本发明涉及电路,具体是指一种基于斜率检测的精密设备短路监测保护方法及系统。
背景技术:
1、在高校科研和大型公司的硬件研发过程中,经常会使用到一些高精密实验设备,包括高精度机械加工设备、信号分析处理设备和高精度传感器设备等。在上述精密设备的工作过程中,会不可避免地发生短路故障,传统的短路保护方法是当电流绝对值超过预定数值才进行短路保护,存在切断速度慢和效率低的问题;而一般的短路监测模型因参数不当出现过度拟合或欠拟合从而导致测试正确率低的问题;同时也存在短路监测模型对短路信号反复误触发的问题。
技术实现思路
1、针对上述情况,为克服现有技术的缺陷,本发明提供了一种基于斜率检测的精密设备短路监测保护方法及系统,针对传统的短路保护方法是当电流绝对值超过预定数值才进行短路保护,存在着切断速度慢和效率低的问题,本方案采用基于斜率检测的监测保护方法,当实时运行数据被模型识别为疑似短路数据后,立即进行切断保护,切断效率高,速度快;针对一般的短路监测模型因参数不当出现过度拟合或欠拟合从而导致测试正确率低的问题,本方案采用算法优化进行建模,确保建模所用参数不会出现过度拟合或欠拟合的问题,从而提高测试正确率;针对短路监测模型对短路信号反复误触发的问题,本方案采用保护锁存机制,避免反复误触发。
2、本发明采取的技术方案如下:本发明提供的一种基于斜率检测的精密设备短路监测保护方法,该方法包括以下步骤:
3、步骤s1:数据采集;
4、步骤s2:算法优化;
5、步骤s3:建立短路监测模型;
6、步骤s4:保护锁存;
7、步骤s5:可视化展示。
8、进一步地,在步骤s1中,所述数据采集包括采集历史运行数据及对应标签和实时运行数据,采集的实时运行数据是电压差和电流,所述电压差对应时间内电流的差值,所述电压差即电流斜率,所述对应标签包括正常数据和疑似短路数据。
9、进一步地,在步骤s2中,所述算法优化包括步骤s21、步骤s22、步骤s23、步骤s24、步骤s25、步骤s26、步骤s27和步骤s28;
10、步骤s21:数据分类,将步骤s1采集的历史运行数据及对应标签作为样本数据,随机将70%的样本数据作为训练数据集,其他30%的样本数据作为测试数据集,预先设定内核参数σ的范围、惩罚因子c的范围、测试阈值、候选解的数量n和最大迭代次数max;
11、步骤s22:初始化位置,随机生成作为n个候选解的初始位置,其中,是第1个候选解的初始位置,是第2个候选解的初始位置,,是第n个候选解的初始位置;是惩罚因子c范围内的随机数,是内核参数σ范围内的随机数;
12、步骤s23:计算适应度函数值,利用python导入sklearn库,分别将候选解的位置坐标作为参数,调用svm函数用训练数据集建立准svm模型,用准svm模型对测试数据集的识别正确率作为候选解的适应度函数值,将适应度函数值最大的候选解作为目标解;
13、步骤s24:检测目标解的适应度函数值是否不低于测试阈值或是否达到最大迭代次数,若目标解的适应度函数值不低于测试阈值,则输出目标解的位置并结束;若达到最大迭代次数且目标解的适应度函数值低于测试阈值,则转至步骤s22;否则转至步骤s25;
14、步骤s25:计算候选解与目标解的矢量距离,所用公式如下:
15、,
16、式中,d是候选解与目标解的矢量距离,c是摆动因子,c是0到2范围内随机数,是第t次迭代中目标解的位置,是第t次迭代中候选解的位置;
17、步骤s26:计算收敛因子,所用公式如下:
18、,
19、式中,a为收敛因子,t是当前迭代次数;
20、步骤s27:更新候选解的位置,所用公式如下:
21、,
22、式中,是第t次迭代中候选解更新后的位置,r是0到1范围内的随机数;
23、步骤s28:转至步骤s23。
24、进一步地,在步骤s3中,所述建立短路监测模型是利用python导入sklearn库,将目标解的位置作为参数,调用svm函数用训练数据集建立短路监测模型,所述短路监测模型对实时运行数据识别并输出数据类型,所述数据类型包括正常数据和疑似短路数据,当短路监测模型输出疑似短路数据时,硬件响应,进而半导体器件关闭电路,从而保护精密设备。
25、进一步地,在步骤s4中,所述保护锁存是当短路监测模型输出疑似短路数据时触发信号锁存,电路保持关断状态,直到主动关闭保护锁存,从而避免反复误触发。
