CN106950855A - 基于神经网络的智能接触器一体化动态仿真方法 - Google Patents

基于神经网络的智能接触器一体化动态仿真方法 Download PDF

Info

Publication number
CN106950855A
CN106950855A CN201710281587.1A CN201710281587A CN106950855A CN 106950855 A CN106950855 A CN 106950855A CN 201710281587 A CN201710281587 A CN 201710281587A CN 106950855 A CN106950855 A CN 106950855A
Authority
CN
China
Prior art keywords
coil
contactor
dynamic
simulation
intelligent
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710281587.1A
Other languages
English (en)
Inventor
汤龙飞
许志红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuzhou University
Original Assignee
Fuzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fuzhou University filed Critical Fuzhou University
Priority to CN201710281587.1A priority Critical patent/CN106950855A/zh
Publication of CN106950855A publication Critical patent/CN106950855A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于神经网络的智能接触器一体化动态仿真方法，其包括以下步骤：S1：采用数据采集系统对接触器的运行参数，包括：线圈电压u coil、线圈电流i coil及动铁心位移x进行采集，之后u coil、i coil配合线圈阻抗R coil来计算电磁系统的磁链：；S2：利用与i coil的一一映射关系来训练神经网络程序：以向量作为输入，以i coil向量作为目标输出；S3：在此基础上融入一体化仿真技术，进行接触器智能控制模块与动态仿真程序的逐点闭环仿真。本发明可以根据实测数据方便、精确的构建任意接触器的动态仿真模型，为智能接触器的开发提供灵活、高效的平台。

