an1078--pmsm 无传感器foc 的单分流三相电流重构算法

时间: 2023-05-08 21:02:05 浏览: 77
an1078--pmsm无传感器FOC的单分流三相电流重构算法是一种针对无传感器异步电动机相关的算法。传统的单分流控制算法需要使用功率电子器件对三相电流进行调整,然而,在传感器电机中,我们需要通过测量电机的电流来进行控制。由于无传感器电机不存在传感器以进行测量,我们需要一种新的算法。 该算法可以在运行中通过控制器准确传达电机的转速和转向,从而准确地监视电机的运行状况。该算法通过测量电压波形来确定电机电流的大小和方向。通过与电机的旋转磁场保持同步,电流重构算法可以精确控制电机的转动,并确保电机的性能达到最佳状态。电流重构算法使用反电动势(EMF)来计算电机的位置,并通过反馈系统来调整电流,从而正确的驱动电机。 结合了FOC和电流重构算法的单分流三相电流重构算法是一种非常有效的控制技术,可以针对各种不同的无传感器电机进行控制,并为它们提供出色的性能。这种算法在实际应用中取得了良好的效果,并成为了对无传感器电机进行控制的首选技术之一。在未来,随着更多无传感器电机的研发,该算法为无序感器电机的控制提供了一种可靠且灵活的解决方案。
相关问题

an1299--pmsm 无传感器foc 的单分流三相电流重构算法

AN1299是一份有关无传感器磁场定向控制(FOC)电机控制的技术文档,主要介绍了一种基于单分流三相电流重构算法实现FOC的方法。该算法采用空间矢量调制(SVM)技术,将电机的三相电流进行重构并进行相应的控制。 与传统的FOC相比,该算法省略了电机驱动中所需的位置传感器和速度传感器,从而实现了减少硬件成本、提高系统可靠性和降低系统噪声等多种优势。通过对电机的反馈控制和三相电流的重构,可以达到实现磁场定向控制的目的。 在实际应用时,该算法需要根据电机参数进行调整,包括电机不确定性、磁阻不确定性、转矩波动等因素,以保证电机能够达到理想的性能。 总的来说,该算法具有优化系统性能、简化硬件设计、提高系统可靠性等多项优点。通过更精确的电机控制,可以满足高性能电机应用的要求,实现更加精准的运动控制和能量管理。

pmsm 无传感器 foc的单分流三相电流重构算法

无传感器FOC(Field-Oriented Control)是一种用于永磁同步电机(PMSM)控制的技术,其通过测量电机轴向磁场和电流来实现精确的转矩控制。单分流三相电流重构算法是其中一种常见的实现方法。 在传统的FOC中,需要使用传感器来测量电机的转子位置和速度,以实现精确的控制。然而,使用传感器会增加成本和复杂性,并且容易受到传感器故障的影响。无传感器FOC的目标就是通过算法来估计电机的转子位置和速度,以替代传感器的使用。 单分流三相电流重构算法是一种无传感器FOC的实现方法之一。其基本原理是通过对电机的电流进行测量和分析,来估计电机的转子位置和速度。 该算法的实现步骤如下: 1. 首先,通过测量电机的三相电流来获取电机实际转子位置的估计值。 2. 然后,通过将电机的电流进行重构,计算得到电机转子位置和速度的估计值。 3. 接下来,使用估计的转子位置和速度来计算电机的电流控制信号,以实现所需的转矩控制。 4. 最后,根据实际的电机性能和要求来优化算法参数,以提高控制的准确性和稳定性。 单分流三相电流重构算法能够实现无传感器的FOC,降低了系统的成本和复杂性,并提高了系统的可靠性。然而,该算法的精确度和稳定性取决于电机模型的准确性和算法参数的优化程度,因此需要进行准确的电机建模和系统调试来提高控制性能。

