CN110929421B - 综合考虑永磁体退化与制造不确定性的继电器优化方法 - Google Patents
综合考虑永磁体退化与制造不确定性的继电器优化方法 Download PDFInfo
- Publication number
- CN110929421B CN110929421B CN201911269456.7A CN201911269456A CN110929421B CN 110929421 B CN110929421 B CN 110929421B CN 201911269456 A CN201911269456 A CN 201911269456A CN 110929421 B CN110929421 B CN 110929421B
- Authority
- CN
- China
- Prior art keywords
- uncertainty
- permanent magnet
- factors
- optimization
- relay
- 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.)
- Active
Links
Images
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
综合考虑永磁体退化与制造不确定性的继电器优化方法,涉及一种电磁继电器可靠性优化方法。首先基于时域变化对永磁体的性能退化进行线性化处理,同时使用Rosenblatt变换对多类型不确定因素进行解耦处理,之后使用超矩形集方法得到多源不确定性及其相互关系量化描述,然后基于W‑指标全局时变灵敏度分析方法,筛选出电磁继电器对永磁体性能退化的弱敏感因素,再者基于电磁继电器全寿命周期可靠性指标要求、设计参数允许范围建立电磁继电器可靠性优化模型,最后使用智能寻优算法计算得到最优设计参数组合,使用费蒙特卡洛生成虚拟样本,验证优化结果的有效性,是电磁继电器全寿命周期可靠性优化设计的良好手段。
Description
技术领域
本发明涉及一种电磁继电器可靠性优化方法,尤其是综合考虑永磁体退化与制造不确定性的继电器优化方法,属于电磁继电器类机电产品设计优化与质量领域。
背景技术
电磁继电器具有隔离强度高、通用性好、耐干扰强度高等典型特点,广泛应用于白色电器、工业控制系统、空间遥测、飞船、航天器等设备中完成控制信号传导、执行功能控制、能源系统配电等功能。随着现代装备朝着高灵敏度、高单位体积功耗、高可靠方向发展,对电磁继电器也提出了转换时间短、转换功率低等要求。永磁体的应用在一定程度上可以解决这种要求,但是永磁体的应用引入了另外一个问题。电磁继电器工作过程是一个机电磁热多场耦合不断作用的结果,永磁体具有典型的温变和时变特征。在工作过程中的热场和失效的不断作用下,其性能会发生退化,永磁体性能退化直接作用到电磁继电器的电磁系统,导致电磁继电器吸反力配合特征逐渐劣化。劣化的吸反力特征导致电磁继电器的动作性(分断速度、弹跳时间、弹跳次数、吸合时间等)变差,最终导致电磁继电器全寿命周期可靠性急剧变差。
为了得到全寿命周期可靠性高的电磁继电器,对电磁继电器进行设计优化是不可避免的。然而当前使用的电磁继电器优化设计方法主要存在以下不足:一是当前使用的优化是基于产品初始状态下设计参数对电磁继电器输出特征的影响进行的优化,忽略了含永磁电磁继电器在工作过程中永磁体的性能退化,永磁体的性能退化必然会使产品的输出特征发生漂移,也就是产品的可靠度发生变化;二是当前含永磁电磁继电器的优化方法针对设计参数中心值对输出特征的影响进行的优化,忽略了生产过程中众多不确定性因素对继电器输出特征的影响。
发明内容
本发明目的是为了解决含永磁电磁继电器设计优化过程中如何全面考虑永磁体性能退化以及生产制造过程不确定性因素,提供了综合考虑永磁体退化与制造不确定性的继电器优化方法。
为实现上述目的,本发明采取下述技术方案:综合考虑永磁体退化与制造不确定性的继电器优化方法,包括以下步骤:
步骤一:根据电磁继电器零部件加工及装配工艺特点,分析确定设计参数存在的不确定类型参数分布,不确定性参数表示为:X=(X1,X2,···,Xn)T,通过时域变化方法将含非线性因素的不确定性集合X变化为线性时变参数不确定性集合Y=(Y1,Y2,···,Yn)T;
步骤二:正态分布类型不确定性因素标准化,随机变量(Y∈Rn)采用联合概率密度函数fY(y)描述,使用Rosenblatt变换将非正态分布的随机不确定性变量转换为标准正态分布,表示为Z=(Z1,Z2,···,Zn)T,对应的非正态随机不确定变量Xi变换映射到标准U空间;
