永磁真空开关动态特性模糊神经自寻优的调控方法及系统的制作方法
【专利摘要】本发明公开了永磁真空开关动态特性模糊神经自寻优的调控方法及系统，属于断路器智能控制的【技术领域】。调控方法通过分割操动机构中动静机构的最大距离，在不同分割点处实施模糊、神经网络的混合策略方式来控制永磁真空开关，借助神经网络的预测寻找最小合/分闸末速度对应的混合控制策略，以及混合策略中模糊控制与神经网络控制的转换点，操动机构在最优控制策略的作用下，在合分闸初期速度快，减少了拉弧时间，而在合分闸末期速度慢，提高了永磁真空开关机械寿命。系统包括策略生成模块、数据采集模块、策略寻优模块，通信选择模块，在不同转换点处实现了合/分闸初期操动机构动作快、合/分闸末期操动机构动作慢的控制目标。
【专利说明】永磁真空开关动态特性模糊神经自寻优的调控方法及系统
【技术领域】
[0001] 本发明公开了永磁真空开关动态特性模糊神经自寻优的调控方法及系统，属于断 路器智能控制的【技术领域】。
【背景技术】
[0002] 作为智能电网中最为关键的电力设备，永磁真空开关工作性能的好坏，直接影响 到智能电网的安全与可靠运行。现有的永磁真空开关在合分闸的过程中大都采用将储能电 容与线圈通过不加控制或简单控制的电子开关直接相连的方式来产生合分闸过程中所需 的磁动势。这样虽然使得运动机构可以获得较大的驱动和运动速度，缩短合分闸响应时间， 但线路中流过过大的电流，会加速储能电容、合分闸线圈、电子开关及连接线路的老化及毁 坏，并且由于碰撞速度过快使运动机构及有关部件承受超载的机械应力，使各部件损坏或 变形，造成动作失灵。
【发明内容】
[0003] 本发明所要解决的技术问题是针对上述【背景技术】的不足，提供了永磁真空开关动 态特性模糊神经自寻优的调控方法及系统。
[0004] 本发明为实现上述发明目的采用如下技术方案：
[0005] 永磁真空开关动态特性模糊神经自寻优的调控方法，
[0006] 步骤1，根据操动机构中动铁芯相对于静铁芯的位移量生成模糊和神经网络的混 合控制策略；
[0007] 步骤2,在混合控制策略下采集永磁真空开关的合/分闸末速度；
[0008] 步骤3,以步骤2采集的永磁真空开关的合/分闸末速度为输出数据，以与所采集 的合/分闸末速度对应的操动机构中动铁芯相对于静铁芯的位移数据为输入数据训练神 经网络，取神经网络预测的最小输出数据对应的混合控制策略控制永磁真空开关，记录各 混合控制策略下的合/分闸末速度，结束神经网络的训练阶段后选取记录的最小合/分闸 末速度对应的混合控制策略作为最优控制策略。
[0009] 作为所述模糊神经自寻优调控方法的进一步优化方案，步骤1中所述的混合控制 策略确定方法为：等距分割操动机构中动静机构的最大距离，取各分割点组成集合，遍历集 合中每一分割点，以当前分割点为转换点，按照如下两种方式控制永磁真空开关：
[0010] 混合控制策略一：在操动机构中动铁芯相对于静铁芯的位移量小于或等于转换点 时，采用模糊控制方式，在操动机构中动铁芯相对于静铁芯的位移量大于转换点时，采用神 经网络控制方式，
[0011] 混合控制策略二：在操动机构中动铁芯相对于静铁芯的位移量小于或等于转换点 时，采用神经网络控制方式，在操动机构中动铁芯相对于静铁芯的位移量大于转换点时，采 用模糊控制方式，
[0012] 混合控制策略一、二中所述的神经网络控制方式，根据操动机构运动速度正相关 于合/分闸线圈驱动电路的PWM的特性，预测输出数据。
[0013] 进一步的，所述模糊神经自寻优调控方法的步骤3具体按照如下方法选取最优控 制策略：
