[发明专利]一种接触器电磁系统机电关系的神经网络分段拟合方法及系统

权利要求书

1.一种接触器电磁系统机电关系的神经网络分段拟合方法，其特征在于：引入神经网络，以接触器的实际运行数据为样本，利用其电磁参量与机械参量的二元对应关系对电磁系统的机电关系进行神经网络的训练以及神经网络的拟合输出；

其中，在神经网络的训练及拟合过程中以接触器动静铁芯间的气隙为界限，分别进行大、小气隙下的训练及拟合，以提高神经网络的输出精度；

所述神经网络的训练过程包括以下步骤：

步骤S11：采集接触器动态运行过程中的线圈电压u_coil、线圈电流i_coil、以及动铁芯位移x，并由下式计算得到磁链ψ：

ψ＝∫(u_coil-i_coilR_coil)dt；

式中，R_coil为线圈电阻；

步骤S12：根据接触器动静铁芯间气隙的大小对神经网络进行分段训练，当动铁芯位移x小于参考位移x_ref时，对大气隙神经网络程序进行训练；当动铁芯位移x大于参考位移x_ref时，对小气隙神经网络程序进行训练；

步骤S12中，所述对大气隙神经网络程序进行训练具体为：以向量(ψ_大气隙、i_{coil大气隙})作为输入，以向量(x_大气隙)作为期望输出，对神经网络的大气隙ANN程序求解位移部分进行训练，建立大气隙下接触器电磁系统(ψ,i_coil)向量与(x)向量之间精确的非线性映射关系；以(ψ_大气隙、x_大气隙)向量作为输入，以(i_{coil大气隙})向量作为期望输出，对神经网络的大气隙ANN程序反求电流部分进行训练，建立大气隙下接触器电磁系统(ψ,x)向量与(i_coil)向量之间精确的非线性映射关系；

步骤S12中，所述对小气隙神经网络程序进行训练具体为：以(ψ_小气隙、i_{coil小气隙})向量作为输入，以(x_小气隙)向量作为期望输出，对神经网络的小气隙ANN程序求解位移部分进行训练，建立小气隙下接触器电磁系统(ψ,i_coil)向量与(x)向量之间精确的非线性映射关系；以(ψ_小气隙、x_小气隙)向量作为输入，以(i_{coil小气隙})向量作为期望输出，对神经网络的小气隙ANN程序反求电流部分进行训练，建立小气隙下接触器电磁系统(ψ,x)向量与(i_coil)向量之间精确的非线性映射关系；

所述神经网络的拟合输出过程具体包括以下步骤：

步骤S21：采集接触器动态运行过程中的线圈电压u_coil、线圈电流i_coil、以及动铁芯位移x，并由下式计算得到磁链ψ：

ψ＝∫(u_coil-i_coilR_coil)dt；

式中，R_coil为线圈电阻；

步骤S22：根据动静铁芯间气隙的大小对神经网络进行分段拟合，当动铁芯位移x小于参考位移x_ref时，采用大气隙神经网络程序进行拟合输出；当动铁芯位移x大于参考位移x_ref时，采用小气隙神经网络程序进行拟合输出；

步骤S23：将神经网络输出的向量(x_大气隙)及(x_小气隙)在时域上进行数据组合，作为接触器整个动态过程中的位移拟合输出x；将神经网络输出的向量(i_{coil大气隙})及(i_{coil小气隙})同样在时域上进行数据组合，作为接触器整个动态过程中的电流拟合输出。