CN113268868B - 一种电磁开关的全过程动铁心位移估计方法 - Google Patents

一种电磁开关的全过程动铁心位移估计方法 Download PDF

Info

Publication number
CN113268868B
CN113268868B CN202110533398.5A CN202110533398A CN113268868B CN 113268868 B CN113268868 B CN 113268868B CN 202110533398 A CN202110533398 A CN 202110533398A CN 113268868 B CN113268868 B CN 113268868B
Authority
CN
China
Prior art keywords
coil
electromagnetic
displacement
iron core
electromagnetic switch
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
Application number
CN202110533398.5A
Other languages
English (en)
Other versions
CN113268868A (zh
Inventor
汤龙飞
谌浩
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 CN202110533398.5A priority Critical patent/CN113268868B/zh
Publication of CN113268868A publication Critical patent/CN113268868A/zh
Application granted granted Critical
Publication of CN113268868B publication Critical patent/CN113268868B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/12—Simultaneous equations, e.g. systems of linear equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/13—Differential equations
    • 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
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01H—ELECTRIC SWITCHES; RELAYS; SELECTORS; EMERGENCY PROTECTIVE DEVICES
    • H01H36/00—Switches actuated by change of magnetic field or of electric field, e.g. by change of relative position of magnet and switch, by shielding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Electromagnets (AREA)

Abstract

本发明提出一种电磁开关的全过程动铁心位移估计方法，包括以下步骤；步骤S1、收集电磁开关静态时的线圈电流数据、磁链数据、电磁吸力数据并建立数据集；步骤S2、依据电磁开关的
Figure DEST_PATH_IMAGE001
二元对应关系，采用BP神经网络对数据集中静态的线圈电流数据、磁链数据、电磁吸力数据的映射关系进行拟合，建立神经网络模型；步骤S3、检测电磁开关的线圈电压、线圈电流并根据电压平衡方程计算对应的磁链，把线圈电流、磁链输入神经网络模型，输出电磁吸力F x；步骤S4、把电磁吸力F x代入电磁开关的电磁机构的机械运动方程，得出动铁心的位移；本发明实现了电磁开关全过程位移估计，方便后续电磁开关无位置传感器的速度或位移闭环控制等高性能控制策略的开发。

