PINN在线转矩预测模型

实时自适应高精度

结合物理定律与离线学习，在线更新以实时预测电机转矩，相比传统最小二乘法更准确、适应动态变化。

Yiyang, Chen · Yang, Xiao · Chao, Ji · 苏波

IEEE Access 2025

参数信息

平均绝对误差

0.7745 N·m

均方根误差

1.6393 N·m

转矩输出范围

260 N·m

技术优势

无需转矩传感器

利用电压、电流等易测信号和物理方程，通过PINN在线学习转矩输出模型，摆脱了对昂贵转矩传感器的依赖。

比最小二乘法更准

在实时测试中，PINN方法比基于物理公式的最小二乘法精度更高，MAE仅0.7745 N·m。

新环境快速适应

模型在新环境中数秒内即可收敛，无需重新训练，具备良好的鲁棒性和实用性。

应用场景

• 电机控制：为电机控制器提供实时转矩反馈，提升动态控制性能。
• 工业机器人驱动：省去关节转矩传感器，降低机器人驱动系统成本并提高可靠性。
• 电动飞行器动力：无需额外转矩传感器即可监测推进电机转矩，减轻飞行器重量。
• 机器人关节控制：在关节无转矩传感器条件下实现精确转矩估计，支持精细力控。
• 电机监控：通过转矩预测在线监测电机状态，及时发现异常并保障安全运行。