【技术实现步骤摘要】
一种基于LSTM的剩余电流动作断路器寿命预测方法
[0001]本专利技术涉及电子元器件寿命预测
,尤其涉及一种基于
LSTM
的剩余电流动作断路器寿命预测方法
。
技术介绍
[0002]剩余电流动作断路器是电力系统中保护用电人员人身安全,预防漏电事故的关键电器
。
所以对剩余电流动作断路器提出了高可靠性的要求
。
随着时间的推移,由于其内部电子器件的老化,剩余电流动作断路器的性能会逐渐退化,最终无法正常工作,给用电者带来了巨大的安全隐患
。
因此,对剩余电流动作断路器进行寿命预测,对保障电力系统的可靠运行具有重要意义
。
[0003]对于剩余电流动作断路器来说,基于失效物理的寿命预测方法需要分别研究产品内部元器件的退化机理,抽象出产品退化的数学表达式,实现起来较为复杂,且建模精度难以得到保障;而退化轨迹建模的寿命预测方法需要通过拟合得出退化轨迹的数学表达式,从可操作性来说,一般采用线性拟合外推得到伪失效寿命数据,但是实际产品的退化过程具有一定的随机性,且不同产品退化轨迹不同,只采用线性拟合的方法具有较强的局限性,普适性较差
。
同时,实际产品的退化轨迹并非严格遵守线性规律,采用轨迹拟合的方法具有较大的误差
。
技术实现思路
[0004]本专利技术旨在至少解决相关技术中存在的技术问题之一
。
为此,本专利技术提供一种基于
LSTM
的剩余电流动作断路器寿命 ...
【技术保护点】
【技术特征摘要】
1.
一种基于
LSTM
的剩余电流动作断路器寿命预测方法,其特征在于,包括:
S1
:搭建加速试验平台,对剩余电流动作断路器进行加速退化试验,获得退化数据,将所述退化数据划分为训练集和测试集;
S2
:以所述训练集为输入向量,基于
LSTM
搭建第一神经网络,其中所述训练集为所述退化数据中的剩余动作电流退化轨迹;
S3
:定义所述第一神经网络的神经网络参数,通过概率代理模型拟合目标函数并通过采样函数寻优所述神经网络参数的参数点,以优化所述神经网络参数;
S4
:根据优化后的神经网络参数对所述第一神经网络进行训练,获得第二神经网络;
S5
:将所述测试集输入至所述第二神经网络,获得剩余电流动作断路器的寿命预测结果
。2.
根据权利要求1所述的一种基于
LSTM
的剩余电流动作断路器寿命预测方法,其特征在于,步骤
S1
中所述加速试验平台通过调温调湿箱提供加速应力
。3.
根据权利要求1所述的一种基于
LSTM
的剩余电流动作断路器寿命预测方法,其特征在于,步骤
S2
还包括:通过
MAX
‑
MIN
方法对所述输入向量进行归一化处理
。4.
根据权利要求1所述的一种基于
LSTM
的剩余电流动作断路器寿命预测方法,其特征在于,步骤
S4
中所述第一神经网络训练过程包括正向计算模型输出
、
误差项反向传播和根据误差项计算梯度
。5.
根据权利要求1所述的一种基于
LSTM
...
【专利技术属性】
技术研发人员:刘帼巾,王乐康,杨雨泽,刘达明,
申请(专利权)人:河北工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。