值归一化处理后数据包括：所述深度神经网络的各项网络输入数据以及所述深度神经网络的单项网络输出数据都为十六进制数值转换处理后数据。
28.以及在根据本发明的各个实施例中的磁悬浮电机的轴向磁轴承刚度测试装置中：对所述网络构建机构建立的深度神经网络执行设定数量的各次训练以获得完成设定数量的各次训练的深度神经网络并作为执行力传感器件测量到的在垂直方向的受力数值的智能预测的人工智能模型包括：在每一次训练中，将已知力传感器件测量到的在垂直方向的受力数值作为深度神经网络的单项网络输出数据，将已知的受力数值对应的待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数作为所述深度神经网络的各项网络输入数据，完成所述训练；示例地，在每一次训练中，将已知力传感器件测量到的在垂直方向的受力数值作为深度神经网络的单项网络输出数据，将已知的受力数值对应的待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数作为所述深度神经网络的各项网络输入数据，完成所述训练包括：可以采用matlab工具箱实现对深度神经网络的每一次训练；其中，在每一次训练中，将已知力传感器件测量到的在垂直方向的受力数值作为深度神经网络的单项网络输出数据，将已知的受力数值对应的待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数作为所述深度神经网络的各项网络输入数据，完成所述训练包括：在每一次训练中，将已知的受力数值对应的待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数分别进行数值归一化处理后在并行输入到所述深度神经网络；其中，在每一次训练中，将已知力传感器件测量到的在垂直方向的受力数值作为深度神经网络的单项网络输出数据，将已知的受力数值对应的待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数作为所述深度神经网络的各项网络输入数据，完成所述训练包括：在每一次训练中，将已知力传感
器件测量到的在垂直方向的受力数值进行数值归一化处理后再作为深度神经网络的单项网络输出数据。
第七实施例
29.根据本发明的第七实施例示出的轴向磁轴承刚度测试方法具体包括以下步骤：构建刚度测试架构，所述刚度测试架构包括用于固定待测轴向磁轴承的固定基座、位于待测轴向磁轴承正上方的推力盘体、力传感器件、通过力传感器件连接推力盘体并使得推力盘体朝向待测轴向磁轴承的底部表面平行于待测轴向磁轴承上表面且推力盘体与待测轴向磁轴承同轴布置的盘体固定框架；例如，所述推力盘体为圆盘结构且具有圆形的顶部表面以及圆形的底部表面；构建测试配置机构，所述测试配置机构包括电流调节器件以及盘体驱动器件，所述电流调节器件用于向待测轴向磁轴承输入用于测试待测轴向磁轴承电流刚度的不同的电流数值，所述盘体驱动器件用于内置直流电机以推送推力盘体上下垂直移动以保持推力盘体朝向待测轴向磁轴承的底部表面到待测轴向磁轴承上表面呈现用于不同位移；示例地，所述直流电机可以为直流无刷电机，所述电流调节器件的前端设置有电流检测器件，用于检测输入到待测轴向磁轴承的电流数值；使用网络构建机构以建立深度神经网络，所述深度神经网络的各项网络输入数据为待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数，所述深度神经网络的单项网络输出数据为相对于待测轴向磁轴承的输入电流数值的力传感器件测量到的在垂直方向的受力数值；示例地，建立深度神经网络，所述深度神经网络的各项网络输入数据为待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数，所述深度神经网络的单项网络输出数据为相对于待测轴向磁轴承的输入电流数值的力传感器件测量到的在垂直方向的受力数值包括：所述深度神经网络的建立可以采用数值仿真模式实现；使用模型重构机构用于对所述网络构建机构建立的深度神经网络执行设定数量的各次训练以获得完成设定数量的各次训练的深度神经网络并作为执行力传感器件测量到的在垂直方向的受力数值的智能预测的人工智能模型；使用与所述模型重构机构连接的模型应用器件，用于采用人工智能模型基于任一输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数执行智能预测以获得预测到的受力数值而不执行实际测试；使用与所述模型应用器件连接的刚度分析器件，用于将任一输入电流数值的倒数乘以采用人工智能模型基于所述输入电流数值智能预测获得的受力数值的乘积作为待测轴向磁轴承对应于所述输入电流数值的电流刚度；例如，将任一输入电流数值的倒数乘以采用人工智能模型基于所述输入电流数值智能预测获得的受力数值的乘积作为待测轴向磁轴承对应于所述输入电流数值的电流刚度包括：可以采用数值计算公式执行将任一输入电流数值的倒数乘以采用人工智能模型基于所述输入电流数值智能预测获得的受力数值的乘积作为待测轴向磁轴承对应于所述输入电流数值的电流刚度的计算过程；