[0014] 步骤3-1，以各分割点为输入数据，以在混合控制策略一下采集的合闸末速度为输 出数据，训练l-i-Ι结构的神经网络，所述神经网络预测的最小输出数据及其对应的输入 数据组成第一样本，
[0015] 步骤3-2,以各分割点为输入数据，以在混合控制策略二下采集的合闸末速度为输 出数据，训练l-i-Ι结构的神经网络，所述神经网络预测的最小输出数据及其对应的输入 数据组成第二样本，
[0016] 步骤3-3,以各分割点为输入数据，以在混合控制策略一下采集的分闸末速度为输 出数据，训练l-i-Ι结构的神经网络，所述神经网络预测的最小输出数据及其对应的输入 数据组成第三样本，
[0017] 步骤3-4,以各分割点为输入数据，以在混合控制策略二下采集的分闸末速度为输 出数据，训练l-i-Ι结构的神经网络，所述神经网络预测的最小输出数据及其对应的输入 数据组成第四样本，i为自然数，表示中间层神经元数目，
[0018] 步骤3-5,取第一、第二、第三、第四样本中的输入数据以及各样本对应的混合控制 策略控制永磁真空开关，记录此时的合/分闸末速度，将第一、第二、第三、第四样本中的输 入数据加入分割点组成的集合，重复步骤3-1、步骤3-2、步骤3-3、步骤3-4，
[0019] 步骤3-6,在结束训练l-i-Ι结构神经网络后，选取记录的最小合/分闸末速度对 应的混合控制策略作为最优控制策略。
[0020] 作为所述模糊神经自寻优调控方法的进一步优化方案，步骤2中在混合控制策略 下采集永磁真空开关的合/分闸末速度为RS485通信电路传回的数据和/或模拟量通信电 路传回的数据。
[0021] 永磁真空开关动态特性的模糊神经自寻优系统，包括：
[0022] 策略生成模块，根据操动机构中动铁芯相对于静铁芯的位移量生成模糊和神经网 络的混合控制策略，
[0023] 数据采集模块，在混合控制策略下采集永磁真空开关的合/分闸速度，
[0024] 策略寻优模块，以采集的永磁真空开关的合/分闸末速度为输出数据，以与所采 集的合/分闸末速度对应的操动机构中动铁芯相对于静铁芯的位移数据为输入数据训练 神经网络，取神经网络预测的最小输出数据对应的混合控制策略控制永磁真空开关，记录 各混合控制策略下的合/分闸末速度，结束神经网络的训练阶段后选取记录的最小合/分 闸末速度对应的混合控制策略作为最优控制策略。
[0025] 作为所述模糊神经自寻优系统的进一步优化方案，所述控制系统还包括：通信选 择模块，根据被控永磁真空开关的型号、现场电磁干扰的强弱，选择性采用RS485通信电路 传回的数据和/或模拟量通信电路传回的数据。
[0026] 本发明采用上述技术方案，具有以下有益效果：
[0027] (1)调控方法通过分割操动机构中动静机构的最大距离，在不同分割点处实施模 糊、神经网络的混合策略方式来控制永磁真空开关，借助神经网络的预测寻找最小合/分 闸末速度对应的混合控制策略，以及混合策略中模糊控制与神经网络控制的转换点，操动 机构在最优控制策略的作用下，在合分闸初期速度快，减少了拉弧时间，而在合分闸末期速 度慢，提1? 了永磁真空开关机械寿命；
[0028] (2)为了实施模糊神经自寻优调控方法，本发明提出与其相对应的系统，根据操动 机构中动铁芯相对于静铁芯的位移量生成混合控制策略，采集混合控制策略下采集的永磁 真空开关的合/分闸末速度，并通过神经网络的训练确定最优控制策略；
[0029] (3)系统中的通信选择模块选择性采用RS485通信电路传回的数据和/或模拟 量通信电路传回的数据，以适应被控永磁真空开关型号的差异以及现场电磁干扰强弱的影 响。