步骤三:使用超级矩形集合对随机不确定性因素Z=(Z1,Z2,···,Zn)T进行分析计算,得到多源不确定性因素之间的关系模型;
步骤四:由全局时变灵敏度计算方法计算得到W-全局时变灵敏度矩阵;
步骤五:由步骤四计算得到的全局时变灵敏度矩阵对电磁继电器永磁体存在性能退化的前提下对设计参数对电磁继电器性能影响的敏感程度进行分析,按照设计因素Wi(t)主指数的变化进行排序,将灵敏度持续变小,以及全寿命周期灵敏度值明显低于最大灵敏度一半以上的因素筛选出来,称其为永磁体性能退化弱敏感因素,将永磁体性能退化弱敏感因素作为主要优化设计参数;
步骤六:分析全寿命周期含永磁电磁继电器可靠性要求,将W-时变全局灵敏度和可靠性稳健设计方法相结合,降低时变不确定性因素对输出的影响,使输出性能的可靠度随时变不确定性因素而变化的波动最小,建立含永磁电磁继电器全寿命周期可靠性优化模型;
步骤七:根据步骤六建立的含永磁电磁继电器全寿命周期可靠性优化模型,使用智能寻优算法获取最优解,最后使用蒙特卡洛生产批量样本,实验分析W-指标和可靠度指标,验证优化效果。
与现有技术相比,本发明的有益效果是:本发明提出了一种综合考虑永磁体性能退化的含永磁电磁继电器全寿命周期可靠性优化方法,对电磁系统设计参数分布类型进行分析,将正态、非正态分布类型通过Rosenblatt变换方法将其统一变换为正态分布,与此同时对时变参数进行分析,将线型非线性时变特征通过时域变化统一为线型特征,在此基础上进行超矩形集分析,实现不确定参数及其相互关系的量化,为产品质量和可靠性提升奠定基础。为了进一步精确获取与评价产品的时变特征,使用W-指数的时变全局灵敏度分析方法,在不确定性因素分布区间内计算参数响应方差和提条件响应方差,实现时变输出性能显著参数的筛选以及产品性能的分析与评估,以灵敏度持续变小、全寿命周期灵敏度值一直较小为原则,将相应因素筛选出来作为主要的优化设计参数。在此基础上,根据产品可靠性要求,建立产品质量与可靠性优化模型,使用智能寻优算法获取最优解,最后使用蒙特卡洛生产批量样本,实验分析W-指标和可靠度指标,验证优化效果,是电磁继电器全寿命周期可靠性优化设计的良好手段。
附图说明
图1是本发明的综合考虑永磁体退化与制造不确定性的继电器优化方法的流程图;
图2是本发明实施例的含永磁电磁继电器不确定性量化分析示意图;
图3是本发明实施例的含永磁电磁继电器优化前后W-指数变化示意图;
图4是本发明实施例的含永磁电磁继电器优化前后全寿命周期可靠度变化示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1~图4所示,本发明公开了综合考虑永磁体退化与制造不确定性的继电器优化方法,包括以下步骤:
步骤一:根据电磁继电器零部件加工及装配工艺特点,分析确定设计参数(零部件参数与装配参数)存在的不确定类型参数分布,不确定性参数可以表示为:X=(X1,X2,···,Xn)T,其中n为设计参数总数,通过时域变化方法将含非线性因素的不确定性集合X变化为线性时变参数不确定性集合Y=(Y1,Y2,···,Yn)T;
步骤二:正态分布类型不确定性因素标准化,随机变量(Y∈Rn)适合采用联合概率密度函数fY(y)来描述,即Y:fY(y),使用Rosenblatt变换将非正态分布的随机不确定性变量转换为标准正态分布,表示为Z=(Z1,Z2,···,Zn)T,对应的非正态随机不确定变量Xi,可由公式(1)进行变换映射到标准U空间,
Zi=(Xi-μi)/σi (1)
其中,μi和σi分别表示随机变量Xi的均值和方差;
步骤三:使用超级矩形集合对随机不确定性因素Z=(Z1,Z2,···,Zn)T进行分析计算,得到多源不确定性因素之间的关系模型;
步骤四:由全局时变灵敏度计算方法计算得到W-全局时变灵敏度矩阵,采用计算公式(2)如下所示,
步骤五:由步骤四计算得到的全局时变灵敏度矩阵对电磁继电器永磁体存在性能退化的前提下对设计参数对电磁继电器性能影响的敏感程度进行分析,按照设计因素Wi(t)主指数的变化进行排序,将灵敏度持续变小,以及全寿命周期灵敏度值明显低于最大灵敏度一半以上的因素筛选出来,称其为永磁体性能退化弱敏感因素,将永磁体性能退化弱敏感因素作为主要优化设计参数;
步骤六:分析全寿命周期含永磁电磁继电器可靠性要求,将W-时变全局灵敏度和可靠性稳健设计方法相结合,降低时变不确定性因素对输出的影响,使输出性能的可靠度随时变不确定性因素而变化的波动最小,优化设计模型如公式(3)所示,
建立含永磁电磁继电器全寿命周期可靠性优化模型;