Description

一种电磁开关的全过程动铁心位移估计方法
技术领域
本发明涉及电磁开关技术领域，尤其是一种电磁开关的全过程动铁心位移估计方法。
背景技术
电磁开关广泛应用在各种工业控制以及电力系统发电、输电、配电中的各个领域，其性能指标直接影响着整个用电系统和控制系统的安全、稳定。近年来，在电磁开关的动铁心位移估计领域中，国内外学者做了大量的研究工作，目前已有的位移估计技术主要有以下两种：
1、从简化的磁路和电路方面进行综合分析，推导出电磁开关动铁心位移与线圈电压、电流的解析公式，通过检测线圈电压、电流的实时信号，代入公式估算出电磁开关的动铁心位移。该位移估算技术需要求解电磁开关的磁路方程，要求已知电磁开关的结构参数及材料参数，计算量大，通用性差，且需要对磁路进行简化及非饱和假设，随着电磁开关磁路非线性饱和状态的加剧，其估算精度难以保证，制约位移估算技术的应用。
2、采集电磁开关实际运行的线圈电压、线圈电流和动铁心位移数据，计算磁链后采用BP神经网络对电磁开关的(icoil，ψ)→x这一复杂的非线性二元对应关系进行拟合，从而建立输入-输出之间的映射关系，训练后的模型输入线圈电流和线圈电压即可输出动铁心位移，该方法避免了复杂磁路方程的求解，简单、通用。但在电磁开关全过程的某些阶段，尤其是分断过程，线圈电流可能为零，电磁吸力也为零，电磁开关在弹簧反力的作用下继续运动，此时该神经网络位移模型难以给出有效的映射，导致位移估计失败。
以上电磁开关位移估计方法仅适用于线圈电流不为零的情况，对于线圈电流可能为零的分断过程则难以使用，而对电磁开关起动、保持及分断全过程的动铁心位移估计未见相关报道。
发明内容
本发明提出一种电磁开关的全过程动铁心位移估计方法，实现了电磁开关全过程位移估计，方便后续电磁开关无位置传感器的速度或位移闭环控制等高性能控制策略的开发。
本发明采用以下技术方案。
一种电磁开关的全过程动铁心位移估计方法，所述位移估计方法包括以下步骤；
步骤S1、收集电磁开关静态时的线圈电流数据、磁链数据、电磁吸力数据并建立数据集；
步骤S2、依据电磁开关的(icoil，ψ)→Fx二元对应关系，采用BP神经网络对数据集中静态的线圈电流数据、磁链数据、电磁吸力数据的非线性二元一一映射关系进行拟合，建立与其输入-输出映射关系匹配的神经网络模型；
步骤S3、检测电磁开关的线圈电压、线圈电流并根据电压平衡方程计算对应的磁链，把线圈电流、磁链输入神经网络模型，输出电磁吸力Fx；
步骤S4、把电磁吸力Fx代入电磁开关的电磁机构的机械运动方程，计算得出动铁心的位移。
所述步骤S3中，电磁机构磁路的电压平衡方程以动态微分方程组表述为：
Figure BDA0003068862090000021
所述步骤S4中，电磁机构机械运动子模型以动态微分方程组表述为：
Figure BDA0003068862090000022
Figure BDA0003068862090000023
式中：ucoil为线圈电压，icoil为线圈电流，Rcoil为线圈电阻，ψ为电磁系统磁链，Fx为电磁吸力，Ff为弹簧反力，m为可动部分等效质量，v为动铁心速度，x为动铁心位移。
所述步骤S4中，BP神经网络输出的Fx作为机械运动子模型的输入，反力Ff由反力弹簧产生，是与位移x相关的分段函数，可用于求解位移x；
通过位移x即可求得反力Ff，计算电磁吸力Fx与反力Ff的合力，之后求解动铁心的加速度，对加速度进行一次积分得到动铁心的速度v，对加速度进行二次积分即可得到动铁心的位移x，从而实现电磁开关起动、保持及分断全过程的动铁心位移估计。
所述步骤S3中，电磁机构磁路的电压平衡方程以积分形式表述为：
ψ＝∫(ucoil-icoilRcoil)dt 公式四；
所述步骤S3中，通过公式四以线圈电压、线圈电流、线圈电阻来计算磁链。
在步骤S3中，线圈电流采用霍尔电流传感器测量，线圈电压采用霍尔电压传感器测量。
所述步骤S1中，采用有限元仿真或实验的方式得到静态线圈电流数据、磁链数据及电磁吸力数据。
所述步骤S2中的神经网络模型在对已知电磁机构的(icoil,ψ)求解Fx时，以线圈电流与磁链作为输入，以电磁吸力作为输出。
所述电磁开关的电磁机构包括动铁心、静铁心、动静铁心间气隙、线圈及反力弹簧。
本发明所述的位移估计方法，不但吸收了BP神经网络简单、通用的优点，而且实现了电磁开关全过程位移估计，方便后续电磁开关无位置传感器的速度或位移闭环控制等高性能控制策略的开发。
附图说明
下面结合附图和具体实施方式对本发明进一步详细的说明：
附图1是本发明的原理示意图；
附图2是电磁开关的电磁机构的示意图；
附图3是电磁开关的(icoil，ψ)→Fx二元对应关系的数据关系曲面示意图；
附图4是神经网络模型的示意图；
附图5是电磁机构机械运动子模型的示意图；
图中：1-动铁心；2-线圈；3-静铁心；4-反力弹簧；x2-动静铁心间气隙.
具体实施方式
如图所示，一种电磁开关的全过程动铁心位移估计方法，所述位移估计方法包括以下步骤；
步骤S1、收集电磁开关静态时的线圈电流数据、磁链数据、电磁吸力数据并建立数据集；
步骤S2、依据电磁开关的(icoil，ψ)→Fx二元对应关系，采用BP神经网络对数据集中静态的线圈电流数据、磁链数据、电磁吸力数据的非线性二元一一映射关系进行拟合，建立与其输入-输出映射关系匹配的神经网络模型；
步骤S3、检测电磁开关的线圈电压、线圈电流并根据电压平衡方程计算对应的磁链，把线圈电流、磁链输入神经网络模型，输出电磁吸力Fx；
步骤S4、把电磁吸力Fx代入电磁开关的电磁机构的机械运动方程，计算得出动铁心的位移。
所述步骤S3中，电磁机构磁路的电压平衡方程以动态微分方程组表述为：
Figure BDA0003068862090000041
所述步骤S4中，电磁机构机械运动子模型以动态微分方程组表述为：
Figure BDA0003068862090000042
Figure BDA0003068862090000043
式中：ucoil为线圈电压，icoil为线圈电流，Rcoil为线圈电阻，ψ为电磁系统磁链，Fx为电磁吸力，Ff为弹簧反力，m为可动部分等效质量，v为动铁心速度，x为动铁心位移。
所述步骤S4中，BP神经网络输出的Fx作为机械运动子模型的输入，反力Ff由反力弹簧产生，是与位移x相关的分段函数，可用于求解位移x；
通过位移x即可求得反力Ff，计算电磁吸力Fx与反力Ff的合力，之后求解动铁心的加速度，对加速度进行一次积分得到动铁心的速度v，对加速度进行二次积分即可得到动铁心的位移x，从而实现电磁开关起动、保持及分断全过程的动铁心位移估计。
所述步骤S3中，电磁机构磁路的电压平衡方程以积分形式表述为：
ψ＝∫(ucoil-icoilRcoil)dt 公式四；
所述步骤S3中，通过公式四以线圈电压、线圈电流、线圈电阻来计算磁链。
在步骤S3中，线圈电流采用霍尔电流传感器测量，线圈电压采用霍尔电压传感器测量。
所述步骤S1中，采用有限元仿真或实验的方式得到静态线圈电流数据、磁链数据及电磁吸力数据。
所述步骤S2中的神经网络模型在对已知电磁机构的(icoil,ψ)求解Fx时，以线圈电流与磁链作为输入，以电磁吸力作为输出。
所述电磁开关的电磁机构包括动铁心1、静铁心3、动静铁心间气隙x2、线圈2及反力弹簧4。
本例中，电磁开关全过程位移估计原理如图1所示，整体由磁链积分计算、神经网络求吸力及机械运动子模型三部分组成。
为了提高电磁开关的电磁力，同时降低电磁机构体积，其磁路通常工作在饱和状态，导致电磁开关的电、磁、力之间存在复杂的非线性、强耦合关系。再加上漏磁的分布性，加剧了电磁开关机电耦合关系的复杂程度。
在本例中，采用有限元仿真或实验的方式得到静态线圈电流、磁链及电磁吸力数据，经重组可得图3所示的线圈电流、磁链及电磁吸力之间的关系曲面，可以看出：电磁开关的(icoil，ψ)→Fx存在着二元一一对应关系。
本发明利用神经网络具有强大的非线性拟合能力的特点，引入神经网络模型对(icoil,ψ)→Fx这一二元非线性对应关系进行拟合，该模型以线圈电流与磁链作为输入，以电磁吸力作为输出，训练好的神经网络模型可实现已知电磁机构的(icoil,ψ)求解Fx，神经网络原理如图4所示。
由于仅对电磁开关的静态一一对应关系进行映射，因此并不需要过于复杂的神经网络结构，简单的BP神经网络即可胜任这一工作。
根据公式二、公式三表述的机械运动方程可以构建如图5所示的机械运动子模型，该模型的输入为电磁吸力Fx，输出为动铁心速度v及动铁心位移x。
BP神经网络输出的Fx作为机械运动子模型的输入，反力Ff由反力弹簧产生，是关于位移x的分段函数，已知位移x即可求得反力Ff，计算电磁吸力Fx与反力Ff的合力，之后求解动铁心的加速度，对加速度进行一次积分得到动铁心的速度v，对加速度进行二次积分即可得到动铁心的位移x，从而实现电磁开关起动、保持及分断全过程动铁心位移估计。

