基于人工智能的伺服电机实时自适应控制方法及系统

本发明提供了一种基于人工智能的伺服电机实时自适应控制方法及系统，该方法包括：对伺服电机注入微小激励信号，采集不同工况下的温度与电磁响应数据，构建多维信息数据集；利用深度迁移学习对温度梯度与磁通路特性关系进行实时推理，获取定子磁链不平衡度、永磁体磁通减弱程度和转矩系数变化等多维参数偏差向量；通过物理增强强化学习方法和多维参数偏差向量，生成多尺度补偿策略；在微分几何框架下对控制律进行李群变换处理，通过双通道‑双时间尺度架构实现对温度梯度效应的精确补偿。本发明采用异构传感和多维度补偿策略，解决传统方法在复杂温度梯度条件下控制精度不足的问题，在电机温度分布快速变化的动态工况下维持高精度运动控制性能。