其中，所述设定数量的取值与待测轴向磁轴承的体积成单调正向关联关系，以及采用设定数量的已完成实际测试的各组测试参数对所述网络构建机构建立的深度神经网络执行设定数量的各次训练；示例地，所述设定数量的取值与待测轴向磁轴承的体积成单调正向关联关系包括：所述设定数量的取值可以与待测轴向磁轴承的体积成正比；其中，采用设定数量的已完成实际测试的各组测试参数对所述网络构建机构建立的深度神经网络执行设定数量的各次训练包括：采用的已完成实际测试的每一组测试参数为已完成实际测试时的输入电流数值以及对应于该次测试时的输入电流数值的已知力传感器件测量到的受力数值；其中，采用的已完成实际测试的每一组测试参数为已完成实际测试时的输入电流数值以及对应于该次测试时的输入电流数值的已知力传感器件测量到的受力数值包括：选择的已完成实际测试的各组测试参数分别对应的各个输入电流数值为两两间隔均匀数值的各个电流数值。
30.另外，在根据本发明的磁悬浮电机的轴向磁轴承刚度测试装置中：在每一次训练中，将已知的受力数值对应的待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数分别进行数值归一化处理后在并行输入到所述深度神经网络包括：在每一次训练中，将已知的受力数值对应的待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数分别进行十六进制数值转换处理后在并行输入到所述深度神经网络；其中，在每一次训练中，将已知力传感器件测量到的在垂直方向的受力数值进行数值归一化处理后再作为深度神经网络的单项网络输出数据包括：在每一次训练中，将已知力传感器件测量到的在垂直方向的受力数值进行十六进制数值转换处理后再作为深度神经网络的单项网络输出数据。
31.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
32.本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
33.以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

技术特征：
1.一种磁悬浮电机的轴向磁轴承刚度测试装置，其特征在于，所述装置包括：刚度测试架构，包括用于固定待测轴向磁轴承的固定基座、位于待测轴向磁轴承正上方的推力盘体、力传感器件、通过力传感器件连接推力盘体并使得推力盘体朝向待测轴向磁轴承的底部表面平行于待测轴向磁轴承上表面且推力盘体与待测轴向磁轴承同轴布置的盘体固定框架；测试配置机构，与所述刚度测试架构连接，包括电流调节器件以及盘体驱动器件，所述电流调节器件用于向待测轴向磁轴承输入用于测试待测轴向磁轴承电流刚度的不同的电流数值，所述盘体驱动器件用于内置直流电机以推送推力盘体上下垂直移动以保持推力盘体朝向待测轴向磁轴承的底部表面到待测轴向磁轴承上表面呈现用于不同位移；网络构建机构，用于建立深度神经网络，所述深度神经网络的各项网络输入数据为待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数，所述深度神经网络的单项网络输出数据为相对于待测轴向磁轴承的输入电流数值的力传感器件测量到的在垂直方向的受力数值；模型重构机构，用于对所述网络构建机构建立的深度神经网络执行设定数量的各次训练以获得完成设定数量的各次训练的深度神经网络并作为执行力传感器件测量到的在垂直方向的受力数值的智能预测的人工智能模型；模型应用器件，与所述模型重构机构连接，用于采用人工智能模型基于任一输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数执行智能预测以获得预测到的受力数值而不执行实际测试；刚度分析器件，与所述模型应用器件连接，用于将任一输入电流数值的倒数乘以采用人工智能模型基于所述输入电流数值智能预测获得的受力数值的乘积作为待测轴向磁轴承对应于所述输入电流数值的电流刚度。2.如权利要求1所述的磁悬浮电机的轴向磁轴承刚度测试装置，其特征在于：所述设定数量的取值与待测轴向磁轴承的体积成单调正向关联关系，以及采用设定数量的已完成实际测试的各组测试参数对所述网络构建机构建立的深度神经网络执行设定数量的各次训练；其中，采用设定数量的已完成实际测试的各组测试参数对所述网络构建机构建立的深度神经网络执行设定数量的各次训练包括：采用的已完成实际测试的每一组测试参数为已完成实际测试时的输入电流数值以及对应于该次测试时的输入电流数值的已知力传感器件测量到的受力数值；其中，采用的已完成实际测试的每一组测试参数为已完成实际测试时的输入电流数值以及对应于该次测试时的输入电流数值的已知力传感器件测量到的受力数值包括：选择的已完成实际测试的各组测试参数分别对应的各个输入电流数值为两两间隔均匀数值的各个电流数值。3.如权利要求2所述的磁悬浮电机的轴向磁轴承刚度测试装置，其特征在于，所述装置还包括：信息存储芯片，与所述刚度分析器件连接，用于接收并存储任一输入电流数值以及所述任一输入电流数值对应的电流刚度；其中，接收并存储任一输入电流数值以及所述任一输入电流数值对应的电流刚度包