【专利附图】
【附图说明】
[0030] 图1为模糊神经自寻优控制系统的结构图。
[0031] 图2为模糊控制方式示意图。
[0032] 图3为模糊隶属函数的示意图。
[0033] 图4为l-i-Ι神经网络的结构示意图。
[0034] 图5为l-i-Ι神经网络的训练示意图。
【具体实施方式】
[0035] 下面结合附图对发明的技术方案进行详细说明。
[0036] 本发明涉及的永磁真空开关动态特性的模糊神经自寻优系统可以用如图1所示 的微控制器实现。激光位移传感器检测操动机构中动铁芯相对于静铁芯的位移量。检测的 位移量通过RS485通信电路和/或模拟量通信电路传回微控制器。微控制器根据位移量、最 优控制策略生成合分闸线圈驱动电路的PWM。合/分闸线圈驱动电路在微控制器输出PWM 作用下控制合/分闸线圈放电。策略生成模块，根据操动机构中动铁芯相对于静铁芯的位 移量生成模糊和神经网络的混合控制策略，数据采集模块，在混合控制策略下采集永磁真 空开关的合/分闸速度，策略寻优模块，以采集的永磁真空开关的合/分闸末速度为输出数 据，以与所采集的合/分闸末速度对应的操动机构中动铁芯相对于静铁芯的位移数据为输 入数据训练神经网络，取神经网络预测的最小输出数据对应的混合控制策略控制永磁真空 开关，记录各混合控制策略下的合/分闸末速度，结束神经网络的训练阶段后选取记录的 最小合/分闸末速度对应的混合控制策略作为最优控制策略。通信选择模块，根据被控永 磁真空开关的型号、现场电磁干扰的强弱，选择性采用RS485通信电路传回的数据和/或模 拟量通信电路传回的数据。
[0037] RS485采用差分信号负逻辑，逻辑"1"以两线间的电压差为+(2?6)V表示，逻辑 "0"以两线间的电压差为-(2?6)V表示，而微控制器使用的是TTL电平，故相互转换时需 要加通信电路。激光位移传感器除了 485输出接口外，还有模拟量输出接口，模拟量通信电 路的作用是将〇到10V的激光位移传感器位移量检测输出电压转换为0到3. 3V的微控制 器AD检测电压。
[0038] (一）模糊控制方式如图2所示
[0039] 1、微控制器通过RS485通信电路或模拟量通信电路获取操动机构中动铁芯相对 于静铁芯的实时位移量，这一实时位移量被转换为范围为-6到6的实时位移精确量。
[0040] 2、模糊化操动机构中动铁芯相对于静铁芯的位移量得到模糊输入量：在论域上划 分出若干模糊子集，确定各模糊子集的隶属函数。
[0041] 通过图3所示模糊控制隶属函数图，在-6到6之间的论域U上划分出{NL，匪，NS， Z0, PS，PM，PL} 7个实时位移模糊量，隶属函数表达式为：
【权利要求】
1. 永磁真空开关动态特性模糊神经自寻优的调控方法，其特征在于： 步骤1，根据操动机构中动铁芯相对于静铁芯的位移量生成模糊和神经网络的混合控 制策略； 步骤2,在混合控制策略下采集永磁真空开关的合/分闸末速度； 步骤3,以步骤2采集的永磁真空开关的合/分闸末速度为输出数据，以与所采集的合 /分闸末速度对应的操动机构中动铁芯相对于静铁芯的位移数据为输入数据训练神经网 络，取神经网络预测的最小输出数据对应的混合控制策略控制永磁真空开关，记录各混合 控制策略下的合/分闸末速度，结束神经网络的训练阶段后选取记录的最小合/分闸末速 度对应的混合控制策略作为最优控制策略。