Description

基于神经网络的智能接触器一体化动态仿真方法
技术领域
本发明涉及一种基于神经网络的智能接触器一体化动态仿真方法。
背景技术
在接触器智能控制技术的研究中离不开仿真技术的支持，仿真可为控制提供依据，探索控制规律。接触器在电路上遵循电压平衡方程，在运动上遵循达朗贝尔方程，在磁场上得遵循麦克斯韦方程，构成动态微分方程组，是动态仿真的理论基础。接触器动态特性的复杂性不仅体现在磁路参数的分布性及磁化特性的非线性，还体现在电、磁、力间的机电耦合——动铁心的运动将在磁路中感生运动反电势，进而改变电压平衡方程中各参量间的约束关系；铁心中磁通的交变引起磁滞、涡流效应，再加上分磁环的作用，这些都增加了仿真的难度。目前接触器动态仿真主要有磁路法、有限元瞬态求解法及基于静态数据的数值求解法，后两种又可统一归并为磁场法，但无论哪种方法，都以动态微分方程组的求解实质——已知电磁系统的磁链和动铁心位移反求电流和吸力为核心。
磁路法借鉴电路的计算方法对电磁系统进行磁路等效计算，占用资源少，在工程上及优化设计领域具有一定优势；有限元瞬态求解法，将整个求解时间分成多个步长，在每个步长中采用瞬态有限元方法计算电磁吸力，应用该电磁吸力求解机械运动方程得到运动部件位移，再根据该位移求解下一个步长中的磁场及电磁吸力；基于静态数据的数值求解法先通过有限元分析电磁机构的静态磁场，求得磁链、吸力与线圈电流、动铁心位移间的数据表格，然后利用该表格建立查表程序，再耦合电压平衡方程和机械运动方程，求解整个动态过程。
虚拟样机技术属于基于静态数据的数值求解法：先用三维计算机辅助设计软件做出接触器的几何模型，然后将模型导入ANSYS(或其他电磁场分析软件)进行静态吸力和磁链的计算，用于构建插值表格；同时将模型导入多体动力学软件ADAMS中，建立机械运动模型；最后，利用ADAMS与控制软件Matlab/Simulink的接口，完成仿真过程中吸力数据的交换；在每个仿真步长中，控制软件通过数据接口将电磁吸力传递给多体动力学软件进行接触器的运动过程分析；同时动力学软件将求得的衔铁位移、速度等参量反馈给控制软件并进行查表计算，以确定新的磁链和吸力，如此反复，直至完成整个仿真过程；近年来，随着多物理场仿真软件的发展，虚拟样机技术同样有了新的进步：采用COMSOL软件即可代替原有ANSYS及ADAMS实现的计算功能，简化了仿真设计。
发明内容
本发明的目的是提供一种基于神经网络的智能接触器一体化动态仿真方法。
本发明采用以下技术方案：一种基于神经网络的智能接触器一体化动态仿真方法，其特征在于，包括以下步骤：S1：采用数据采集系统对接触器的运行参数，包括：线圈电压ucoil、线圈电流icoil及动铁心位移x进行采集，之后ucoil、icoil配合线圈阻抗Rcoil来计算电磁系统的磁链ψ：ψ＝∫(ucoil-icoilRcoil)dt；S2：利用(ψ,x)与icoil的一一映射关系来训练神经网络程序：以(ψ,x)向量作为输入，以icoil向量作为目标输出；S3：在此基础上融入一体化仿真技术，进行接触器智能控制模块与动态仿真程序的逐点闭环仿真。
在本发明一实施例中，S3包括以下步骤：S31：构建接触器动态仿真模型；S32：构建电磁系统等效电路及其驱动模型；S33：构建智能控制策略模型。
进一步的，S31包括以下具体步骤：根据磁路电压平衡方程构建电压平衡子模型：ψ＝∫(ucoil-icoilRcoil)dt，根据输入的线圈电压ucoil、线圈电流icoil计算电磁系统的磁链ψ；根据电磁吸力方程构建电磁吸力子模型：其中Fx为电磁吸力，μ0为空气磁导率，S为动静铁心接触面，N为线圈匝数；根据达朗贝尔机械运动方程构建机械运动子模型：Ff＝f(x)，实现根据输入的电磁吸力Fx及反力Ff计算动铁心的速度v及动铁心的位移x，其中m为可动部分等效质量，f(x)为反力分段函数；根据神经网络原理构建并训练完成ANN反求电流子模型，实现根据输入的磁链ψ及动铁心位移x计算线圈电流icoil；根据电感的基本定义构建动态电感子模型，实现根据输入的磁链ψ及线圈电流icoil计算磁路的动态电感L，作为连接接触器动态仿真与电路仿真的桥梁。
进一步的，S32包括以下步骤：将接触器电磁系统等效为一可变电感与线圈电阻的串联，在每个仿真步长中根据接触器动态仿真模型发送的动态电感L值来更新该可变电感，模拟接触器运动导致的机电耦合效应。
进一步的，S33包括以下步骤：以接触器动态模型中的位移x及等效电路中的线圈电压ucoil、线圈电流icoil作为反馈，构建电流闭环、速度闭环及其他智能控制策略，得到电磁系统驱动电路的驱动信号，来控制电磁系统的激磁状态，最后将控制后的线圈电压ucoil返回到接触器的动态仿真模型中，为接触器提供激励源。