Claims (5)

1.一种电磁开关的全过程动铁心位移估计方法，其特征在于：所述位移估计方法包括以下步骤；
步骤S1、收集电磁开关静态的线圈电流数据、磁链数据、电磁吸力数据并建立数据集；
步骤S2、依据电磁开关线圈电流icoil、电磁系统磁链ψ、电磁吸力Fx之间的(icoil，ψ)→Fx二元对应关系，采用BP神经网络对数据集中电磁开关静态的线圈电流数据、磁链数据、电磁吸力数据的非线性二元一一映射关系进行拟合，建立与其输入-输出映射关系匹配的神经网络模型；
步骤S3、检测电磁开关的线圈电压、线圈电流并根据电磁机构磁路的电压平衡方程计算对应的磁链，把线圈电流、磁链输入神经网络模型，输出电磁吸力Fx；
步骤S4、把电磁吸力Fx代入电磁开关的电磁机构机械运动子模型方程，计算得出动铁心的位移；
所述步骤S3中，电磁机构磁路的电压平衡方程以动态微分方程组表述为：
Figure FDA0003903951560000011
所述步骤S4中，电磁机构机械运动子模型方程以动态微分方程组表述为：
Figure FDA0003903951560000012
Figure FDA0003903951560000013
式中：ucoil为线圈电压，icoil为线圈电流，Rcoil为线圈电阻，ψ为电磁系统磁链，Fx为电磁吸力，Ff为弹簧反力，m为可动部分等效质量，v为动铁心速度，x为动铁心位移；
所述步骤S4中，BP神经网络输出的电磁吸力Fx作为电磁机构机械运动子模型方程的输入，弹簧反力Ff由反力弹簧产生，是与动铁心位移x相关的分段函数，用于求解动铁心位移x；
通过动铁心位移x求得弹簧反力Ff，计算电磁吸力Fx与弹簧反力Ff的合力，之后求解动铁心的加速度，对加速度进行一次积分得到动铁心速度v，对加速度进行二次积分得到动铁心位移x，从而实现电磁开关起动、保持及分断全过程的动铁心位移估计；
所述步骤S3中，电磁机构磁路的电压平衡方程以积分形式表述为：
ψ＝∫(ucoil-icoilRcoil)dt 公式四；
所述步骤S3中，通过公式四以线圈电压、线圈电流、线圈电阻来计算磁链。
2.根据权利要求1所述的一种电磁开关的全过程动铁心位移估计方法，其特征在于：在步骤S3中，线圈电流采用霍尔电流传感器测量，线圈电压采用霍尔电压传感器测量。
3.根据权利要求1所述的一种电磁开关的全过程动铁心位移估计方法，其特征在于：所述步骤S1中，采用有限元仿真或实验的方式得到静态线圈电流数据、磁链数据及电磁吸力数据。
4.根据权利要求1所述的一种电磁开关的全过程动铁心位移估计方法，其特征在于：所述步骤S2中的神经网络模型在对已知电磁机构的(icoil,ψ)求解Fx时，以线圈电流与磁链作为输入，以电磁吸力作为输出。
5.根据权利要求1所述的一种电磁开关的全过程动铁心位移估计方法，其特征在于：所述电磁开关的电磁机构包括动铁心、静铁心、动静铁心间气隙、线圈及反力弹簧。
CN202110533398.5A 2021-05-17 2021-05-17 一种电磁开关的全过程动铁心位移估计方法 Active CN113268868B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110533398.5A CN113268868B (zh) 2021-05-17 2021-05-17 一种电磁开关的全过程动铁心位移估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110533398.5A CN113268868B (zh) 2021-05-17 2021-05-17 一种电磁开关的全过程动铁心位移估计方法