2. 根据权利要求1所述的模糊神经自寻优调控方法，其特征在于步骤1中所述的混合 控制策略确定方法为：等距分割操动机构中动静机构的最大距离，取各分割点组成集合，遍 历集合中每一分割点，以当前分割点为转换点，按照如下两种方式控制永磁真空开关： 混合控制策略一：在操动机构中动铁芯相对于静铁芯的位移量小于或等于转换点时， 采用模糊控制方式，在操动机构中动铁芯相对于静铁芯的位移量大于转换点时，采用神经 网络控制方式， 混合控制策略二：在操动机构中动铁芯相对于静铁芯的位移量小于或等于转换点时， 采用神经网络控制方式，在操动机构中动铁芯相对于静铁芯的位移量大于转换点时，采用 模糊控制方式， 混合控制策略一、二中所述的神经网络控制方式，根据操动机构运动速度正相关于合/ 分闸线圈驱动电路的PWM的特性，预测输出数据。
3. 根据权利要求2所述的模糊神经自寻优调控方法，其特征在于，步骤3具体按照如下 方法选取最优控制策略： 步骤3-1，以各分割点为输入数据，以在混合控制策略一下采集的合闸末速度为输出数 据，训练l-i-Ι结构的神经网络，所述神经网络预测的最小输出数据及其对应的输入数据 组成第一样本， 步骤3-2,以各分割点为输入数据，以在混合控制策略二下采集的合闸末速度为输出数 据，训练l-i-Ι结构的神经网络，所述神经网络预测的最小输出数据及其对应的输入数据 组成第二样本， 步骤3-3,以各分割点为输入数据，以在混合控制策略一下采集的分闸末速度为输出数 据，训练l-i-Ι结构的神经网络，所述神经网络预测的最小输出数据及其对应的输入数据 组成第三样本， 步骤3-4,以各分割点为输入数据，以在混合控制策略二下采集的分闸末速度为输出数 据，训练l-i-Ι结构的神经网络，所述神经网络预测的最小输出数据及其对应的输入数据 组成第四样本，i为自然数，表示中间层神经元数目， 步骤3-5,取第一、第二、第三、第四样本中的输入数据以及各样本对应的混合控制策略 控制永磁真空开关，记录此时的合/分闸末速度，将第一、第二、第三、第四样本中的输入 数据加入分割点组成的集合，重复步骤3-1、步骤3-2、步骤3-3、步骤3-4， 步骤3-6,在结束训练l-i-Ι结构神经网络后，选取记录的最小合/分闸末速度对应的 混合控制策略作为最优控制策略。
4. 根据权利要求1或2或3所述的模糊神经自寻优调控方法，其特征在于：步骤2中 在混合控制策略下采集永磁真空开关的合/分闸末速度为RS485通信电路传回的数据和/ 或模拟量通信电路传回的数据。
5. 永磁真空开关动态特性的模糊神经自寻优系统，其特征在于包括： 策略生成模块,根据操动机构中动铁芯相对于静铁芯的位移量生成模糊和神经网络的 混合控制策略， 数据采集模块，在混合控制策略下采集永磁真空开关的合/分闸速度， 策略寻优模块，以采集的永磁真空开关的合/分闸末速度为输出数据，以与所采集的 合/分闸末速度对应的操动机构中动铁芯相对于静铁芯的位移数据为输入数据训练神经 网络，取神经网络预测的最小输出数据对应的混合控制策略控制永磁真空开关，记录各混 合控制策略下的合/分闸末速度，结束神经网络的训练阶段后选取记录的最小合/分闸末 速度对应的混合控制策略作为最优控制策略。
6. 根据权利要求5所述的模糊神经自寻优系统，其特征在于，所述控制系统还包括：通 信选择模块，根据被控永磁真空开关的型号、现场电磁干扰的强弱，选择性采用RS485通信 电路传回的数据和/或模拟量通信电路传回的数据。
【文档编号】G05B13/04GK104216290SQ201410439928
【公开日】2014年12月17日 申请日期:2014年9月1日 优先权日:2014年9月1日
【发明者】汪先兵, 张政, 费树岷, 金敏毅, 薛涵, 赵鹤, 卜永祥 申请人:法泰电器（江苏）股份有限公司, 东南大学