相关推荐

### 回答1: 降阶龙伯格观测器(Reduced-order Luenberger Observer)是一种常用的状态估计器,广泛应用于无传感器场合下的控制系统中。实现PMSM(Permanent Magnet Synchronous Motor)的无传感器FOC(Field Oriented Control)是利用降阶龙伯格观测器来估计电机的转子位置和速度,从而实现无需使用传感器的控制。 在实施PMSM的无传感器FOC时,首先需要对电机进行数学模型化,建立电机的数学模型。然后通过对电机状态方程进行数学转换,得到成对的性能方程。根据这些性能方程,可以构建出降阶龙伯格观测器的差分方程。 在实际控制中,通过对电机的电流、电压等物理量进行采样,可以得到一系列的离散数据。然后利用降阶龙伯格观测器的差分方程,通过对这些数据进行计算和观测,可以估计出电机的转子位置和速度。根据这些估计值,可以实现对电机的无传感器FOC控制。 降阶龙伯格观测器的具体实现方法可以参考相关文献或者应用笔记,一般包括将电机状态方程离散化、构建观测器估计量的差分方程、确定观测器参数、设计观测器的状态反馈增益等步骤。通过适当地选择观测器参数和设计状态反馈增益,可以得到满意的性能指标和控制效果。 总之,降阶龙伯格观测器是一种实现PMSM的无传感器FOC控制的有效方法。通过该方法,可以在无需使用传感器的情况下,实现对电机的位置和速度的估计和控制,提高系统的可靠性和降低成本。 ### 回答2: 无传感器FOC(Field-Oriented Control)是一种在电机驱动中不使用传感器来测量转子位置或速度的控制技术。在使用PMSM(Permanent Magnet Synchronous Motor)进行无传感器FOC时,可以采用降阶龙贝格观测器(BL-Luenberger Observer)来实现。 降阶龙贝格观测器是一种高精度的状态估计器,能够利用电流和电压测量值来估计电机的状态变量,如转速、转子位置等。在AN2590文档中介绍的方法中,通过使用此观测器来实现无传感器FOC。 首先,通过电流测量,可以得到电机的电压和电流信息。同时,通过估计电机的状态变量,可以用于计算控制算法中的反馈环节。降阶龙贝格观测器根据电机的状态方程进行状态估计,并通过比较估计值和实际测量值来更新观测器状态。观测器的输出可以用作控制器的输入,从而实现无传感器FOC。 降阶龙贝格观测器的设计需要根据具体的电机参数和控制要求进行调试和优化。在AN2590文档中,可能提供了关于观测器参数的建议或实现方法。 总之,采用降阶龙贝格观测器可以实现PMSM的无传感器FOC。通过估计电机的状态变量,可以避免使用传感器,并实现高精度的控制。然而,在实际应用中,还需要根据具体情况进行调试和优化,以获得最佳的控制结果。 ### 回答3: 无传感器矢量控制(FOC)是一种无需使用传感器进行位置和速度反馈的永磁同步电机(PMSM)控制方法。实现无传感器FOC可以通过使用降阶龙贝格观测器(DELOBS)来估计电机的状态,并根据这些估计值来控制电机。 降阶龙贝格观测器是一种使用滤波器来估计电机状态的观测器。它通过使用系统模型和电机的测量输入输出数据之间的误差来计算状态估计值。该观测器可以对电机的位置、速度和电流等状态进行估计。 实现无传感器FOC的关键是根据降阶龙贝格观测器的估计值来计算电机的控制指令。通过将观测器的估计值与电机实际状态进行比较,控制器可以根据误差信号来调整控制指令,以使电机达到所需的运行状态。 为了实现无传感器FOC,首先需要确定电机的数学模型。然后,将降阶龙贝格观测器应用于该模型,以获得对电机状态的估计值。最后,使用这些估计值来计算控制指令,并将其应用于电机以实现所需的运行。 采用降阶龙贝格观测器实现无传感器FOC可以减少系统的复杂性和成本,同时保持控制的准确性和稳定性。它为无传感器FOC提供了一种有效的实现方法,满足PMSM控制的要求。
《Microchip AN1078 PMSM电机FOC控制中文.pdf》是关于如何使用Microchip技术进行PMSM(永磁同步电机)FOC(场定向控制)的控制的文档。PMSM电机是一种高效能的电机,常用于工业自动化、交通工具和家用电器等领域。FOC控制是一种控制策略,通过调整电流和电压来精确控制电机的速度和位置。 该文档详细介绍了PMSM电机的原理和结构,包括电机的磁场构成、定子和转子的设计等。然后,文档提供了使用Microchip技术进行PMSM电机FOC控制的具体步骤和方法。 首先,文档介绍了FOC控制的原理和优势。FOC控制通过将电流控制转换到磁场控制,可以显著提高电机的效能和运行平滑度。然后,文档详细说明了使用Microchip技术实现FOC控制的硬件和软件要求。 硬件方面,文档列举了所需的器件和接口,包括Microchip的DSP控制器、电流传感器和PWM(脉冲宽度调制)驱动器等。文档还提供了连接图和电路设计建议。 软件方面,文档介绍了使用Microchip的开发工具和库进行FOC控制的步骤。包括固件的编译、参数的设置和PID(比例-积分-微分)控制的调整等。文档还附带了实例代码和实验结果,方便读者理解和实践。 总之,《Microchip AN1078 PMSM电机FOC控制中文.pdf》提供了一个完整的指南,帮助读者了解和使用Microchip技术实现PMSM电机FOC控制。无论是对于对PMSM电机FOC控制感兴趣的工程师还是学习者,这个文档都是一个非常有用的参考资料。
