三相感应电机优化设计参数的数据集,通过机器学习进行验证

科学领域:

• 电气工程 电气工程
• 计算电磁学 计算机电磁学
• 数据科学数据科学数据科学

背景情况:

• 由于其效率和可靠性,三相感应电机在工业应用中至关重要.
• 优化设计参数对于提高电机性能和寿命至关重要.
• 对于先进的发动机设计和分析,需要一个全面的数据集.

研究的目的:

• 创建一个精心策划的数据集,对三相感应电机设计参数进行优化.
• 将数据集扩展到6000个实例,涵盖从0.5千瓦到100千瓦的额定输出.
• 为了验证数据集的可靠性和实用应用的实用性.

主要方法:

• 基于Python的计算框架被用来计算基于标准电机设计方程的电机参数.
• 数据集从200个设计实例扩展到6000个.
• 描述性统计和基于树的回归器 (决策树,随机森林,额外树) 被用于验证.

主要成果:

• 额外树木模型表现出高精度,R2 0.9996和低误差 (例如,MAE ≈ 7.31 W的损失,MAE ≈ 0.0073%的效率).
• 剩余的度接近于零,证实了数据集的内部一致性.
• 该数据集适用于模拟,初步设计,控制器调整和预测性维护.

结论:

• 物理驱动的数据集为三相感应电机设计和分析提供了可靠的资源.
• 数据集的准确性支持其在各种工程应用中的使用.
• 未来的工作将包括非线性磁效应,热约束和实验验证.