步骤七:根据步骤六建立的含永磁电磁继电器全寿命周期可靠性优化模型,使用智能寻优算法(如NSGAⅢ、粒子群算法、神经网络算法等)获取最优解,最后使用蒙特卡洛生产批量样本,实验分析W-指标和可靠度指标,验证优化效果。
实施例:KMC-069型电磁继电器实例
步骤一:根据电磁继电器零部件加工及装配工艺特点,分析确定设计参数(零部件参数与装配参数)存在的不确定类型参数分布,不确定性参数可以表示为:X=(X1,X2,···,Xn)T,其中n为设计参数总数,通过时域变化方法将含非线性因素的不确定性集合X变化为线性时变参数不确定性集合Y=(Y1,Y2,···,Yn)T,转换后的永磁体性能退化线性参数如下所示:
Br(t):N(Br*(1-k1t),0.011*(1+k2t))k1=9.6*10-7,k2=6.2*10-7;
步骤二:正态分布类型不确定性因素标准化,随机变量(Y∈Rn)适合采用联合概率密度函数fY(y)来描述,即Y:fY(y),使用Rosenblatt变换将非正态分布的随机不确定性变量转换为标准正态分布,表示为Z=(Z1,Z2,···,Zn)T,对应的非正态随机不确定变量Xi,可由公式(1)进行变换映射到标准U空间,
Zi=(Xi-μi)/σi (1)
其中,μi和σi分别表示随机变量Xi的均值和方差,
转换后如下所示:
14.1≤L1≤16.4(mm),0.4≤Tck≤0.9(mm),3.2≤L2≤4.4(mm),0.66≤Br≤0.72(T)
步骤三:使用超级矩形集合对随机不确定性因素Z=(Z1,Z2,···,Zn)T进行分析计算,得到多源不确定性因素之间的关系模型,具体如图2所示;
步骤四:由全局时变灵敏度计算方法计算得到W-全局时变灵敏度矩阵,采用计算公式(2)如下所示,
步骤五:由步骤四计算得到的全局时变灵敏度矩阵对电磁继电器永磁体存在性能退化的前提下对设计参数对电磁继电器性能影响的敏感程度进行分析,按照设计因素Wi(t)主指数的变化进行排序,将灵敏度持续变小,以及全寿命周期灵敏度值明显低于最大灵敏度一半以上的因素筛选出来,称其为永磁体性能退化弱敏感因素,将永磁体性能退化弱敏感因素作为主要优化设计参数,主要参数有主要参数有衔铁长度L1、左轭铁和右轭铁端面厚度Tck、左轭铁和右轭铁长度L2;
步骤六:分析全寿命周期含永磁电磁继电器可靠性要求,将W-时变全局灵敏度和可靠性稳健设计方法相结合,降低时变不确定性因素对输出的影响,使输出性能的可靠度随时变不确定性因素而变化的波动最小,优化设计模型如下所示,
s.t.P(gi(L1,L2,Tck(t),Br(t),D,R)≤0,t∈[0,105])≥0.9
gi(L1,L2,Tck,Br,D,R)+Δgi(L1,L2,Tck,Br,D,R)≤0,i=1,2,3
14.1≤L1≤16.4(mm),0.4≤Tck≤0.9(mm),3.2≤L2≤4.4(mm),0.66≤Br≤0.72(T)
0.09≤σL1≤0.13,0.055≤σTck≤0.0085,0.015≤σL2≤0.04,0.005≤σBr≤0.009
Br(t):N(Br*(1-k1t),0.011*(1+k2t))k1=9.6*10-7,k2=6.2*10-7
Tck(t):N(Tck*(1-k3t),0.01*(1+k4t))k3=2.7*10-7,k4=1.06*10-7
建立含永磁电磁继电器全寿命周期可靠性优化模型;
步骤七:根据步骤六建立的含永磁电磁继电器全寿命周期可靠性优化模型,使用智能寻优算法(如NSGAⅢ、粒子群算法、神经网络算法等)获取最优解,最后使用蒙特卡洛生产批量样本,实验分析W-指标和可靠度指标,验证优化效果。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的装体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同条件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (3)
1.综合考虑永磁体退化与制造不确定性的继电器优化方法,其特征在于:包括以下步骤:
步骤一:根据继电器零部件加工及装配工艺特点,分析确定设计参数存在的不确定类型参数分布,不确定性集合表示为:X=(X1,X2,···,Xn)T,通过时域变化方法将含非线性因素的不确定性集合X变化为线性时变参数不确定性集合Y=(Y1,Y2,···,Yn)T;
