本发明属于继电保护领域，尤其是涉及一种遥信回路匹配电阻筛选与质量控制方法。
背景技术：
在电气化铁路牵引变电站综合自动化系统中，继电保护设备是综合自动化系统的关键设备。其中，遥信回路是继电保护设备重要的组成部分，遥信信号(即开入量)直接反应了牵引网运行方式及变电站内所有相关设备的运行状态，例如开关位置信号、保护动作信号、控制信号、变压器本体保护信号及其它告警信号等，直接影响着保护的动作逻辑，对其实时性和可靠性要求特别高，这是调度值班人员关注的焦点。但是，由于多数遥信量取自开关辅助节点，在其传输过程中易受干扰和信号抖动的影响，发生误报、漏报的现象较为突出。
根据智能变电站标准化验收反事故措施的要求，进行遥信光耦动作电压测试，动作电压应在额定电压的55％-70％之间。由于要求的动作区间小，难度大，同时现有的具有遥信回路的继电保护装置在出厂前仅对遥信功能进行验证，并不能保证所有的遥信变位电压均在额定电压55％-70％范围内的反措要求，为继电保护装置的在现场准确地分析和处理数据，埋下了安全隐患。因此，应国家高铁发展大战略的需要，研究一种稳定、可靠地遥信回路新的设计方法显得迫在眉睫。
技术实现要素：
有鉴于此，本发明旨在提出一种遥信回路匹配电阻筛选与质量控制方法，以解决现有的遥信信号在传输过程中易受干扰和信号抖动的影响，发生误报、漏报的现象严重的问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种遥信回路匹配电阻筛选与质量控制方法，包括：
s1、元器件选型及计算匹配电阻值，制作遥信回路电路板，其中每个电路板包括m条回路，制作n个电路板；
s2、将遥信电路板安装到继电保护装置上，将继电保护装置与上位机通过以太网连接，实现继电保护装置与上位机的通信，遥信变位的电压值可实时发送至上位机；
s3、接通继电保护装置的供电电源，遥信电路板接通测试电源，调节测试电源的输出电压，得到相应的遥信变位电压值；
s4、整理并分析数据，得出合理的匹配电阻值，然后进行高低温试验，根据测试数据，训练神经网络，使得上位机具有智能化筛选与质量控制功能。
进一步的，所述步骤s1中，匹配电阻的选取方法如下：
匹配电阻的电阻值为常温下的电阻值，电阻值根据遥信回路实际变位直流电压应在55％-70％额定直流电压范围内的要求计算得出，匹配电阻的相关参数需要考虑精度、功率、材质和封装方式。
进一步的，所述步骤s2中，上位机需要安装soe顺序事件记录软件，用于采集遥信变位数据。
进一步的，所述步骤s3中，所述测试电源为高精度可调数字直流稳压电源。
进一步的，所述步骤s3中，对供电电源的调节方法如下：
s31、在常温条件下，从电压值u1开始，其中u1＝55％·u0-5v，u0为额定直流电压，以0.1v的分辨率为基准，增加高精度可调数字直流稳压电源的电压值，每增加0.1v，根据soe顺序事件记录情况，记录一次遥信置位的电压值uh，当所有遥信回路都置位后，再以0.1v的分辨率降低高精度可调数字直流稳压电源的电压值，每降低0.1v，记录一次遥信置零的电压值ul，当所有遥信都置零后，得到2m·n组试验数据。
进一步的，所述步骤s4中，数据整理与分析的方法如下：
s41、所述步骤s31中，若存在一路或多路uh≥70％·u0或ul≤55％·u0，则重新计算匹配电阻的电阻值，并考虑不同的电阻相关参数，重复步骤s1至s3，直至所有uh和ul都在u0的55％-70％范围内；
s42、将步骤s41得到的数据记为离散型随机变量ξi，i＝1，2，3，……，2m·n，对ξi进行数据拟合，得到拟合曲线，在spss中使用k-s检验对拟合后的曲线数据进行正态性检验，若p值大于0.05，则数据呈正态分布，若p值小于或等于0.05，则数据呈非正态分布，若数据呈非正态分布，则重新计算r0并考虑不同的电阻精度和材质，重复步骤s1-s3，直至p值大于0.05，当服从正态分布后，得到数学期望μ和标准差σ，再通过重新计算r0并考虑不同的电阻精度和材质，重复步骤s1-s3，使得μ无限趋近或等于
进一步的，记录在常温下筛选出的符合要求的匹配电阻，包括电阻值、精度、功率、材质、封装方式。