进一步的，接触器动态仿真模型及智能控制策略采用LabVIEW仿真，电磁系统等效电路及其驱动模型采用Multisim仿真；LabVIEW和Multisim两个独立的仿真软件同时进行非线性时域仿真，然后在每一个仿真步长结束时交换数据，并共同决定下一步的仿真步长，依次循环，构成逐点闭环的智能接触器一体化动态仿真系统。
本发明引入神经网络技术，构建接触器动态仿真的核心功能——已知电磁系统的磁链和动铁心位移反求电流，从而构建基于神经网络的接触器动态仿真程序；在此基础上融入一体化仿真技术，进行接触器智能控制模块与动态仿真程序的逐点闭环仿真。本发明可以根据实测数据方便、精确的构建任意接触器的动态仿真模型，摒弃复杂的有限元或多物理场计算过程，之后配合一体化仿真技术可以融合任意电磁系统驱动电路及智能控制策略的仿真，为智能接触器的开发提供灵活、高效的平台。
附图说明
图1为ANN反求电流原理图。
图2为本发明一体化动态仿真原理图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步解释说明。
本发明提供一种基于神经网络的智能接触器一体化动态仿真方法，包括以下步骤：S1：采用数据采集系统对接触器的运行参数，包括：线圈电压ucoil、线圈电流icoil及动铁心位移x进行采集，之后ucoil、icoil配合线圈阻抗Rcoil来计算电磁系统的磁链ψ：ψ＝∫(ucoil-icoilRcoil)dt；S2：利用(ψ,x)与icoil的一一映射关系来训练神经网络程序：以(ψ,x)向量作为输入，以icoil向量作为目标输出；S3：在此基础上融入一体化仿真技术，进行接触器智能控制模块与动态仿真程序的逐点闭环仿真。
接触器电磁机构的动作过程涉及电、磁、机械三者之间的耦合，数值仿真过程中需要对其控制方程进行耦合求解。但目前采用较多的是一种分离计算的方法，即首先对电磁变量进行求解，然后将计算结果以数值网格的形式代入机械动力学方程求解机械变量，最终得到耦合计算结果。该方法的理论基础是磁通密度、电磁力等电磁变量为线圈电流和动铁心位移的二元函数，且具有一一对应的关系，因此可以在分离计算的基础上进行耦合计算。本发明则引入神经网络技术，对该一一映射关系进行非线性拟合，以人工智能的方式完成接触器动态仿真的核心步骤——已知电磁系统的磁链和动铁心位移反求电流，之后构建接触器的动态仿真程序，ANN(人工神经网络)反求电流原理如图1所示：采用数据采集系统对接触器的运行参数，包括：线圈电压ucoil、线圈电流icoil及动铁心位移x进行采集，之后ucoil、icoil配合Rcoil来计算电磁系统的磁链ψ，之后利用(ψ,x)与icoil的一一映射关系来训练神经网络程序：以(ψ,x)向量作为输入，以icoil向量作为目标输出。训练好的神经网络程序则可以实现“已知电磁系统的磁链和动铁心位移反求线圈电流”。
在本发明一实施例中，S3包括以下步骤：S31：构建接触器动态仿真模型；S32：构建电磁系统等效电路及其驱动模型；S33：构建智能控制策略模型。
进一步的，S31包括以下具体步骤：根据磁路电压平衡方程构建电压平衡子模型：ψ＝∫(ucoil-icoilRcoil)dt，根据输入的线圈电压ucoil、线圈电流icoil计算电磁系统的磁链ψ；根据电磁吸力方程构建电磁吸力子模型：其中Fx为电磁吸力，μ0为空气磁导率，S为动静铁心接触面，N为线圈匝数；根据达朗贝尔机械运动方程构建机械运动子模型：Ff＝f(x)，实现根据输入的电磁吸力Fx及反力Ff计算动铁心的速度v及动铁心的位移x，其中m为可动部分等效质量，f(x)为反力分段函数；根据神经网络原理构建并训练完成ANN反求电流子模型，实现根据输入的磁链ψ及动铁心位移x计算线圈电流icoil；根据电感的基本定义构建动态电感子模型，实现根据输入的磁链ψ及线圈电流icoil计算磁路的动态电感L，作为连接接触器动态仿真与电路仿真的桥梁。
进一步的，S32包括以下步骤：将接触器电磁系统等效为一可变电感与线圈电阻的串联，在每个仿真步长中根据接触器动态仿真模型发送的动态电感L值来更新该可变电感，模拟接触器运动导致的机电耦合效应。
进一步的，S33包括以下步骤：以接触器动态模型中的位移x及等效电路中的线圈电压ucoil、线圈电流icoil作为反馈，构建电流闭环、速度闭环及其他智能控制策略，得到电磁系统驱动电路的驱动信号，来控制电磁系统的激磁状态，最后将控制后的线圈电压ucoil返回到接触器的动态仿真模型中，为接触器提供激励源。
进一步的，接触器动态仿真模型及智能控制策略采用LabVIEW仿真，电磁系统等效电路及其驱动模型采用Multisim仿真；LabVIEW和Multisim两个独立的仿真软件同时进行非线性时域仿真，然后在每一个仿真步长结束时交换数据，并共同决定下一步的仿真步长，依次循环，构成逐点闭环的智能接触器一体化动态仿真系统。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (6)