### 回答1: PMSM无感FOC控制是一种传统的控制方法,主要用于三相永磁同步电机的控制。该控制方法采用双闭环控制结构,在速度环和电流环之间分别设置了PI控制器,使电机达到精准控制。这种控制方法使用空间向量调制技术,结合三相电流反馈和三相电压反馈,实现电机的无感控制。 此外,PMSM无感FOC控制还使用了传统SVM技术,采用SVPWM波形,通过控制器的输出,使各相电流按照一定的规律变化,实现控制目标。 在标准FOC控制中,需要使用位置传感器来获取电机的位置信息,但PMSM无感FOC控制则使用基于传统的SVM技术来预测电机的位置信息。因此,不需要使用位置传感器即可实现对电机的控制,大大降低了系统成本。 总的来说,PMSM无感FOC控制是一种成熟的控制方法,在永磁同步电机控制中得到了广泛应用。在实际应用中,需要考虑控制器的参数与电机参数的匹配,以及实时性和稳定性等问题。 ### 回答2: PMSM无感FOC(无感测控制技术)是一种高精度、高效率的电机控制技术,在工业控制领域中应用很广泛。相较于其他传统的电机控制技术,PMSM无感FOC具有以下优点: 首先,在控制效果方面,PMSM无感FOC可以实现高精度的转速控制和位置控制,具有响应速度快、控制精度高的特点。其次,在节能方面,由于无感FOC控制技术可以减小电机的逆磁电动势,并通过控制直流电流的大小和方向来控制电机运行状态,从而达到更好的节能效果。此外,PMSM无感FOC还具有抗干扰性强、控制性能稳定等优点。 对于传统SME控制过程中存在的一些问题,PMSM无感FOC采用了一种更加先进的控制方法。它主要是通过异步滤波器解决了转子位置和速度的估算问题。PMSM无感FOC还采用了PID控制算法,能够有效地改善系统的响应速度和控制精度。在实际使用过程中,PMSM无感FOC控制技术已经被广泛应用于家电、工业领域等多个方面,为工业应用提供了更加高效、稳定的电机控制方案。 ### 回答3: PMSM无感FOC控制是一种新型的电机控制方法,目前广泛应用于工业和家用电机系统中。传统的FOC控制方法需要使用霍尔传感器或编码器等硬件传感器来获取电机转子位置信息,但这些传感器会增加系统的复杂度和成本。相比之下,PMSM无感FOC控制方法通过算法来估算电机转子位置和速度,避免了传感器的使用,从而降低了系统的成本和故障率。 在PMSM无感FOC控制中,传统的滑模观测器(SME)已经不能满足要求,因为它对参数敏感,噪声容易干扰,不易消除不确定性,导致控制精度不高,反应缓慢。为了解决这些问题,研究人员开发了传统滑模观测器的改进版——新型滑模观测器(SMO)。这种观测器采用了自适应观测器方法来估算电机参数,同时利用滑动模式控制来消除不确定性,提高控制精度和鲁棒性。 另外,PMSM无感FOC控制还需要使用支持向量机(SVM)算法来实现空间矢量调制(SVM)控制。SVM是一种基于统计学习理论的分类算法,它能够将多维特征空间映射到高维特征空间,从而更好地进行分类。在PMSM无感FOC控制中,SVM算法用来确定电机的磁场方向和转子速度,从而实现调制控制。 总之,PMSM无感FOC控制方法是一种高效、可靠、成本低的电机控制方法,相比传统FOC控制方法具有更好的控制精度和鲁棒性。它需要使用新型滑模观测器和SVM算法来实现,可以广泛应用于各种电机系统中,具有极高的应用前景。
永磁同步电机(PMSM)是一种高效、可靠的电机,广泛应用于各种工业和商业领域中。传统的控制方法通常需要使用编码器或霍尔传感器等传感器来反馈转子位置信息,才能进行控制。但是,使用传感器的劣势是成本高、精度有误差、容易受到干扰等,而使用无传感器矢量控制(Sensorless Vector Control,SVC)可以克服这些问题。因此,PMSM的无传感器矢量控制技术越来越受到重视。 在无传感器矢量控制中,通过解析电机的反电动势(Back EMF)来计算转子位置和速度,从而实现矢量控制。Simulink工具箱提供了方便的平台来建立永磁同步电机无传感器矢量控制的仿真模型。该模型包括了电机的电气和机械模型、三相电压源、PWM变换器、无传感器位置估算器和矢量控制器等模块。通过这些模块的相互协作,可以实现高效、准确的无传感器矢量控制。 在建立模型之前,需要确定电机的物理参数,如转子惯量、定子电感、永磁体磁通和阻尼系数等,并使用测量或计算方法获取电机的反电动势信号。然后,将这些参数输入到Simulink模型中,并设置控制器的参数,例如矢量控制器的PID参数。最后,可以进行模拟实验,通过观察电机的转速、转矩和电流等参数的变化情况来验证无传感器矢量控制的有效性。 总之,使用无传感器矢量控制技术的永磁同步电机可以提高电机的性能和可靠性,减少成本和能耗。通过Simulink建立仿真模型并进行实验验证,可以更好地理解和应用该技术。
