关键词:
交流接触器
寿命预测
神经网络
自适应遗传算法
摘要:
交流接触器是电力行业广泛使用的一种低压控制电器,主要用于频繁地接通与断开用电设备,其可靠动作与否直接影响用电设备的安全。随着操作次数的增加,交流接触器由电气应力和机械应力引起的损耗不断累积,其寿命不断降低,最终必然导致失效。若在寿命终止前做出判断和更换,可以提高用电控制系统的可靠性,保障用电设备的安全。本文以CJX2-9型交流接触器为对象,对其剩余电寿命预测开展了研究。第一,对交流接触器电气操作试验装置进行了简要说明,重点介绍了交流接触器的释放时间、吸合时间、分断燃弧时间、累积燃弧能量和三相接触电阻这七个特征参数。第二,详细介绍了BP神经网络的原理和平均影响值(MIV,Mean Impact Value)方法,采用平均影响值(MIV)筛选方法对预测模型输入参量进行筛选,确定了累积燃弧能量和吸合时间为预测模型的主要输入参量,准确反映了影响交流接触器电寿命的关键因素。以这两个参量作为BP神经网络的输入,剩余电寿命作为网络输出,建立剩余电寿命预测模型,对交流接触器进行剩余电寿命预测。第三,采用自适应遗传算法(AGA,Adaptive Genetic Algorithms)优化BP神经网络的初始权值和阈值,解决BP神经网络易陷入局部极小点的问题,对交流接触器电寿命进行预测。最后,分析了不同神经网络模型下交流接触器电寿命的预测误差,其中自适应遗传算法优化BP神经网络(AGA-BP)模型的预测精度最高。分析了输入参量对神经网络预测结果的影响,对比了输入参量无筛选、因子分析法、MIV筛选下的预测误差,结果表明采用MIV方法筛选出累积燃弧能量和吸合时间进行交流接触器电寿命预测的效果最好。将不同试品的试验数据分别作为训练样本和验证样本进行预测,其最大预测误差在11%以下,因此预测模型满足工程需要。