[發明專利]傳動系統牽引支撐電容的選型和設計方法

有效

• 申請號: 201910367499.2
• 申請日: 2019-05-05
• 公開（公告）號: CN110083955B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 葛興來;姚博
• 申請（專利權）人: 西南交通大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06F119/02
• 代理公司: 成都信博專利代理有限責任公司 51200
• 代理人: 舒啟龍

1.一種傳動系統牽引支撐電容的選型和設計方法，其特征在于，包括以下步驟：

步驟1.建立不同優劣工況條件下不同支撐電容參數的多維度電容電參數采集模型，以獲得不同運維條件下電容器電壓和電流紋波信號的數據集合，具體步驟如下：

1.1)建立基于不同支撐電容參數的多維度牽引傳動系統仿真模型，其中包括設置支撐電容器額定電壓V_cap,額定電容值C_cap和等效電阻ESR的設計參數；

1.2)根據實際運行情況，在牽引傳動系統中設置不同的測試工況對比，并反饋給牽引傳動系統的主電路；

1.3)通過一系列電參數收集關鍵數據以獲得電容器的電信號，實現電容器參數的定量設計；

步驟2.基于不同優劣工況條件下，不同支撐電容參數下的支撐電容壽命期望數據的采集方法；

對于薄膜電容器，壽命模型和熱點溫度模型如下：

其中熱阻R_ha，等效電阻ESR(f_i)為 將設計參數ESR通過傅里葉分解轉換為關于頻率f變化的數據集合，電容電流的均方根Irms(f_i)為 將第一步獲得的I_rms通過傅里葉分解轉換為關于頻率f變化的數據集合，支撐電容器額定電壓V_cap和環境溫度T_a是設計參數，T_h為熱點溫度，L₀表示廠家提供的在額定熱點溫度為T₀時的額定壽命，p為經驗系數，取常數10，T₀為廠家提供的額定溫度，m表示經驗系數，取8.5左右，n表示一個從1開始的數組，隨頻率f的變化，取到10000左右，V表示實際工作電壓，L為實際運行中的電容壽命；

將設計參數ESR和第一步獲得的I_rms通過傅里葉分解轉換為關于頻率f變化的數據集合ESR(f_i)和Irms(f_i)，將ESR(f_i)和Irms(f_i)數據代入熱點溫度模型以獲得熱點溫度值，通過高溫點驗證工作條件變化的影響；其中把熱阻R_ha，等效電阻ESR(f_i)，電容電流的均方根Irms(f_i)，支撐電容器額定電壓V_cap和環境溫度T_a設置為設計參數，進一步在壽命模型中代入求解的熱點溫度T_h，第一步獲得的實際工作電壓V和制造商的額定參數收集電容器壽命多維度數據集合；

步驟3.不同品牌的支撐電容參數的折算方法

由于不同制造商的電容參數整體上具有不同的特征，將0和1參數用于為品牌參數指定值；同時，考慮到不同廠家的測試頻率與等效電阻ESR和電容額定電流I_cap溫度的差異，根據相關技術手冊統一不同廠家ESR和I_cap的標簽；使用串聯和并聯電容器組結構來增加單個電容器的電壓或電容，并計算相關參數的變化；

步驟4.建立適用于支撐電容的多層高維度的深度學習網絡模型，具體步驟如下：

4.1)建立壽命期望作為目標值的深度學習網絡DNN1

DNN1的目的是將電容器的電氣相關參數映射到目標電容器的壽命；將壽命模型中的輸入參數代入牽引傳動系統中收集的電信號中，并且通過求解壽命模型中的結果來提取數據；在DNN1中，輸入層是額定電壓V_cap，額定電容值C_cap，等效電阻ESR，輸出層是實際壽命L；

4.2)建立成本和數量作為目標值的深度學習網絡DNN2

DNN2的目的是將相關的電容器參數映射到體積和成本；在DNN2中，輸入層是薄膜電容器的基本參數和電容器組的相關等效參數，輸出層是體積和成本；由于不同品牌的電容參數具有一定的差異性，需要設計更多隱藏層數的DNN，同時使用relu函數的非線性激活功能優化模型；

4.3)引入回歸損失函數驗證電容參數預測DNN1和DNN2模型的誤差

均方誤差MSE用于驗證模型的正確性，為了保證其數據預測的合理性，將DNN1和DNN2模型的數據集隨機分為三類，包括75％左右的數據的訓練集，15％左右的數據的驗證集和10％左右的數據的測試集；

步驟5.牽引傳動系統中直流環節薄膜電容器主動設計的實現方法

步驟4獲得的DNN1和DNN2模型的預測數據能精確地預測薄膜電容器的性能參數，以滿足所選直流環節支撐電容器的體積，成本和預期壽命的選擇；將電容器的性能參數用作黑盒子，面向用戶的需求，直接選擇和設計薄膜直流環節電容器的體積，成本和壽命；從而得到薄膜電容器在不同工作條件對不同性能參數的體積，成本和壽命預期；得到的每個點代表一組薄膜電容器的性能參數，為牽引傳動系統直流環節電容器的選擇和設計提供參考。