进一步的，所述步骤s4中，进行高低温实验方法如下：
将继电保护装置放置于高低温试验箱中，在温度分别为55℃、70℃、-25℃和-40℃的条件下，按照步骤s3进行测试，分别记录遥信变位电压值uh和ul。
进一步的，所述步骤s4中，训练神经网络的方法如下：
将在高低温试验箱和常温五种温度条件下的随机变量ξi与μ进行差值处理，得到特征量δξi，即δξi＝|ξi-μ|，i＝1，2，3，……，10m·n，根据正态分布特性，确定神经网络的训练参数，设置警戒线阈值uj＝μ-3σ和u′j＝μ+3σ，控制线阈值为uk和u′k，uk与μ的距离δ＝uk-μ，将特征量δξi输入到神经网络中进行训练得出筛选能力，根据逻辑输出及对应的状态进行质量控制，即当δξi＝μ，输出逻辑值“00”，代表“等待筛选”，δξi≤3σ，输出逻辑值“01”，代表“合格”，3σ≤δξi≤δ，输出逻辑值“02”，代表“预警”，δξi≥δ，输出逻辑值“03”，代表“不合格”。
进一步的，所述神经网络模型为前馈型神经网络，包括输入层、隐含层和输出层。
所述的神经网络的训练目标最小误差为±0.1％，训练次数为500次以上；
所述的控制线阈值为不合格筛选的边界值，它的确定方法为：将得到的uh和ul分别与μ作差并取绝对值，即|uh-μ|和|ul-μ|，二者作比较，若|uh-μ|≥|ul-μ|，则uk＝uh，若|uh-μ|≤|ul-μ|，则uk＝ul，然后再计算得到uk关于μ的对称值u′k，即u′k＝2μ-uk。
相对于现有技术，本发明所述的遥信回路匹配电阻筛选与质量控制方法具有以下优势：
(1)本发明所述的遥信回路匹配电阻筛选与质量控制方法通过多次重复试验，动态修正遥信回路匹配电阻值及其它电阻参数，使用spss验证测试数据的正态性，使得遥信变位电压逐次逼近55％-70％额定电压的中间值，从而反向验证所筛选出的匹配电阻参数的准确性，再通过神经网络训练，使得上位机软件具有智能筛选和自动质量控制的功能。
(2)本发明所述的遥信回路匹配电阻筛选与质量控制方法该方法安全、稳定，可靠性高，它降低了生产和质量管理人员的工作量，优化了工作流程，且达到了遥信回路匹配电阻精准筛选的目的；同时，它解决了遥信信号在其传输过程中易受干扰和信号抖动的影响从而引发生误报、漏报的问题，增强了牵引变电站综合自动化系统的鲁棒性。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例所述的遥信电路原理图
图2为本发明实施例所述的遥信回路匹配电阻筛选与质量把控的测试原理图；
图3为本发明实施例所述的筛选阈值划分示意图；
图4为本发明实施例所述的三层前馈型神经网络结构图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
一种遥信回路匹配电阻筛选与质量控制方法，包括：
s1、元器件选型及计算匹配电阻值，制作遥信回路电路板，其中每个电路板包括m条回路，制作n个电路板；
s2、将遥信电路板安装到继电保护装置上，将继电保护装置与上位机通过以太网连接，实现继电保护装置与上位机的通信，遥信变位的电压值可实时发送至上位机；
s3、接通继电保护装置的供电电源，遥信电路板接通测试电源，调节测试电源的输出电压，得到相应的遥信变位电压值；
s4、整理并分析数据，得出合理的匹配电阻值，然后进行高低温试验，根据测试数据，训练神经网络，使得上位机具有智能化筛选与质量控制功能。
所述步骤s1中，匹配电阻的选取方法如下：
匹配电阻的电阻值为常温下的电阻值，电阻值根据遥信回路实际变位直流电压应在55％-70％额定直流电压范围内的要求计算得出，匹配电阻的相关参数需要考虑精度、功率、材质和封装方式。
所述步骤s2中，上位机需要安装soe顺序事件记录软件，用于采集遥信变位数据。
所述步骤s3中，所述测试电源为高精度可调数字直流稳压电源。
所述步骤s3中，对供电电源的调节方法如下：
s31、在常温条件下，从电压值u1开始，其中u1＝55％·u0-5v，u0为额定直流电压，以0.1v的分辨率为基准，增加高精度可调数字直流稳压电源的电压值，每增加0.1v，根据soe顺序事件记录情况，记录一次遥信置位的电压值uh，当所有遥信回路都置位后，再以0.1v的分辨率降低高精度可调数字直流稳压电源的电压值，每降低0.1v，记录一次遥信置零的电压值ul，当所有遥信都置零后，得到2m·n组试验数据。