永磁同步电机(PMSM)是一种基于永磁体和绕组组成的三相交流电动机,它具有高效率、高功率密度和高控制精度等优点,被广泛应用于工业控制、电动汽车、电子家电等领域。PMSM采用FOC(Field Oriented Control)闭环控制能够提高电机的性能和控制精度,使其输出具有与任意三相异步电动机相同的控制特性,能够实现从恒速运行到变频调速的全过程。 FOC闭环控制是将三相电机转换为两个独立的dq轴,其中d轴指的是电机的磁场轴,而q轴则垂直于电机的磁场轴。通过旋转dq轴来控制电机输出的永磁体磁场和电流,从而实现电机转矩的控制。FOC闭环控制过程主要分为三个步骤: 第一步是通过反馈电压、电流和位置等数据获取电机的状态信息,并将其转换到dq轴上,这个过程需要将三相电源的输入变换为两个正交的独立dq轴,可以采用Park变换或Clarke& Park变换来实现。 第二步是对dq轴电流进行PID调节,通过控制d和q轴电流值及其相位来控制电机输出的转矩和转速,其中d轴电流主要用于控制永磁体磁场,而q轴电流主要用于控制电机的转矩。 第三步是将控制好的dq轴电流通过反向变换转换为三相电流输出到PMSM中,实现电机的控制。 FOC闭环控制采用了先进的数学模型和现代控制技术,能够实现高效率、高精度的电机控制,被广泛应用于各个领域中。
### 回答1: PMSM FOC 2.0是一种由磁通定向控制技术(Field Oriented Control,FOC)实现的永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)驱动技术的升级版本。 FOC技术是目前常用于PMSM的控制方法之一,它通过对电机的磁通定向进行控制,使电流与磁场的作用方向对齐,从而实现高效率、高精度的控制。传统的FOC技术在PMSM驱动方面已经具有广泛应用,但也存在一些问题,比如在低速、低转矩状态下的动态响应较差,调节控制参数也复杂等。 PMSM FOC 2.0通过改进和优化FOC技术,提高了低转速下的控制性能和响应速度,实现了更高的效率和精度。它采用了改进的闭环控制策略,通过对电机电流、速度和位置的同时控制,实现了更加精确的定位和运动控制。同时,PMSM FOC 2.0还采用了先进的控制算法和硬件设计,使得驱动系统更加稳定可靠,并且能够适应更广泛的工作条件和负载要求。 PMSM FOC 2.0的应用范围广泛,可以用于各种需要高精度、高效率电机控制的场合,比如工业自动化设备、电动车辆、机器人等。通过引入PMSM FOC 2.0技术,可以提高系统的控制性能和效率,降低能耗和噪音,为各行业提供更加可靠和优化的电机驱动方案。 ### 回答2: PMSM是永磁同步电动机(Permanent Magnet Synchronous Motor)的缩写,而FOC代表磁场定向控制(Field-Oriented Control)。 PMSM FOC 2.0是对PMSM电机控制技术的升级版本。 在PMSM电机控制中,FOC技术是一种常用的控制策略。它的主要思想是将电机的控制分为两个方向:电磁磁场方向和转子转动方向。磁场定向控制通过测量电机的电流、速度和位置等参数,并结合数学模型,实现对电机的精确控制。这种控制技术使得PMSM电机在运行过程中能够更加稳定、高效地工作。 而PMSM FOC 2.0则是对传统的FOC技术的升级。它可能包括以下一些改进: 1. 算法优化:PMSM FOC 2.0可能采用更加高效、准确的算法,以提高电机的响应速度和控制精度。 2. 控制策略改进:PMSM FOC 2.0可能采用新的控制策略,以进一步提高电机的效率和性能。 3. 可变参数控制:PMSM FOC 2.0可能支持更加灵活和精细的参数控制,使得电机在不同负载和运行条件下能够实现最佳性能。 总之,PMSM FOC 2.0是一种对PMSM电机控制技术的改进版本,通过优化算法、改进控制策略和增强功能等手段,可以提高电机的效率、精度和适应性,进而在各种应用中发挥更好的作用。
永磁同步电机矢量控制是一种现代电机控制技术,它通过调节电压和电流来控制电动机的转速和扭矩。传统的矢量控制需要使用速度传感器来获得电机的转速信息,但这增加了系统的复杂性和成本。无速度传感器控制是一种可以解决这个问题的技术。 无速度传感器控制技术基于电机模型和数学算法,通过测量电机的电流和电压,估计电机的速度和位置。这个过程主要通过观察电机的动态响应来实现,而无需使用传统的速度传感器。 无速度传感器控制在永磁同步电机矢量控制中有很大的应用潜力。它可以通过减少成本和提高可靠性来改进电机控制系统。通过减少传感器组件的数量,还可以减少电路中的不确定性和故障的概率。 实现无速度传感器控制需要使用高级控制算法和计算能力,例如扩展的卡尔曼滤波器(EKF)或观测器。这些算法可以根据电机的电流和电压信息,以及一些已知的电机参数,对电机的速度和位置进行实时估计。 尽管无速度传感器控制在理论上是可行的,但在实践中仍然存在一些挑战。例如,电机参数的变化和负载扰动可能会导致估计误差。为了提高控制的性能和鲁棒性,需要对算法进行调优和实时校准。 总的来说,无速度传感器控制是一项前沿的技术,可以在永磁同步电机矢量控制中实现。它不仅可以降低成本和复杂性,还可以提高电机控制系统的可靠性和性能。然而,还需要进一步的研究和实践来解决控制算法的优化和鲁棒性问题。

