CN107239633A - 一种智能接触器动态模型的自动构建方法 - Google Patents

一种智能接触器动态模型的自动构建方法 Download PDF

Info

Publication number
CN107239633A
CN107239633A CN201710480259.4A CN201710480259A CN107239633A CN 107239633 A CN107239633 A CN 107239633A CN 201710480259 A CN201710480259 A CN 201710480259A CN 107239633 A CN107239633 A CN 107239633A
Authority
CN
China
Prior art keywords
contactor
coil
dynamic model
dynamic
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.)
Granted
Application number
CN201710480259.4A
Other languages
English (en)
Other versions
CN107239633B (zh
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 CN201710480259.4A priority Critical patent/CN107239633B/zh
Publication of CN107239633A publication Critical patent/CN107239633A/zh
Application granted granted Critical
Publication of CN107239633B publication Critical patent/CN107239633B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/36—Circuit design at the analogue level
    • G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种智能接触器动态模型的自动构建方法。引入神经网络技术，配合接触器实际运行数据的采集，来训练基于神经网络的接触器“速度求解子模型”及“反求电流子模型”，从而实现接触器动态模型的自动构建；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，从而实现智能接触器动态模型的自动构建。本发明能够实现智能接触器动态模型的自动构建，缩短智能接触器的开发周期。