所述步骤s4中，数据整理与分析的方法如下：
s41、所述步骤s31中，若存在一路或多路uh≥70％·u0或ul≤55％·u0，则重新计算匹配电阻的电阻值，并考虑不同的电阻相关参数，重复步骤s1至s3，直至所有uh和ul都在u0的55％-70％范围内；
s42、将步骤s41得到的数据记为离散型随机变量ξi，i＝1，2，3，……，2m·n，对ξi进行数据拟合，得到拟合曲线，在spss中使用k-s检验对拟合后的曲线数据进行正态性检验，若p值大于0.05，则数据呈正态分布，若p值小于或等于0.05，则数据呈非正态分布，若数据呈非正态分布，则重新计算r0并考虑不同的电阻精度和材质，重复步骤s1-s3，直至p值大于0.05，当服从正态分布后，得到数学期望μ和标准差σ，再通过重新计算r0并考虑不同的电阻精度和材质，重复步骤s1-s3，使得μ无限趋近或等于
记录在常温下筛选出的符合要求的匹配电阻，包括电阻值、精度、功率、材质、封装方式。
所述步骤s4中，进行高低温实验方法如下：
将继电保护装置放置于高低温试验箱中，在温度分别为55℃、70℃、-25℃和-40℃的条件下，按照步骤s3进行测试，分别记录遥信变位电压值uh和ul。
所述步骤s4中，训练神经网络的方法如下：
将在高低温试验箱和常温五种温度条件下的随机变量ξi与μ进行差值处理，得到特征量δξi，即δξi＝|ξi-μ|，i＝1，2，3，……，10m·n，根据正态分布特性，确定神经网络的训练参数，设置警戒线阈值uj＝μ-3σ和u′j＝μ+3σ，控制线阈值为uk和u′k，uk与μ的距离δ＝uk-μ，将特征量δξi输入到神经网络中进行训练得出筛选能力，根据逻辑输出及对应的状态进行质量控制，即当δξi＝μ，输出逻辑值“00”，代表“等待筛选”，δξi≤3σ，输出逻辑值“01”，代表“合格”，3σ≤δξi≤δ，输出逻辑值“02”，代表“预警”，δξi≥δ，输出逻辑值“03”，代表“不合格”。
所述神经网络模型为前馈型神经网络，包括输入层、隐含层和输出层。
所述的神经网络的训练目标最小误差为±0.1％，训练次数为500次以上；
所述的控制线阈值为不合格筛选的边界值，它的确定方法为：将得到的uh和ul分别与μ作差并取绝对值，即|uh-μ|和|ul-μ|，二者作比较，若|uh-μ|≥|ul-μ|，则uk＝uh，若|uh-μ|≤|ul-μ|，则uk＝ul，然后再计算得到uk关于μ的对称值u′k，即u′k＝2μ-uk。
结合图1至图4，详细技术方案如下：
如图1所示，筛选的目的就是找到r0的最优参数。由图1中描述的电路原理图可知，遥信回路主要由光耦和匹配电阻组成，选定好所使用的光耦型号后，光耦的参数就确定了。但由于光耦的参数离散性，其前向导通电流和ctr值在一定的范围内波动，且电子元器件的参数均易受温度变化的影响，这导致遥信变位电压不稳定，波动性大。因此，仅仅通过计算得出遥信回路匹配电阻的参数是不可靠的，它需要通过大量重复实验，来筛选出最优的电阻参数。
步骤一，使用altiumdesigner17软件设计遥信回路电路图和印制电路板，该印制电路板设计成2层pcb板，采用fr-4基材，板厚1.6mm。遥信变位额定直流电压u0一般为24v、60v、110v和220v，根据遥信回路实际变位直流电压应在(55％-70％)u0范围内的要求，计算遥信回路匹配电阻在常温条件下的电阻值，作为初始参考量r0，同时确定匹配电阻的精度、功率、材质(如线绕电阻、碳合成电阻、碳膜电阻、金属膜电阻、金属氧化膜电阻等)和封装方式(如直插、贴片等)等初始参数，然后再完成遥信回路其它元器件的选型工作；本实施例中的电阻选用金属氧化膜电阻，精度为±5％，封装方式为直插，光耦器件选择光宝tlv354。
步骤二，按照步骤一中所设计的遥信回路电路图，将已选好的元器件焊接至印制电路板上，得到待测遥信电路板，待测遥信电路板有m个遥信回路，重复步骤二的步骤，得到n块待测遥信电路板。
