基于BP神经网络的交流接触器剩余电寿命预测

发布时间：2018-04-03 13:08

本文选题：交流接触器　切入点：神经网络　出处：《电工技术学报》2017年15期

【摘要】：交流接触器广泛应用于各种用电控制系统,对其剩余电寿命进行准确预测可以提高用电控制系统运行的可靠性。建立了交流接触器剩余电寿命预测的神经网络模型,并提出网络模型结构参数的确定方法。采用平均影响值(MIV)筛选方法对预测模型输入参量进行筛选,确定了累积燃弧能量和吸合时间为预测模型的主要输入参量,能够反映影响交流接触器电寿命的关键因素。分析了不同神经网络模型下交流接触器电寿命的预测误差,其中自适应遗传算法优化BP神经网络(AGA-BP)模型的预测精度最高。分析了输入参量对神经网络预测结果的影响,对比了输入参量无筛选、因子分析法、MIV筛选下预测的误差,结果表明采用MIV方法筛选出累积燃弧能量和吸合时间进行交流接触器电寿命预测的效果最好。将不同试品的试验数据分别作为训练样本和验证样本进行预测,其最大预测误差在11%以下,因此预测模型满足工程需要。
[Abstract]:Ac contactors are widely used in various electric control systems. Accurate prediction of their residual electric life can improve the reliability of the power control system.A neural network model for predicting the residual electric life of AC contactors is established, and a method for determining the structural parameters of the network model is presented.The input parameters of the prediction model are screened by the mean influence value (MIV) method. The cumulative arc energy and the suction time are determined as the main input parameters of the prediction model, which can reflect the key factors affecting the electrical life of the AC contactor.The prediction errors of electrical life of AC contactors under different neural network models are analyzed. The prediction accuracy of the adaptive genetic algorithm for optimizing the AGA-BP- (BP) neural network model is the highest.The influence of input parameters on the prediction results of neural networks is analyzed.The results show that the MIV method is the best method for predicting the electrical life of AC contactor.The test data of different samples are used as training samples and validation samples respectively, and the maximum prediction error is less than 11%, so the prediction model can meet the engineering needs.
【作者单位】：河北工业大学电磁场与电器可靠性省部共建国家重点实验室培育基地;
【基金】：国家自然科学基金项目(51377043) 国家重点基础研究发展计划(973计划)项目(2015CB251002) 河北省自然科学基金项目(E2015202109) 河北省高等学校科学技术研究重点项目(ZD2016164) 河北省高等学校创新团队领军人才培育计划(LJRC003)资助
【分类号】：TM572.2;TP183

【相似文献】