Description

一种智能接触器动态模型的自动构建方法
技术领域
本发明涉及一种智能接触器动态模型的自动构建方法，特别是一种基于神经网络的智能接触器动态模型自动构建方法。
背景技术
在接触器智能控制技术的研究中离不开动态仿真的支持，动态仿真可以细致的体现接触器起动、保持及分断全过程的电、磁、力间的相互作用关系，为控制方法的确定提供依据。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、力间的相互耦合，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。
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建立接触器的几何模型，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，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。
以上仿真方法均需构建接触器的几何模型，之后加载所用材料的电、磁、力的特性参数进行动态计算，模型的构建过程较为复杂，在构建过程中往往采用大量的简化处理，仿真精度难以保证，构建过程严重依赖接触器的本体参数，导致不同型号的接触器需要重新建模，工作量大，通用性不强。
本发明引入神经网络(ANN)技术，以接触器的实际运行数据为样本，来训练接触器“速度求解子模型”及“反求电流子模型”，从而实现接触器动态模型的自动构建。该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模型，整个建模过程仅需接触器线圈电阻这一本体参数，摒弃了传统仿真方法中大量的结构特性及材料特性的建模仿真工作，建模效率高，仿真方法不依赖接触器本体，具有通用性。在实际工程应用中可以使接触器在额定交流或直流工况下运行，自动构建其动态模型，提取接触器动态模型后在上位机融入一体化仿真技术，进行智能控制模块与接触器本体动态模型的逐点闭环仿真，从而实现智能接触器动态模型的自动构建，缩短智能接触器的开发周期。
发明内容
本发明的目的在于提供一种智能接触器动态模型的自动构建方法，该方法能够实现智能接触器动态模型的自动构建，缩短智能接触器的开发周期。
为实现上述目的，本发明的技术方案是：一种智能接触器动态模型的自动构建方法，首先，引入神经网络技术，配合接触器实际运行数据的采集，来训练基于神经网络的接触器速度求解子模型及反求电流子模型，实现接触器动态模型的自动构建；而后，融入一体化仿真技术，根据接触器动态模型及接触器电磁系统等效电路通过动态仿真程序的逐点闭环仿真，实现智能接触器动态模型的自动构建。
在本发明一实施例中，所述接触器动态模型的自动构建具体过程如下：
S1、采用霍尔电压传感器、霍尔电流传感器对接触器动态运行过程中的线圈电压ucoil、线圈电流icoil进行测量，采用激光位移传感器对动态运行过程中的动铁心位移x及动铁心速度v进行测量；
S2、根据步骤S1获得的线圈电压ucoil、线圈电流icoil配合线圈电阻Rcoil，按照式(1)所示的磁路电压平衡方程，进行磁链计算，得到接触器电磁系统的磁链ψ；
ψ＝∫(ucoil-icoilRcoil) (1)
S3、根据步骤S2计算结果，进行两次神经网络训练，第一次神经网络训练：以(ψ,x)向量作为输入，以icoil向量作为期望输出，建立接触器(ψ,x)向量与icoil向量之间精确的非线性映射关系，得到接触器速度求解子模型；而后，再进行第二次神经网络训练：以(ψ,icoil)向量作为输入，以v向量作为期望输出，建立接触器(ψ,icoil)向量与v向量之间精确的非线性映射关系，得到接触器反求电流子模型，从而完成接触器动态模型的自动构建。
在本发明一实施例中，所述接触器电磁系统等效电路为一可变电感与线圈电阻的串联。
在本发明一实施例中，所述接触器动态模型的自动构建是通过Labview仿真软件实现。
在本发明一实施例中，所述接触器电磁系统等效电路是通过Multisim仿真软件构建。
相较于现有技术，本发明具有以下有益效果：本发明引入神经网络技术，配合接触器实际运行数据的采集，来训练基于神经网络的接触器“速度求解子模型”及“反求电流子模型”，从而实现接触器动态模型的自动构建；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，从而实现智能接触器动态模型的自动构建，缩短智能接触器的开发周期。
附图说明
图1为本发明采用的ANN程序训练原理图。
图2为本发明智能接触器动态模型自动构建原理图。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
本发明的一种智能接触器动态模型的自动构建方法，首先，引入神经网络技术，配合接触器实际运行数据的采集，来训练基于神经网络的接触器速度求解子模型及反求电流子模型，实现接触器动态模型的自动构建；而后，融入一体化仿真技术，根据接触器动态模型及接触器电磁系统等效电路通过动态仿真程序的逐点闭环仿真，实现智能接触器动态模型的自动构建。
所述接触器动态模型的自动构建具体过程如下：
S1、采用霍尔电压传感器、霍尔电流传感器对接触器动态运行过程中的线圈电压ucoil、线圈电流icoil进行测量，采用激光位移传感器对动态运行过程中的动铁心位移x及动铁心速度v进行测量；
S2、根据步骤S1获得的线圈电压ucoil、线圈电流icoil配合线圈电阻Rcoil，按照式(1)所示的磁路电压平衡方程，进行磁链计算，得到接触器电磁系统的磁链ψ；
ψ＝∫(ucoil-icoilRcoil) (1)
S3、根据步骤S2计算结果，进行两次神经网络训练，第一次神经网络训练：以(ψ,x)向量作为输入，以icoil向量作为期望输出，建立接触器(ψ,x)向量与icoil向量之间精确的非线性映射关系，得到接触器速度求解子模型；而后，再进行第二次神经网络训练：以(ψ,icoil)向量作为输入，以v向量作为期望输出，建立接触器(ψ,icoil)向量与v向量之间精确的非线性映射关系，得到接触器反求电流子模型，从而完成接触器动态模型的自动构建。
所述接触器电磁系统等效电路为一可变电感与线圈电阻的串联。所述接触器动态模型的自动构建是通过Labview仿真软件实现。所述接触器电磁系统等效电路是通过Multisim仿真软件构建。
以下为本发明的具体实现过程。
本发明的智能接触器动态模型的自动构建方法，引入神经网络技术，配合接触器实际运行数据的采集，来训练基于神经网络的接触器“速度求解子模型”及“反求电流子模型”，从而实现接触器动态模型的自动构建；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，从而实现智能接触器动态模型的自动构建。
本发明中采用的ANN训练原理如图1所示：首先采用霍尔电压传感器、霍尔电流传感器对接触器动态运行过程中的线圈电压ucoil、线圈电流icoil进行测量，采用激光位移传感器对动态运行过程中的动铁心位移x及动铁心速度v进行测量，之后对以上测量信号进行数据采集，在上位机中得到便于处理的数字信号，采集到的ucoil、icoil配合线圈电阻Rcoil进行磁链计算，得到ψ；然后进行ANN程序1的训练：以(ψ,x)向量作为输入，以icoil向量作为期望输出，对ANN程序1进行训练，建立接触器(ψ,x)向量与icoil向量之间精确的非线性映射关系，训练好的ANN程序1可以实现“已知接触器电磁系统的磁链和动铁心位移反求线圈电流”；最后进行ANN程序2的训练：以(ψ,icoil)向量作为输入，以v向量作为期望输出，对ANN程序2进行训练，建立接触器(ψ,icoil)向量与v向量之间精确的非线性映射关系，训练好的ANN程序2可以实现“已知接触器电磁系统的磁链和线圈电流求解动铁心速度”；最后利用训练好的ANN程序1及ANN程序2来构建接触器动态仿真模型，仿真接触器的整个动态过程。
完整的动态仿真模型如图2所示，整体可分为：接触器动态仿真模型、电磁系统等效电路及其驱动、智能控制策略三个部分。
接触器动态仿真模型：依据磁路电压平衡方程：ψ＝∫(ucoil-icoilRcoil)构建电压平衡子模型，可以实现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，为ANN程序提供输入数据；ANN程序2用作ANN求解速度子模型，以线圈电流icoil及磁链ψ为输入向量，经神经网络的映射作用，输出精确的动铁心速度v，动铁心速度v经积分算子1/s的积分作用后得到动铁心位移x；ANN程序1用作ANN反求电流子模型，以磁链ψ及动铁心位移x为输入向量，经神经网络的映射作用，输出精确的线圈电流icoil；根据电感的基本定义构建动态电感子模型，可以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，即L＝ψ/icoil，作为连接接触器动态仿真与SPICE电路仿真的纽带，从而进行智能接触器的仿真。以上子模型按图2所示相互连接即可构成完整的接触器动态仿真模型，模型整体的输入为线圈电压ucoil，为接触器提供激励源，该建模过程采用Labview可以方便的实现。
电磁系统等效电路及其驱动：接触器电磁系统等效电路为一可变电感与线圈电阻的串联，在每个仿真步长中根据上述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，模拟接触器的运动反电势；电磁系统驱动电路可以利用Multisim丰富的电子元件库而任意构建，最后进行SPICE电路仿真，该建模过程采用Multisim可方便的实现。
智能控制策略：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等变量作为反馈，利用Labview强大的可视化数据流编程环境来任意构建各种智能控制策略，得到电磁系统驱动电路的驱动信号，来控制接触器的激磁状态，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。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，依次循环，构成逐点闭环的智能接触器动态仿真系统。
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 (5)