步骤三，如图2所示，搭建测试平台，在常温条件下使用图2中的“1”、“2”、“3”、“4”组合，在高低温条件下，使用图2中的“1”、“2”、“3”、“4”、“5”组合。将遥信电路板安装到继电保护装置上，组成n台具有遥信功能的继电保护装置，同时将继电保护装置与上位机通过以太网相连，实现继电保护装置与上位机的通信。
步骤四，打开上位机中soe顺序事件记录软件，等待采集遥信变位数据，数据包括时标、通道号和变位电压等。
步骤五，接通步骤三中所述的继电保护装置的供电电源，供电电源具有调节功能，可输出ac或者dc。继电保护装置的供电电源为dc24v、60v、110v或者220v，可根据实际情况选择一种供电方式即可。待测的遥信电路板的输入端的正端口与高精度可调数字直流稳压电源的“+”正极相连，负端口与高精度可调数字直流稳压电源的“-”负极相连。
步骤六，开始遥信回路匹配电阻筛选，在常温条件下，从电压值u1(u1＝55％·u0-5v)开始，以0.1v的分辨率为基准，增加高精度可调数字直流稳压电源的电压值，每增加0.1v，根据soe顺序事件记录情况，记录一次遥信置位的电压值uh，当所有遥信回路都置位后，再以0.1v的分辨率降低高精度可调数字直流稳压电源的电压值，每降低0.1v，记录一次遥信置零的电压值ul，当所有遥信都置零后，得到2m·n组试验数据。
步骤七，整理并分析数据，如图3所示，若存在一路或多路uh≥70％·u0或ul≤55％·u0，则重新计算r0，重复步骤一至步骤七，直至所有uh和ul都在u0的55％-70％范围内。
步骤八，如图3所示，将步骤七得到的数据记为离散型随机变量ξi，i＝1，2，3，……，2m·n，对ξi进行数据拟合，得到拟合曲线。在spss中使用k-s检验对拟合后的曲线数据进行正态性检验，若p值大于0.05，则数据呈正态分布，若p值小于或等于0.05，则数据呈非正态分布，若数据呈非正态分布，则重新计算r0并考虑不同的电阻精度和材质，重复步骤一至步骤八，直至p值大于0.05，当服从正态分布后，得到数学期望μ和标准差σ，再通过重新计算r0并考虑不同的电阻精度和材质，重复步骤一至步骤八，使得μ无限趋近或等于
步骤九，记录此时已经筛选出的电阻值，即为最终的最优筛选结果。
步骤十，然后再将继电保护装置放置于高低温试验箱中，在温度分别为55℃、70℃、-25℃和-40℃的条件下，按照步骤六中所述的测试过程，分别记录遥信变位电压值uh和ul值。
步骤十一，将上述五种温度条件下的随机变量ξi与μ进行作差处理，得到特征量δξi，即δξi＝|ξi-μ|，i＝1，2，3，……，10m·n，根据正态分布特性，确定神经网络的训练参数，设置警戒线阈值uj＝μ-3σ和u′j＝μ+3σ，控制线阈值为uk和u′k，uk与μ的距离δ＝uk-μ。所述的控制线阈值为不合格筛选的边界值，它的确定方法为：将步骤十中得到的uh和ul分别与μ作差并取绝对值，即|uh-μ|和|ul-μ|，二者作比较，若|uh-μ|≥|ul-μ|，则uk＝uh，且uk≤70％·u0；若|uh-μ|≤|ul-μ|，则uk＝ul，然后再计算得到uk关于μ的对称值u′k，即u′k＝2μ-uk，且u′k≥55％·u0。
如图4所示，将特征量δξi输入到神经网络中进行训练得出筛选能力，根据逻辑输出及对应的状态进行质量控制，即当δξi＝μ，输出逻辑值“00”，代表“等待筛选”，δξi≤3σ，输出逻辑值“01”，代表“合格”，3σ≤δξi≤δ，输出逻辑值“02”，代表“预警”，δξi≥δ，输出逻辑值“03”，代表“不合格”。
步骤十二，将训练完成的神经网络输入到上位机，利用步骤九中得到的匹配电阻的参数，进行遥信电路板批量生产，在出厂质量检验时，执行步骤三至六，上位机综合soe和继电保护装置上传的遥信变位相关数据，经判断后输出逻辑值，若出现“03”，则对该遥信回路进行整改，即质量控制，直至全部合格。通过上述步骤，即可搭建筛选测试平台，它可为生产及质量管理人员提供一种完成的测试与验证手段及方法。
所述的神经网络为多层感知机，是一种前馈型神经网络，它包含三层，即输入层、隐含层和输出层。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。