最新推荐

永磁同步电机(PMSM)的FOC闭环控制详解.docx

FOC主要是通过对电机电流的控制实现对电机转矩(电流)、速度、位置的控制。通常是电流作为最内环,速度是中间环,位置作为最外环。

一种PMSM无位置传感器FOC控制的滑模观测器设计.pdf

永磁同步电机无传感器控制技术不但能够降低系统成本,而且能够增加系统的可靠性。为实现永磁同步电机无位置传感器运行,提出 了一种基于自适应滑模观测器的非线性速度/角度估算方法。基于永磁同步电机的数学模型,...

基于参数识别的PMSM无位置传感器矢量控制

永磁同步电机无传感器矢量控制系统中,需要实现对转子位置及转速的估计。由于电机运行过程中电机参数会发生变化,对电机矢量控制系统造成影响。为提高对转子位置及转速的检测精度,设计了一种改进型的滑模观测器。...

BLDC与PMSM的比较.pdf

一、几个术语解释 (极对数、电角度、电角频率、相电压、线电压、反电动势) 二、无刷直流电机的运行原理和基本控制方法 (运行原理、数学模型、换流模式、控制方法) ...(转子位置、三相电流、转矩脉动、调速范围)

PMSM矢量控制Simulink仿真-4 English.docx

 接下来希望可以搞定无位置传感器的调速仿真。查阅了大量文献发现主要分为中高速控制方法和低速控制方法,中高速方法有反电动势法、滑模法、模型自适应法、扩展卡尔曼滤波法等;低速控制方法主要有各种高、低频信号...