1.一种智能接触器动态模型的自动构建方法，其特征在于：首先，引入神经网络技术，配合接触器实际运行数据的采集，来训练基于神经网络的接触器速度求解子模型及反求电流子模型，实现接触器动态模型的自动构建；而后，融入一体化仿真技术，根据接触器动态模型及接触器电磁系统等效电路通过动态仿真程序的逐点闭环仿真，实现智能接触器动态模型的自动构建。
2.根据权利要求1所述的一种智能接触器动态模型的自动构建方法，其特征在于：所述接触器动态模型的自动构建具体过程如下：
S1、采用霍尔电压传感器、霍尔电流传感器对接触器动态运行过程中的线圈电压ucoil、线圈电流icoil进行测量，采用激光位移传感器对动态运行过程中的动铁心位移x及动铁心速度v进行测量；
S2、根据步骤S1获得的线圈电压ucoil、线圈电流icoil配合线圈电阻Rcoil，按照式(1)所示的磁路电压平衡方程，进行磁链计算，得到接触器电磁系统的磁链ψ；
ψ＝∫(ucoil-icoilRcoil) (1)
S3、根据步骤S2计算结果，进行两次神经网络训练，第一次神经网络训练：以(ψ,x)向量作为输入，以icoil向量作为期望输出，建立接触器(ψ,x)向量与icoil向量之间精确的非线性映射关系，得到接触器速度求解子模型；而后，再进行第二次神经网络训练：以(ψ,icoil)向量作为输入，以v向量作为期望输出，建立接触器(ψ,icoil)向量与v向量之间精确的非线性映射关系，得到接触器反求电流子模型，从而完成接触器动态模型的自动构建。
3.根据权利要求1所述的一种智能接触器动态模型的自动构建方法，其特征在于：所述接触器电磁系统等效电路为一可变电感与线圈电阻的串联。
4.根据权利要求1所述的一种智能接触器动态模型的自动构建方法，其特征在于：所述接触器动态模型的自动构建是通过Labview仿真软件实现。
5.根据权利要求1所述的一种智能接触器动态模型的自动构建方法，其特征在于：所述接触器电磁系统等效电路是通过Multisim仿真软件构建。
CN201710480259.4A 2017-06-22 2017-06-22 一种智能接触器动态模型的自动构建方法 Active CN107239633B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710480259.4A CN107239633B (zh) 2017-06-22 2017-06-22 一种智能接触器动态模型的自动构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710480259.4A CN107239633B (zh) 2017-06-22 2017-06-22 一种智能接触器动态模型的自动构建方法