1.一种基于神经网络的智能接触器一体化动态仿真方法，其特征在于，包括以下步骤：
S1：采用数据采集系统对接触器的运行参数，包括：线圈电压ucoil、线圈电流icoil及动铁心位移x进行采集，之后ucoil、icoil配合线圈阻抗Rcoil来计算电磁系统的磁链ψ：ψ＝∫(ucoil-icoilRcoil)dt；
S2：利用(ψ,x)与icoil的一一映射关系来训练神经网络程序：以(ψ,x)向量作为输入，以icoil向量作为目标输出；
S3：在此基础上融入一体化仿真技术，进行接触器智能控制模块与动态仿真程序的逐点闭环仿真。
2.根据权利要求1所述的基于神经网络的智能接触器一体化动态仿真方法，其特征在于：S3包括以下步骤：
S31：构建接触器动态仿真模型；
S32：构建电磁系统等效电路及其驱动模型；
S33：构建智能控制策略模型。
3.根据权利要求2所述的基于神经网络的智能接触器一体化动态仿真方法，其特征在于：S31包括以下具体步骤：根据磁路电压平衡方程构建电压平衡子模型：ψ＝∫(ucoil-icoilRcoil)dt，根据输入的线圈电压ucoil、线圈电流icoil计算电磁系统的磁链ψ；根据电磁吸力方程构建电磁吸力子模型：其中Fx为电磁吸力，μ0为空气磁导率，S为动静铁心接触面，N为线圈匝数；根据达朗贝尔机械运动方程构建机械运动子模型：Ff＝f(x)，实现根据输入的电磁吸力Fx及反力Ff计算动铁心的速度v及动铁心的位移x，其中m为可动部分等效质量，f(x)为反力分段函数；根据神经网络原理构建并训练完成ANN反求电流子模型，实现根据输入的磁链ψ及动铁心位移x计算线圈电流icoil；根据电感的基本定义构建动态电感子模型，实现根据输入的磁链ψ及线圈电流icoil计算磁路的动态电感L，作为连接接触器动态仿真与电路仿真的桥梁。
4.根据权利要求2所述的基于神经网络的智能接触器一体化动态仿真方法，其特征在于：S32包括以下步骤：将接触器电磁系统等效为一可变电感与线圈电阻的串联，在每个仿真步长中根据接触器动态仿真模型发送的动态电感L值来更新该可变电感，模拟接触器运动导致的机电耦合效应。
5.根据权利要求2所述的基于神经网络的智能接触器一体化动态仿真方法，其特征在于：S33包括以下步骤：以接触器动态模型中的位移x及等效电路中的线圈电压ucoil、线圈电流icoil作为反馈，构建电流闭环、速度闭环及其他智能控制策略，得到电磁系统驱动电路的驱动信号，来控制电磁系统的激磁状态，最后将控制后的线圈电压ucoil返回到接触器的动态仿真模型中，为接触器提供激励源。
6.根据权利要求2所述的基于神经网络的智能接触器一体化动态仿真方法，其特征在于：接触器动态仿真模型及智能控制策略采用LabVIEW仿真，电磁系统等效电路及其驱动模型采用Multisim仿真；LabVIEW和Multisim两个独立的仿真软件同时进行非线性时域仿真，然后在每一个仿真步长结束时交换数据，并共同决定下一步的仿真步长，依次循环，构成逐点闭环的智能接触器一体化动态仿真系统。
CN201710281587.1A 2017-04-26 2017-04-26 基于神经网络的智能接触器一体化动态仿真方法 Pending CN106950855A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710281587.1A CN106950855A (zh) 2017-04-26 2017-04-26 基于神经网络的智能接触器一体化动态仿真方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710281587.1A CN106950855A (zh) 2017-04-26 2017-04-26 基于神经网络的智能接触器一体化动态仿真方法