Publications (2)

Publication Number Publication Date
CN113268868A CN113268868A (zh) 2021-08-17
CN113268868B true CN113268868B (zh) 2022-12-16

Family

ID=77231173

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110533398.5A Active CN113268868B (zh) 2021-05-17 2021-05-17 一种电磁开关的全过程动铁心位移估计方法

Country Status (1)

Country Link
CN (1) CN113268868B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114334546B (zh) * 2021-12-30 2023-05-05 福州大学 接触器的无传感器分合闸位移跟踪控制系统及方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2905024B1 (fr) * 2006-08-17 2011-05-06 Ile Act Concepts Soc Civ Procede et dispositif embarque de calcul, d'enregistrement et de transfert de distributions statistiques relatives a des parametres lies au deplacement d'un mobile
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
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
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

Also Published As

Publication number Publication date
CN113268868A (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
CN103197562B (zh) 转台伺服系统神经网络控制方法
Oh et al. Design and analysis of force-sensor-less power-assist control
CN113268868B (zh) 一种电磁开关的全过程动铁心位移估计方法
CN109333529A (zh) 含预定义性能的多单臂机械手输出一致控制器及设计方法
CN106026835A (zh) 一种基于模糊控制和滑模观测器的无速度传感器优化方法
CN103407341B (zh) 主动悬架支持向量机广义逆复合控制器及其构造方法
CN104201963B (zh) 一种抑制直线电机定位力补偿控制器
CN103970028A (zh) 永磁操作机构断路器运动特性联合仿真模型及其方法
CN104636554A (zh) 智能交直流电磁电器新型设计方法
CN105893701A (zh) 一种基于温度补偿矩阵的电磁机构动态特性的计算方法
CN107239633B (zh) 一种智能接触器动态模型的自动构建方法
CN102270007B (zh) 压电陶瓷执行器迟滞特性的前馈开环线性化控制方法及其实现电路
CN103761406B (zh) 低压电磁开关三维动态全仿真虚拟设计平台
CN109873583B (zh) 基于状态受限的永磁同步电机模糊位置跟踪控制方法
CN109190302B (zh) 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
CN110165961A (zh) 基于傅里叶拟合的记忆电机调磁电流预测方法
CN107016142A (zh) 基于Kriging模型的电磁继电器快速计算方法
CN104155909B (zh) 基于pc+fpga的带速度观测器的有限时间稳定性控制系统
CN102064752A (zh) 能量互馈式双直线感应电机操动机构控制装置及控制方法
Qiao et al. Robust design of dynamic characteristics consistency of Busbar-Mounted Electromagnetic Contactor based on a fast calculation surrogate model
CN110232211B (zh) 一种考虑结构热场作用的接触器弹跳特性计算方法
CN105700381A (zh) 一种受到单方向控制限制的磁悬浮小球控制方法
CN112380693A (zh) 基于电流曲线获得电磁接触器电磁吸力的方法及系统
Wei et al. Simulation and testing of operating characteristic of 27.5 kV vacuum circuit breaker with permanent magnetic actuator
Mao et al. Nonsingular fast terminal sliding mode control of permanent magnet linear motors

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