代码随想录最新第三版-最强八股文

这份PDF就是最强⼋股⽂! 1. C++ C++基础、C++ STL、C++泛型编程、C++11新特性、《Effective STL》 2. Java Java基础、Java内存模型、Java面向对象、Java集合体系、接口、Lambda表达式、类加载机制、内部类、代理类、Java并发、JVM、Java后端编译、Spring 3. Go defer底层原理、goroutine、select实现机制 4. 算法学习 数组、链表、回溯算法、贪心算法、动态规划、二叉树、排序算法、数据结构 5. 计算机基础 操作系统、数据库、计算机网络、设计模式、Linux、计算机系统 6. 前端学习 浏览器、JavaScript、CSS、HTML、React、VUE 7. 面经分享 字节、美团Java面、百度、京东、暑期实习...... 8. 编程常识 9. 问答精华 10.总结与经验分享 ......

基于交叉模态对应的可见-红外人脸识别及其表现评估

12046通过调整学习:基于交叉模态对应的可见-红外人脸识别Hyunjong Park*Sanghoon Lee*Junghyup Lee Bumsub Ham†延世大学电气与电子工程学院https://cvlab.yonsei.ac.kr/projects/LbA摘要我们解决的问题,可见光红外人重新识别(VI-reID),即,检索一组人的图像,由可见光或红外摄像机,在交叉模态设置。VI-reID中的两个主要挑战是跨人图像的类内变化,以及可见光和红外图像之间的跨模态假设人图像被粗略地对准,先前的方法尝试学习在不同模态上是有区别的和可概括的粗略的图像或刚性的部分级人表示然而,通常由现成的对象检测器裁剪的人物图像不一定是良好对准的,这分散了辨别性人物表示学习。在本文中,我们介绍了一种新的特征学习框架,以统一的方式解决这些问题。为此,我们建议利用密集的对应关系之间的跨模态的人的形象,年龄。这允许解决像素级中�

网上电子商城系统的数据库设计

网上电子商城系统的数据库设计需要考虑以下几个方面: 1. 用户信息管理:需要设计用户表,包括用户ID、用户名、密码、手机号、邮箱等信息。 2. 商品信息管理:需要设计商品表,包括商品ID、商品名称、商品描述、价格、库存量等信息。 3. 订单信息管理:需要设计订单表,包括订单ID、用户ID、商品ID、购买数量、订单状态等信息。 4. 购物车管理:需要设计购物车表,包括购物车ID、用户ID、商品ID、购买数量等信息。 5. 支付信息管理:需要设计支付表,包括支付ID、订单ID、支付方式、支付时间、支付金额等信息。 6. 物流信息管理:需要设计物流表,包括物流ID、订单ID、物流公司、物

数据结构1800试题.pdf

你还在苦苦寻找数据结构的题目吗?这里刚刚上传了一份数据结构共1800道试题,轻松解决期末挂科的难题。不信?你下载看看,这里是纯题目,你下载了再来私信我答案。按数据结构教材分章节,每一章节都有选择题、或有判断题、填空题、算法设计题及应用题,题型丰富多样,共五种类型题目。本学期已过去一半,相信你数据结构叶已经学得差不多了,是时候拿题来练练手了,如果你考研,更需要这份1800道题来巩固自己的基础及攻克重点难点。现在下载,不早不晚,越往后拖,越到后面,你身边的人就越卷,甚至卷得达到你无法想象的程度。我也是曾经遇到过这样的人,学习,练题,就要趁现在,不然到时你都不知道要刷数据结构题好还是高数、工数、大英,或是算法题?学完理论要及时巩固知识内容才是王道!记住!!!下载了来要答案(v:zywcv1220)。

通用跨域检索的泛化能力

12056通用跨域检索:跨类和跨域的泛化2* Soka Soka酒店,Soka-马上预订;1印度理工学院,Kharagpur,2印度科学学院,班加罗尔soumava2016@gmail.com,{titird,somabiswas} @ iisc.ac.in摘要在这项工作中,我们第一次解决了通用跨域检索的问题,其中测试数据可以属于在训练过程中看不到的类或域。由于动态增加的类别数量和对每个可能的域的训练的实际约束,这需要大量的数据,所以对看不见的类别和域的泛化是重要的。为了实现这一目标,我们提出了SnMpNet(语义Neighbourhood和混合预测网络),它包括两个新的损失,以占在测试过程中遇到的看不见的类和域。具体来说,我们引入了一种新的语义邻域损失,以弥合可见和不可见类之间的知识差距,并确保潜在的空间嵌入的不可见类是语义上有意义的,相对于其相邻的类。我们还在图像级以及数据的语义级引入了基于混