Publications (1)

Publication Number Publication Date
CN106950855A true CN106950855A (zh) 2017-07-14

Family

ID=59477064

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710281587.1A Pending CN106950855A (zh) 2017-04-26 2017-04-26 基于神经网络的智能接触器一体化动态仿真方法

Country Status (1)

Country Link
CN (1) CN106950855A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107239633A (zh) * 2017-06-22 2017-10-10 福州大学 一种智能接触器动态模型的自动构建方法
CN108182316A (zh) * 2017-12-27 2018-06-19 杭州泛利科技有限公司 一种基于人工智能的电磁仿真方法及其电磁大脑
CN108416169A (zh) * 2018-03-30 2018-08-17 福州大学 一种接触器触头系统带载多物理场耦合仿真优化设计系统
CN109190302A (zh) * 2018-10-12 2019-01-11 福州大学 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
CN112068053A (zh) * 2020-09-18 2020-12-11 福州大学 电磁开关操动机构磁链及吸力特性间接测量方法
CN113268868A (zh) * 2021-05-17 2021-08-17 福州大学 一种电磁开关的全过程动铁心位移估计方法
CN113536639A (zh) * 2021-07-22 2021-10-22 福州大学 一种批量智能电磁开关混联扩容优化配置方法及系统
CN113777924A (zh) * 2021-09-10 2021-12-10 福州大学 一种接触器的直接吸力闭环控制方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4433406C1 (de) * 1994-09-12 1995-12-21 Siemens Ag Distanzschutzeinrichtung
CN101084615A (zh) * 2004-09-03 2007-12-05 沃特洛电气制造公司 功率控制系统
CN204536502U (zh) * 2015-05-05 2015-08-05 厦门理工学院 高压真空接触器机械特性在线监测系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4433406C1 (de) * 1994-09-12 1995-12-21 Siemens Ag Distanzschutzeinrichtung
CN101084615A (zh) * 2004-09-03 2007-12-05 沃特洛电气制造公司 功率控制系统
CN204536502U (zh) * 2015-05-05 2015-08-05 厦门理工学院 高压真空接触器机械特性在线监测系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘帼巾等: "神经网络法优化接触器电磁系统", 《电工技术学报》 *
叶子: "智能交流接触器动态特性的仿真及实验研究", 《中国优秀硕士学位论文全文数据库-工程科技Ⅱ辑》 *
许志红等: "基于神经网络的智能交流接触器分断过程设计模型的建立", 《电工电能新技术》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107239633A (zh) * 2017-06-22 2017-10-10 福州大学 一种智能接触器动态模型的自动构建方法
CN107239633B (zh) * 2017-06-22 2019-09-13 福州大学 一种智能接触器动态模型的自动构建方法
CN108182316A (zh) * 2017-12-27 2018-06-19 杭州泛利科技有限公司 一种基于人工智能的电磁仿真方法及其电磁大脑
CN108182316B (zh) * 2017-12-27 2021-12-07 杭州泛利科技有限公司 一种基于人工智能的电磁仿真方法及其电磁大脑
CN108416169B (zh) * 2018-03-30 2021-07-27 福州大学 一种接触器触头系统带载多物理场耦合仿真优化设计系统
CN108416169A (zh) * 2018-03-30 2018-08-17 福州大学 一种接触器触头系统带载多物理场耦合仿真优化设计系统
CN109190302A (zh) * 2018-10-12 2019-01-11 福州大学 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
CN109190302B (zh) * 2018-10-12 2022-05-31 福州大学 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
CN112068053B (zh) * 2020-09-18 2021-09-24 福州大学 电磁开关操动机构磁链及吸力特性间接测量方法
CN112068053A (zh) * 2020-09-18 2020-12-11 福州大学 电磁开关操动机构磁链及吸力特性间接测量方法
CN113268868A (zh) * 2021-05-17 2021-08-17 福州大学 一种电磁开关的全过程动铁心位移估计方法
CN113536639A (zh) * 2021-07-22 2021-10-22 福州大学 一种批量智能电磁开关混联扩容优化配置方法及系统
CN113536639B (zh) * 2021-07-22 2023-09-29 福州大学 一种批量智能电磁开关混联扩容优化配置方法及系统
CN113777924A (zh) * 2021-09-10 2021-12-10 福州大学 一种接触器的直接吸力闭环控制方法及系统

Similar Documents

Publication Publication Date Title
CN106950855A (zh) 基于神经网络的智能接触器一体化动态仿真方法
CN104636554B (zh) 智能交直流电磁电器设计方法
CN109702744A (zh) 一种基于动态系统模型的机器人模仿学习的方法
CN111316205A (zh) 虚拟现实输入和触觉反馈系统
CN108803349A (zh) 非线性多智能体系统的最优一致性控制方法及系统
CN107239633A (zh) 一种智能接触器动态模型的自动构建方法
CN109352644B (zh) 基于cpg神经元网络的机械臂运动节律控制方法
KR102089190B1 (ko) 가상 현실을 위한 장거리 상호 작용들을 위한 시스템들 및 방법들
CN104009748A (zh) 一种具有丰富动力学行为的忆阻超混沌系统及混沌电路
CN104008256B (zh) 一种基于delmia的电缆维修仿真的工程实践方法
Lin et al. Recurrent functional-link-based fuzzy neural network controller with improved particle swarm optimization for a linear synchronous motor drive
ÇANAKOĞLU et al. Induction motor parameter estimation using metaheuristic methods
CN113156892A (zh) 一种基于深度强化学习的四足机器人模仿运动控制方法
Reyneri et al. CINTIA: A neuro-fuzzy real time controller for low power embedded systems
Longfei et al. Neural network-based co-simulation technology for intelligent contactors
Shan et al. Design of central pattern generator for humanoid robot walking based on multi-objective GA
Picardi et al. Parameter identification of induction motor based on particle swarm optimization
Zhang et al. Crowd evacuation simulation using hierarchical deep reinforcement learning
CN108491638A (zh) 基于数据模型元件库的接触器真实运行环境半实物模拟系统
CN105975719B (zh) 一种水电仿真培训系统的智能模块及其建模方法
Tervo et al. Adaptation of the human-machine interface to the human skill and dynamic characteristics
CN115157247A (zh) 一种具有平衡辅助功能的下肢外骨骼康复机器人控制方法
CN106096069A (zh) 用于psasp到pscad数据模型转换的通用pscad调压器建模方法
Mobalegh Development of an autonomous humanoid robot team
CN109447245A (zh) 基于神经网络的等效模型生成方法以及建模方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170714

RJ01 Rejection of invention patent application after publication