步骤二:正态分布类型不确定性因素标准化,线性时变参数不确定性集合Y∈Rn采用联合概率密度函数fY(y)描述,使用Rosenblatt变换将线性时变参数不确定性集合Y转换为标准正态分布,表示为Z=(Z1,Z2,···,Zn)T,对应的非正态随机不确定变量Xi变换映射到标准U空间;
步骤三:使用超级矩形集合对随机不确定性因素Z=(Z1,Z2,···,Zn)T进行分析计算,得到多源不确定性因素之间的关系模型;
步骤四:由全局时变灵敏度计算方法计算得到W-时变全局灵敏度矩阵;
步骤五:由步骤四计算得到的W-时变全局灵敏度矩阵对继电器永磁体存在性能退化的前提下对设计参数对继电器性能影响的敏感程度进行分析,按照设计因素Wi(t)主指数的变化进行排序,将灵敏度持续变小,以及全寿命周期灵敏度值低于最大灵敏度一半以上的因素筛选出来,称其为永磁体性能退化弱敏感因素,将永磁体性能退化弱敏感因素作为主要优化设计参数;
步骤六:分析全寿命周期继电器可靠性要求,将W-时变全局灵敏度矩阵和可靠性稳健设计方法相结合,降低时变不确定性因素对输出的影响,使输出性能的可靠度随时变不确定性因素而变化的波动最小,建立继电器全寿命周期可靠性优化模型;
步骤七:根据步骤六建立的继电器全寿命周期可靠性优化模型,使用智能寻优算法获取最优解,最后使用蒙特卡洛生产批量样本,实验分析W-指标和可靠度指标,验证优化效果。
2.根据权利要求1所述的综合考虑永磁体退化与制造不确定性的继电器优化方法,其特征在于:所述步骤二中Xi由公式(1)进行变换映射到标准U空间,
Zi=(Xi-μi)/σi (1)
其中,μi和σi分别表示随机变量Xi的均值和方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911269456.7A CN110929421B (zh) | 2019-12-11 | 2019-12-11 | 综合考虑永磁体退化与制造不确定性的继电器优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911269456.7A CN110929421B (zh) | 2019-12-11 | 2019-12-11 | 综合考虑永磁体退化与制造不确定性的继电器优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110929421A CN110929421A (zh) | 2020-03-27 |
CN110929421B true CN110929421B (zh) | 2021-09-14 |
Family
ID=69860141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911269456.7A Active CN110929421B (zh) | 2019-12-11 | 2019-12-11 | 综合考虑永磁体退化与制造不确定性的继电器优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929421B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581778B (zh) * | 2020-04-09 | 2023-10-17 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 舰船电子系统可靠性验证方法、装置、计算机设备和介质 |
CN111581746A (zh) * | 2020-05-11 | 2020-08-25 | 中国矿业大学 | 一种新型三相圆筒开关磁阻直线发电机多目标优化方法 |
CN115130326B (zh) * | 2022-08-03 | 2024-03-12 | 哈尔滨工业大学 | 一种平衡力继电器不确定性最大界自动分配方法 |
CN115130249B (zh) * | 2022-08-03 | 2024-04-12 | 哈尔滨工业大学 | 一种综合考虑制造成本和质量损失的继电器容差设计方法 |
CN115640695B (zh) * | 2022-10-31 | 2023-05-26 | 哈尔滨工业大学 | 基于触点电侵蚀失效的平衡力式继电器可靠寿命计算方法 |
CN116415413B (zh) * | 2023-02-16 | 2023-10-03 | 哈尔滨工业大学 | 不确定条件下电磁继电器参数稳健优化与可靠性设计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1739582A1 (en) * | 2005-06-29 | 2007-01-03 | Siemens Aktiengesellschaft | Probabilistic design tool for optimizing a technical system |