Publications (2)

Publication Number Publication Date
CN107239633A true CN107239633A (zh) 2017-10-10
CN107239633B CN107239633B (zh) 2019-09-13

Family

ID=59987841

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710480259.4A Active CN107239633B (zh) 2017-06-22 2017-06-22 一种智能接触器动态模型的自动构建方法

Country Status (1)

Country Link
CN (1) CN107239633B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106777499A (zh) * 2016-11-18 2017-05-31 云南电网有限责任公司电力科学研究院 一种双馈异步风力发电机组的整机动态建模方法
CN106950855A (zh) * 2017-04-26 2017-07-14 福州大学 基于神经网络的智能接触器一体化动态仿真方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106777499A (zh) * 2016-11-18 2017-05-31 云南电网有限责任公司电力科学研究院 一种双馈异步风力发电机组的整机动态建模方法
CN106950855A (zh) * 2017-04-26 2017-07-14 福州大学 基于神经网络的智能接触器一体化动态仿真方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
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》 *
许志红等: "智能交流接触器一体化仿真及数字控制技术", 《中国电机工程学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
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
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
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

Also Published As

Publication number Publication date
CN107239633B (zh) 2019-09-13

Similar Documents

Publication Publication Date Title
CN107239633A (zh) 一种智能接触器动态模型的自动构建方法
CN104636554B (zh) 智能交直流电磁电器设计方法
CN106950855A (zh) 基于神经网络的智能接触器一体化动态仿真方法
CN103413487B (zh) 一种变压器装配工艺仿真系统
CN203449306U (zh) 一种主从式双工业机器人协调操作控制系统
CN107662209A (zh) 一种控制方法及机器人
CN104802167A (zh) 基于MAPLESIM的Delta机器人快速建模方法
CN104932405A (zh) 一种用设备虚拟样机辅助测试plc控制程序的方法
CN103019104A (zh) 一种可视化过程控制系统组态仿真方法
CN105404744A (zh) 一种空间机械臂全状态动力学半物理仿真系统
CN106951664A (zh) 一种接触器的自动建模及硬件在环仿真方法
Picardi et al. Parameter identification of induction motor based on particle swarm optimization
CN103761406B (zh) 低压电磁开关三维动态全仿真虚拟设计平台
CN104038128B (zh) 基于nurbs的直线电机推力波动控制方法
Longfei et al. Neural network-based co-simulation technology for intelligent contactors
Haugdal et al. An open source power system simulator in python for efficient prototyping of WAMPAC applications
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
Song et al. Identification of PMSM based on EKF and elman neural network
Du et al. Industrial robot digital twin system motion simulation and collision detection
CN103744296B (zh) 一种机电控一体化优化设计方法
CN105140957B (zh) 基于风电场和光伏电站聚合模型的机电振荡模式估算方法
CN103279626B (zh) 一种仿真模型建立方法及系统
CN103414193B (zh) 一种用于有源电力滤波器的全程滑模变结构控制方法
CN205725311U (zh) 一种伺服控制系统可变惯量装置
CN110516276A (zh) 基于fpga的高频开关功率变换器实时仿真方法

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
GR01 Patent grant
GR01 Patent grant