[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

说明书

本发明涉及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，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心间的气隙为界限，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。本发明一方面实现了“已知接触器电磁系统的磁链和电流来求得动铁心的位移”，同时也实现了“已知电磁系统的磁链和位移来反求电流”。

技术领域

本发明涉及接触器领域，特别是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。

背景技术

接触器广泛应用于各种工业控制系统中，其性能指标直接影响整个系统的安全、稳定，目前对接触器的研究大多集中在智能控制及仿真两个方面。在智能控制领域中，主要有如下控制方案：1、交流接触器高压直流起动、低压直流吸持方案，使交流接触器的激磁方式从交流转变成直流；2、接触器的PWM闭环控制方案，以线圈电压或线圈电流作为反馈，闭环调节电磁机构激磁电压的占空比，使接触器控制方式从开环进入闭环；3、接触器的位移闭环控制方案，根据线圈电压、线圈电流及磁路参数估算动铁芯实时位移，实现位移闭环控制，从而间接控制触头运动速度；4、接触器斜率闭环控制方案，在起动过程中检测运动反电势引起的线圈电流下降斜率，采用斜率外环控制电流内环,从而间接控制触头运动速度，减少触头弹跳。从以上智能控制方案可以看出：直接或间接的控制动铁芯速度可以优化接触器动态过程，提高触头的接通及分断能力。

接触器电磁系统是一个电、磁、力强耦合的非线性系统，目前在动态仿真领域中多采用分离计算的方法：通过有限元方法计算一系列不同的激磁电流及动铁芯位移下电磁机构的磁链及吸力数据，构造插值表格，代入达朗贝尔机械运动方程及控制电路约束方程，完成动态微分方程组的求解，该方法以有限元求解的静态磁场为基础，可归为基于“磁场”的动态仿真方法。此外，还可以采用“磁路”的方法建立接触器参数化的等效磁路模型，给出可以描述接触器动力学行为的动态微分方程组，进而求解该动态微分方程组，实现动态仿真。总结以上动态仿真方法的求解过程可得出：无论“磁场法”还是“磁路法”，接触器动态微分方程组的求解核心为“已知电磁系统的磁链和动铁芯位移反求线圈电流”。

接触器电磁系统每一个特定的(ψ,i_coil)向量对应着唯一的铁芯位移x，每一个特定的(ψ,x)向量同样也对应着唯一的线圈电流i_coil，这一关系称为电磁系统的二元对应关系。

发明内容

有鉴于此，本发明的目的是提出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，引入人工神经网络，以接触器的实际运行数据为样本，利用该二元对应关系对电磁系统的机电关系进行拟合，一方面实现了“已知接触器电磁系统的磁链和电流来求得动铁芯的位移”，同时也实现了“已知电磁系统的磁链和位移来反求电流”。

本发明采用以下方案实现：一种接触器电磁系统机电关系的神经网络分段拟合方法，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。

进一步地，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；