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
CN107862130B (zh) * | 2017-11-04 | 2018-09-11 | 哈尔滨工业大学 | 一种导致继电器贮存退化的内部关键因素的分析方法 |
-
2019
- 2019-12-11 CN CN201911269456.7A patent/CN110929421B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110929421A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929421B (zh) | 综合考虑永磁体退化与制造不确定性的继电器优化方法 | |
CN114925943B (zh) | 一种基于电力物联网的变压器异常状态预测方法 | |
CN111027216B (zh) | 一种基于多退化机理耦合的电磁继电器退化建模方法 | |
Tian et al. | State of health prediction for lithium‐ion batteries with a novel online sequential extreme learning machine method | |
CN110941912A (zh) | 多退化机理耦合的电磁继电器全寿命周期可靠性评估方法 | |
CN116345701A (zh) | 一种低压无功补偿智能监测控制系统 | |
CN111046555B (zh) | 时变退化质量特征补偿的全寿命周期质量稳健性优化方法 | |
CN113536662B (zh) | 基于萤火虫优化LightGBM算法的电子式互感器误差状态预测方法 | |
CN117434484A (zh) | 永磁体寿命评估方法 | |
CN115130249B (zh) | 一种综合考虑制造成本和质量损失的继电器容差设计方法 | |
CN115238554A (zh) | 一种基于多物理场双向耦合精细化建模的分析方法 | |
CN110648727A (zh) | 一种特定物理性能的玻璃材料的制备方法 | |
CN110413622A (zh) | 一种基于电力大数据平台的数据处理方法 | |
CN115392068A (zh) | 一种基于恢复型后验误差估计的网格自适应方法 | |
CN112380693B (zh) | 基于电流曲线获得电磁接触器电磁吸力的方法及系统 | |
CN115630519B (zh) | 基于永磁一致性的极化磁系统式继电器性能退化建模方法 | |
CN113037553A (zh) | 一种基于ia-svm的iec102协议通讯行为异常检测方法和系统 | |
CN115203860B (zh) | 一种考虑制造成本的极化继电器容差自动分配方法 | |
CN111046606A (zh) | 一种电磁继电器全寿命周期的全局时变灵敏度计算方法 | |
Zeng et al. | Risk assessment of switchgears in distribution system considering environmental dependency | |
Wu et al. | Dynamic performance monitoring of current control system for fused magnesium furnace driven by big data | |
CN115900816B (zh) | 一种基于多源异构数据的高压开关柜缺陷预测方法 | |
Hao | Intelligent control of electric automation instrumentation based on blockchain | |
CN113486971B (zh) | 基于主成分分析和神经网络的用户状态识别方法、系统 | |
CN115577556B (zh) | 基于失效物理和质量一致性的电磁继电器可靠性预计方法 |
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 |