[发明专利]一种低压断路器热脱扣时间的预测方法

说明书

本发明公开了一种低压断路器热脱扣时间的预测方法，将加权核偏最小二乘算法应用于低压断路器生产中，采集断路器质量合格产品的生产数据，建立热脱扣时间预测模型，根据采集的断路器热调过程的数据预测热脱扣时间，实现热脱扣时间的实时计算。本发明针对断路器生产数据的非平衡特性，提出了一种基于加权核偏最小二乘算法的热脱扣时间预测模型。该方法根据生产数据的分布与统计特性对样本进行加权，减少了样本分布不均对建模精度的影响,提高了模型的泛化能力。

技术领域

本发明涉及一种低压断路器热脱扣时间的预测方法，属于低压断路器技术领域。

背景技术

低压断路器是低压供配电系统中主要的开关电器,可以在过载或短路情况下起到及时切断电流以保护线路的作用，广泛应用于工厂、家用电器等领域。热脱扣时间是断路器产品质量的关键指标，其时间长短与双金属片的特性、脱扣行程以及脱扣力相关。通过实验室检测所获取的双金属片和弹簧等关键部件的检测量可以仿真计算热脱扣时间，但在实际生产中，以上检测量无法实时监测，因此无法直接计算得到热脱扣时间。

现有专利公开号为CN111048361A，名称为一种塑壳断路器的热脱扣器调节方法；专利公开号为CN111048362A，名称为一种塑壳断路器的热脱扣器调节装置；两篇在先专利仅提供了断路器热脱扣的调节方案，但并不能对热脱扣时间进行预测。

低压断路器热脱扣过程是一个复杂过程,具有复杂非线性的特点。为了处理非线性问题，现有方法提出了核偏最小二乘方法，该方法不仅能处理非线性问题，而且能够充分利用样本间的联系建立关系模型，在工业过程建模中得到了广泛的应用。但在利用生产数据进行建模时,数据通常分布不均匀,且集中分布于中心值附近,会导致建模的样本具有冗余的特性，回归模型易出现过拟合现象。

发明内容

本发明所要解决的技术问题是提供一种低压断路器热脱扣时间的预测方法，针对生产样本数据分布的不平衡性,根据数据的统计特性，利用加权核偏最小二乘建模方法,根据生产样本数据的分布与统计特性确定训练样本权重，然后利用加权样本进行模型训练，解决了样本冗余和过拟合问题，进而提高了模型的泛化能力和预测精度。

为解决上述问题，本发明所采取的技术方案是：

一种低压断路器热脱扣时间的预测方法，将加权核偏最小二乘算法应用于低压断路器生产中，采集断路器质量合格产品的生产数据，建立热脱扣时间预测模型，根据采集的断路器热调过程的数据预测热脱扣时间，实现热脱扣时间的实时计算。

作为本发明的进一步改进，所述加权核偏最小二乘算法是在核偏最小二乘方法的基础上进行加权；

所述核偏最小二乘方法是将核函数引入到线性偏最小二乘方法中，利用核函数将原始数据映射到高维特征空间，然后在高维特征空间是使用偏最小二乘方法实现线性建模，从而得到原始数据的非线性回归模型。

作为本发明的进一步改进，所述核偏最小二乘方法具体算法流程如下：

设存在从自变量空间到高维特征空间的非线性映射：

式中x_i＝(i＝1，2，…，N)为输入变量，R^N为自变量空间，F为高维特征空间；为对应的高维特征空间变量，核偏最小二乘方法在高维特征空间F内使用偏最小二乘方法构建回归模型；

如果用一个N×M维的矩阵表示x_i映射到高维特征空间F后的矩阵，那么核偏最小二乘方法相当于在矩阵和输出变量矩阵Y之间运用偏最小二乘方法建立回归模型；根据核函数计算方法可知：

式中K为N×N维的核矩阵，表示映射的数据的交叉点积，通过核偏最小二乘方法不需要计算具体的非线性映射。