括：所述信息存储芯片以数据库的模式执行任一输入电流数值以及所述任一输入电流数值对应的电流刚度的关联存储。4.如权利要求2所述的磁悬浮电机的轴向磁轴承刚度测试装置，其特征在于，所述装置还包括：即时显示器件，与所述刚度分析器件连接，用于接收并显示任一输入电流数值以及所述任一输入电流数值对应的电流刚度。5.如权利要求2所述的磁悬浮电机的轴向磁轴承刚度测试装置，其特征在于，所述装置还包括：同步协调器件，分别与网络构建机构、模型重构机构、模型应用器件连接，用于分别实现网络构建机构、模型重构机构、模型应用器件的两两同步控制。6.如权利要求2所述的磁悬浮电机的轴向磁轴承刚度测试装置，其特征在于，所述装置还包括：并行通信接口，分别与网络构建机构、模型重构机构、模型应用器件连接，用于建立网络构建机构、模型重构机构、模型应用器件两两之间的并行通信链路。7.如权利要求2-6任一所述的磁悬浮电机的轴向磁轴承刚度测试装置，其特征在于：所述深度神经网络的各项网络输入数据为待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数包括：将待测轴向磁轴承的轴颈半径与待测轴向磁轴承的轴瓦半径的差值作为半径间隙，将半径间隙除以轴瓦半径以获得待测轴向磁轴承的间隙系数。8.如权利要求2-6任一所述的磁悬浮电机的轴向磁轴承刚度测试装置，其特征在于：所述深度神经网络的各项网络输入数据为待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数，所述深度神经网络的单项网络输出数据为相对于待测轴向磁轴承的输入电流数值的力传感器件测量到的在垂直方向的受力数值包括：所述深度神经网络的各项网络输入数据以及所述深度神经网络的单项网络输出数据都为数值归一化处理后数据；其中，所述深度神经网络的各项网络输入数据以及所述深度神经网络的单项网络输出数据都为数值归一化处理后数据包括：所述深度神经网络的各项网络输入数据以及所述深度神经网络的单项网络输出数据都为十六进制数值转换处理后数据。9.如权利要求2-6任一所述的磁悬浮电机的轴向磁轴承刚度测试装置，其特征在于：对所述网络构建机构建立的深度神经网络执行设定数量的各次训练以获得完成设定数量的各次训练的深度神经网络并作为执行力传感器件测量到的在垂直方向的受力数值的智能预测的人工智能模型包括：在每一次训练中，将已知力传感器件测量到的在垂直方向的受力数值作为深度神经网络的单项网络输出数据，将已知的受力数值对应的待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数作为所述深度神经网络的各项网络输入数据，完成所述训练。10.如权利要求9所述的磁悬浮电机的轴向磁轴承刚度测试装置，其特征在于：在每一次训练中，将已知力传感器件测量到的在垂直方向的受力数值作为深度神经网络的单项网络输出数据，将已知的受力数值对应的待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数作为所述深度神经
网络的各项网络输入数据，完成所述训练包括：在每一次训练中，将已知的受力数值对应的待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数分别进行数值归一化处理后在并行输入到所述深度神经网络；其中，在每一次训练中，将已知力传感器件测量到的在垂直方向的受力数值作为深度神经网络的单项网络输出数据，将已知的受力数值对应的待测轴向磁轴承的输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数作为所述深度神经网络的各项网络输入数据，完成所述训练包括：在每一次训练中，将已知力传感器件测量到的在垂直方向的受力数值进行数值归一化处理后再作为深度神经网络的单项网络输出数据。

技术总结
本发明涉及一种磁悬浮电机的轴向磁轴承刚度测试装置，涉及电机技术领域。所述装置包括：模型应用器件，用于采用人工智能模型基于任一输入电流数值以及待测轴向磁轴承的体积、重量、磁通密度、轴颈半径、轴瓦半径和间隙系数执行智能预测以获得预测到的受力数值而不执行实际测试；刚度分析器件，用于基于预测数据计算电流刚度。通过本发明，针对任一输入电流数值对应的待测轴向磁轴承的电流刚度难以一一实际测试的技术问题，能够搭建用于解析电流刚度相关参数的深度神经网络，并采用有限次的实际测试数据对搭建的深度神经网络进行多次训练以获得可靠的预测相关参数的人工智能模型，从而通过仿真测试的模式解决了上述技术问题。题。题。


技术研发人员：徐功义 雷新江 李健
受保护的技术使用者：格瑞拓动力股份有限公司
技术研发日：2023.07.01
技术公布日：2023/8/1