基于改进DBN和Softmax回归的电磁继电器寿命预测方法研究

发布时间：2024-04-03 05:36

　　电磁继电器作为一种重要的基础电器元件存在于各种电气连接中,在电路通断中起着极其重要的作用,其可靠性及寿命直接影响整个系统的安全和稳定运行,因此在电磁继电器生产后出场之前都需要对其进行长时间的可靠性寿命实验。传统的电磁继电器可靠性寿命实验均由专业人员进行操作,实验产生的实验数据非常少并可能存在错误,由于电磁继电器是一种基础的电器元件无论是在民用还是军用领域需求都非常大,然而在实际生产环境中针对大批量的电磁继电器寿命预测只能使用随机抽样法进行实验,并不能保证每个电磁继电器的寿命预测的精度和可靠性。精准的寿命预测一直是国内外学者的研究重点和难点。深度学习是近两年崛起并被广泛证明的最为有效的人工智能技术,在模式识别、回归预测领域取得巨大成功。本文提出应用基于深度学习技术的电磁继电器寿命预测方法,以其为电磁继电器等系列元器件可靠性指标的提升提供新的思路和实现方法。主要研究工作如下:1.为了对电磁继电器的各个寿命参数数据进行分析,使用专业的继电器寿命可靠性寿命实验设备来记录电磁继电器的各个实验寿命参数,然后对得到的寿命参数进行可视化,并且使用改进的新息卡尔曼滤波算法对数据进行降噪处理的基础上,再使...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图１－】研究流程图??各章节内容安排：??：

?东北林业大学硕士学位论文????绝？屯器埒命实脸数挞??抹索忡数枥分枳??数掂可视化?又従秒数选取??ＤＢＮ枚把???＾?＂＞???機型改迸?？Ｊ＃数优化??—１?—，?１?＇＇＇??ＢｉＬＳＴＭ?ＳｏｆｔＭａｘＩ＇ｌｌ?（；?｜?丨；１适闷优化?Ｔ？动优化??．才??”?ｉ?....

图２－１所有特征参数可视化曲线??－８－??

合时间，吸合燃弧时间，动断接触电阻，动合触点电压，释??放回跳时间，释放间隙等十七个特征参数来作进行数据分析，并通过挖掘这些参数之间??的关系和区别来找出它们的变化特点，从而将得到的有用信息应用到实际情况中的寿命??预测实验中去。??２．２．１数据预处理及可视化??不同的电磁继在....

图２－１中的可视化信息有限接所以接下来耑要对每个特征参??数曲线进行可视化分析

?电磁继电器寿命数据分析及参数选取???从图中可以发现特征参数曲线的？鸣变化特点，其屮儿７？所行的特征参数曲线的都??是先在初期慢慢升高，然后达到一个阀定值并稳定在固定值左右。其中有些条特征仙线??伴随着噪声和离群点。由于图２－１中的可视化信息有限接所以接下来耑要对每个特征参??....

图２－２至２－１８分别为动断接触压降，常开吸合时间，常开释放时间，超程时??间，释放时间，动合接触电阻，动断触点电压，吸合回跳时间，吸合间隙时＿，动合接??触电压，?

?电磁继电器寿命数据分析及参数选取???从图中可以发现特征参数曲线的？鸣变化特点，其屮儿７？所行的特征参数曲线的都??是先在初期慢慢升高，然后达到一个阀定值并稳定在固定值左右。其中有些条特征仙线??伴随着噪声和离群点。由于图２－１中的可视化信息有限接所以接下来耑要对每个特征参??....

本文编号：3946800