26、进一步地,在步骤s5中,所述可视化展示是对短路监测模型对实时运行数据的识别结果随时间序列进行可视化展示,方便人工监督。
27、本发明提供的一种基于斜率检测的精密设备短路监测保护系统,包括数据采集模块、算法优化模块、短路监测模型模块、保护锁存模块和可视化展示模块,所述数据采集模块采集历史运行数据及对应标签和实时运行数据,并将历史运行数据发送至算法优化模块,将历史运行数据和实时运行数据发送至短路监测模型模块;所述算法优化模块接收数据采集模块发送的历史运行数据及对应标签进行算法优化,并将目标解的位置发送至短路监测模型模块;所述短路监测模型模块利用算法优化模块发送的目标解的位置和数据采集模块发送的历史运行数据及对应标签建立短路监测模型,并将实时运行数据进行识别,对疑似短路数据进行电路关闭,同时将识别结果发送至保护锁存模块和可视化展示模块;所述保护锁存模块接收短路监测模型模块发送的识别结果,当识别结果为疑似短路数据时触发信号锁存,电路保持关断状态,直到主动关闭保护锁存;所述可视化展示模块接收短路监测模型模块发送的识别结果,对识别结果随时间序列进行可视化展示,所述可视化展示模块为泰坦军团27g1显示屏。
28、采用上述方案本发明取得的有益效果如下:
29、(1)针对传统的短路保护方法是当电流绝对值超过预定数值才进行短路保护,存在着切断速度慢和效率低的问题,本方案采用基于斜率检测的监测保护方法,当实时运行数据被模型识别为疑似短路数据后,立即进行切断保护,切断效率高,速度快。
30、(2)针对一般的短路监测模型因参数不当出现过度拟合或欠拟合从而导致测试正确率低的问题,本方案采用算法优化进行建模,确保建模所用参数不会出现过度拟合或欠拟合的问题,从而提高测试正确率。
31、(3)针对短路监测模型对短路信号反复误触发的问题,本方案采用保护锁存机制,避免反复误触发。
1.一种基于斜率检测的精密设备短路监测保护方法,其特征在于:该方法包括以下步骤:
2.根据权利要求1所述的一种基于斜率检测的精密设备短路监测保护方法,其特征在于:在步骤s1中,所述数据采集包括采集历史运行数据及对应标签和实时运行数据,采集的实时运行数据是电压差δv和电流,所述电压差δv对应δt时间内电流的差值δi,所述电压差δv即电流斜率,所述对应标签包括正常数据和疑似短路数据。
3.根据权利要求1所述的一种基于斜率检测的精密设备短路监测保护方法,其特征在于:在步骤s3中,所述建立短路监测模型是利用python导入sklearn库,将目标解的位置作为参数,调用svm函数用训练数据集建立短路监测模型,所述短路监测模型对实时运行数据识别并输出数据类型,所述数据类型包括正常数据和疑似短路数据,当短路监测模型输出疑似短路数据时,硬件响应,进而半导体器件关闭电路,从而保护精密设备。
4.根据权利要求1所述的一种基于斜率检测的精密设备短路监测保护方法,其特征在于:在步骤s4中,所述保护锁存是当短路监测模型输出疑似短路数据时触发信号锁存,电路保持关断状态,直到主动关闭保护锁存。
5.根据权利要求1所述的一种基于斜率检测的精密设备短路监测保护方法,其特征在于:在步骤s5中,所述可视化展示是对短路监测模型对实时运行数据的识别结果随时间序列进行可视化展示。
6.一种基于斜率检测的精密设备短路监测保护系统,用于实现如权利要求1-5中任一项所述的一种基于斜率检测的精密设备短路监测保护方法,其特征在于:包括数据采集模块、算法优化模块、短路监测模型模块、保护锁存模块和可视化展示模块。
7.根据权利要求6所述的一种基于斜率检测的精密设备短路监测保护系统,其特征在于:所述数据采集模块采集历史运行数据及对应标签和实时运行数据,并将历史运行数据发送至算法优化模块,将历史运行数据和实时运行数据发送至短路监测模型模块;所述算法优化模块接收数据采集模块发送的历史运行数据及对应标签进行算法优化,并将目标解的位置发送至短路监测模型模块;所述短路监测模型模块利用算法优化模块发送的目标解的位置和数据采集模块发送的历史运行数据及对应标签建立短路监测模型,并将实时运行数据进行识别,对疑似短路数据进行电路关闭,同时将识别结果发送至保护锁存模块和可视化展示模块;所述保护锁存模块接收短路监测模型模块发送的识别结果,当识别结果为疑似短路数据时触发信号锁存,电路保持关断状态,直到主动关闭保护锁存;所述可视化展示模块接收短路监测模型模块发送的识别结果,对识别结果随时间序列进行可视化展示。