電磁繼電器剩余電壽命智能預(yù)測研究
喬維德
（無錫開放大學(xué) 科研與質(zhì)量控制處，江蘇 無錫 214011）
摘 要：針對以往繼電器剩余電壽命實際預(yù)測方法存在的不足，建立一種用于電磁繼電器剩余電壽命預(yù)測的BP神經(jīng)網(wǎng)絡(luò)模型，該模型采取繼電器的吸合時間和超程時間作為輸入量，繼電器剩余電壽命作為輸出量，通過粒子群- 蛙跳算法優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)初始參數(shù)，利用改進BP算法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，并加以測試驗證。實驗結(jié)果表明，經(jīng)過粒子群- 蛙跳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型能快速、準確地實現(xiàn)電磁繼電器剩余電壽命預(yù)測。
關(guān)鍵詞：電磁繼電器；BP神經(jīng)網(wǎng)絡(luò)；粒子群- 蛙跳算法；剩余電壽命預(yù)測
中圖分類號：TM581.3 文獻標識碼：A 文章編號：1007-3175(2020)12-0030-05
Research on Intelligent Prediction of Residual Electrical Life of Electromagnetic Relay
QIAO Wei-de
（Scientific Research and Quality Control Department, Wuxi Open University, Wuxi 214011, China）
Abstract: Aiming at the shortcomings of the previous actual prediction methods of the remaining electrical life of the relay, a BP neural network model for the prediction of the remaining electrical life of the electromagnetic relay was established. The model takes the pull-in time and overtravel time of the relay as the input, and the remaining electrical life of the relay as the output. The initial parameters of the network structure are optimized by the particle swarm-frog leaping algorithm, and the BP neural network is trained by the improved BP algorithm, and tested and verified. Experimental results show that the BP neural network model optimized by the particle swarm-frog leaping algorithm can quickly and accurately predict the remaining electrical life of the electromagnetic relay.
Key words: electromagnetic relay; BP neural network; particle swarm-frog leaping algorithm; residual electrical life prediction
參考文獻
[1] 王佳煒，王召斌，黃周霖. 繼電器壽命預(yù)測方法綜述[J]. 電器與能效管理技術(shù)，2018(4)：1-5.
[2] 王佳煒，王召斌，黃周霖. 果蠅算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在電磁繼電器貯存壽命預(yù)測中的應(yīng)用[J].電器與能效管理技術(shù)，2019(2)：19-24.
[3] 苗建偉，王文軍，李斌. 低壓繼電器壽命的智能預(yù)測分析[J]. 電器與能效管理技術(shù)，2018(4)：61-65．
[4] 喬維德. 基于BP神經(jīng)網(wǎng)絡(luò)的機電產(chǎn)品綠色度評價方法[J]. 溫州職業(yè)技術(shù)學(xué)院學(xué)報，2017，17(2)：33-37．
[5] 張菲菲，李志剛. 基于BP神經(jīng)網(wǎng)絡(luò)的繼電器剩余壽命預(yù)測[J]. 低壓電器，2012(1)：11-14.
[6] 喬維德. 粒子群蛙跳模糊神經(jīng)網(wǎng)絡(luò)的PMSM轉(zhuǎn)速控制器設(shè)計[J]. 微特電機，2019，47(3)：66-69.
[7] 喬維德. 基于AHP和BP神經(jīng)網(wǎng)絡(luò)的翻轉(zhuǎn)課堂教學(xué)質(zhì)量評價模型[J]. 溫州職業(yè)技術(shù)學(xué)院學(xué)報，2018，18(4)：57-64.
[8] 喬維德. 基于BP神經(jīng)網(wǎng)絡(luò)模型的壓力傳感器溫度補償[J]. 淮陰師范學(xué)院學(xué)報( 自然科學(xué)版)，2019，18(4)：322-327.
[9] 喬維德. 高職院校科研績效評價模型研究[J]. 高等職業(yè)教育探索，2020，19(2)：24-29.
