基于数据增强SDAE-BiGRU的交流接触器剩余电寿命预测

针对目前交流接触器剩余电寿命存在单一特征预测精度低、未充分考虑开断前后的关联性和忽略了长时间序列特点的问题,该文提出基于数据增强堆叠降噪自动编码器-双向门控循环单元(stacked denoised autoencod-er-bidirection gated recurrent unit,SDAE-BiGRU)的交流接触器剩余电寿命预测方法。首先,通过交流接触器全寿命试验提取特征参量,采用近邻成分分析(neighborhood component analysis,NCA)和斯皮尔曼等级相关系数选择最优特征子集,来有效表征电寿命退化信息。然后,对最优特征子集进行数据增强,充分考虑前后状态的关联性,并利用SDAE对增强后的特征信息进行融合来降低输入维度。最后,将交流接触器剩余电寿命视为长时序问题,通过BiGRU进行时序预测。实例分析表明,该模型比循环神经网络(recurrent neural network,RNN)、长短期记忆网络(long short-term memory,LSTM)、GRU、BiGRU和SDAE-BiGRU模型预测效果好,平均有效精度达到96.68%,有效证明了时序预测模型应用在电器设备剩余寿命预测领域中的可行性。

基于TPE-Informer模型的铁路继电器寿命预测

针对如何准确、高效地预测铁路继电器寿命问题,提出一种基于TPE-Informer模型的铁路继电器寿命预测方法。首先,搭建铁路继电器电寿命试验平台,获取其整个生命周期的退化数据,从中提取出能够反映其运行状态的特征参数;其次,将提取的特征参数输入Informer模型进行训练,利用多头稀疏自注意力机制挖掘特征信息前后状态的关联性;最后,利用非标准贝叶斯优化算法(Tree-structured parzen estimator,TPE)优化Informer模型超参数,以获得更好的预测性能。采用试验平台采集数据对模型验证,并与其他三种深度学习算法进行结果对比。试验结果表明,所提预测模型比RNN、LSTM和Informer模型预测精度高,平均精度达到96.52%,误差率小,稳定性好,证明了该预测模型应用的可行性。

基于无传感器的交流接触器位移控制策略

针对传统接触器控制模型可靠性低、控制精度差等问题,提出一种基于无位置传感器的交流接触器吸合过程动态控制仿真分析方法。首先,根据交流接触器的磁路模型,推导出交流接触器动铁心的位移公式,形成位移估算器;在位移估算器的基础上进行吸力预测,并根据控制模型设计闭环控制器。其次,建立交流接触器的动态闭环控制仿真模型,通过对比分析交流接触器在非受控、脉冲宽度调制(PWM)分时控制和位移闭环控制3种模式下的闭合时间,证实位移闭环控制方案的有效性。最终,实验结果证实所提模型的精确度以及控制策略的实用性,为交流接触器的智能控制提供思路。