[发明专利]一种密封式电磁继电器失效机理判别方法

摘要

本实发明涉及一种密封式电磁驱动开关电器失效机理判别方法。该方法简单易行、适用范围广、成本低、准确率高、可去除电弧侵蚀等干扰因素、无需对受试电继器进行开腔处理、无需借助高倍显微镜，具体步骤如下：1.采集继电器生命周期内的六个关键性能退化参数数据，将采集到的数据矩阵作为电磁继电器失效机理判别的数据集。2.采用FIR(Finite Impulse Response，FIR)高通滤波器对试验获得的数据集进行滤波处理，去除电弧侵蚀和材料转移的随机性对数据采集系统造成的干扰。3.采用贝叶斯判别法从降噪滤波后的数据集中提取出能区分继电器失效机理的最佳组合参数。4.利用随机森林算法通过最佳组合参数对继电器失效机理进行判别。

主权项

1.一种密封式电磁驱动开关电器失效机理判别方法，具体步骤如下：步骤一：利用开发的继电器可靠性寿命试验系统对典型继电器生命周期内的超程时间、弹跳时间、接触电阻、吸合时间、释放时间和燃弧时间六个关键性能退化参数数据进行采集，将采集到的矩阵数据Data_n×6作为电磁继电器接触失效机理判别的数据集；步骤二：考虑到触点燃弧及材料转移的随机性会给数据采集系统带来一定的干扰，采用FIR(Finite Impulse Response，FIR)高通滤波器对试验获得的数据集进行降噪滤波处理；步骤三：采用贝叶斯判别法从降噪滤波处理后的数据集中提取出能够区分继电器失效机理的最佳鉴别组合参数。当满足P(C_i|X)>P(C_j|X)(1≤i,j≤m,j≠i)时，把降噪处理后数据集中的待分类样本X＝{a₁,a₂,...,a_n}，划分给类别C_i(1≤i≤m)，由贝叶斯定理可知：其中，P(C_i)＝P(C_j),(C_i,C_j,i≠j)，即：数据集中每个类别的概率相等，对P(C_j|X)最大化有：设贝叶斯算法中各条件属性相互独立，有：其中，S_i表示C_i在训练集中样本的实例数，S表示训练集中样本的总数，则模型可表示为：概率P(a₁|C_i),P(a₂|C_i),...,P(a_n|C_i)，可由训练样本估值，其中：其中，代表属性A_k的高斯密度函数，分别代表其标准方差及平均值。对于继电器失效机理待分类的样本X，计算出各类别C_i∈C的条件概率P(C_i)P(X|C_i)。当满足P(C_i|X)>P(C_j|X)(1≤i,j≤m,j≠i)时，待分类的样本X划分给C_i类别。步骤四：采用随机森林算法以超程时间与弹跳时间组合参数对继电器接触失效机理进行判别。利用有放回的抽样方法对降噪滤波处理后的数据集中的样本进行抽样，然后对每个抽样样本构建合适的决策树来组成随机森林模型，用构建的各个决策树对测试样本进行投票，得票最多的类别就是测试样本属所的类别。随机森林使用边际函数来度量模型中平均正确分类数超过平均错误分类数的程度，边际函数的值越大，代表其分类效果越好，边际函数的定义，如公式(6)所示。MR(x,y)＝I_θ(f(x,θ)＝y)‑max_j＝yI_θ(f(x,θ)＝j)           (6)随机森林模型在二维空间下的泛化误差可以用公式(7)表示。PE＝p_x,y(MR(x,y)<0)                         (7)当决策树足够多时，随机森林分类模型服从于大数定律，模型中随机变量的收敛情况可以用公式(8)表示。公式(8)表明随机森林的扩展性很好，不会随着子树的扩展而出现过拟合现象。