[發明專利]一種大功率毫米波回旋行波管的主動控保方法及系統

有效

• 申請號: 201911113360.1
• 申請日: 2019-11-14
• 公開（公告）號: CN110909463B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 岳清泉;鄢然;鄒富城;李英;黃啟昊;李文茜;羅勇
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/04;G06N3/08;H01J25/34
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 甘茂

1.一種大功率毫米波回旋行波管的主動控保方法，包括如下步驟：

步驟S1. 建立神經網絡預測模型；

步驟S11. 采集建立神經網絡預測模型訓練樣本集合；

所述訓練樣本數據包括：磁場電流（A），補償磁場電流（A），陰極電壓（KV），陰極電流（A），鈦泵電流（nA），打火標簽：打火狀態為1、未打火狀態為0；所述打火標簽用于標記當前狀態是否打火；

設置采樣頻率，對歷史數據進行采樣，得到訓練樣本數據；采樣過程中，將發生打火時刻的前Q個時刻對應的打火標簽均標記為打火狀態1，其中，3≤Q≤5；

步驟S12. 根據訓練樣本集合，通過BP神經網絡方法建立神經網絡預測模型；

采用BP神經網絡，其中，輸入層節點數 N=5，輸出層節點數 L=1，隱含層節點數M初始值為3；設置損失函數Loss為均方誤差，訓練次數nb_epoch，根據訓練樣本數據對BP神經網絡進行訓練，得到神經網絡預測模型；

步驟S2. 通過神經網絡預測模型預測器件當前狀態是否會發生打火，是否需要警告并采取相應的處理；

步驟S21. 實時采集器件工作狀態數據并存儲于數據庫中，將采集到的磁場電流（A）、補償磁場電流（A）、陰極電壓（KV）、陰極電流（A）、鈦泵電流（nA）數據輸入神經網絡預測模型，獲得與實時狀態下對應的打火標簽預測值；

步驟S22. 時間周期T內，當打火標簽預測值連續Th₁次為1或打火標簽預測值為1的次數大于Th₂時，發出警告并采取緊急關斷處理。

2.按權利要求1所述大功率毫米波回旋行波管的主動控保方法，其特征在于，所述的主動控保方法還包括：

步驟S3. 將步驟S2所獲得的磁場電流（A）、補償磁場電流（A）、陰極電壓（KV）、陰極電流（A）、鈦泵電流（nA）數據作為樣本數據，并根據真實打火狀態添加打火標簽，同時將發生打火時刻的前Q個時刻對應的打火標簽均標記為打火狀態1，得到新的訓練樣本，并將新的訓練樣本添加訓練樣本集合中，用于下一次訓練神經網絡預測模型，對神經網絡預測模型進行修正。

3.一種大功率毫米波回旋行波管的主動控保系統，包括：數據采集模塊、數據存儲模塊、數據預處理模塊、神經網絡預測模塊、遠程控制模塊與基礎控保模塊；其中：

所述數據采集模塊，用于采集建立神經網絡預測模型所需樣本數據，包括：磁場電流（A）、補償磁場電流（A）、陰極電壓（KV）、陰極電流（A）、鈦泵電流（nA）數據以及當前波形與頻譜數據采集；需要說明的是，所述波形與頻譜數據用于確定器件是否處于打火狀態；

所述數據預處理模塊，用于對數據采集模塊采集到的原始數據進行預處理，包括：數據格式轉換、數據合并、數據去重、去除異常值；

所述數據存儲模塊，采用數據庫形式，用于存儲數據采集模塊采集到的原始數據及數據預處理模塊預處理后的數據；

所述神經網絡預測模塊，與數據預處理模塊相連，經過預處理后數據輸入神經網絡預測模型，神經網絡預測模型輸出打火標簽預測值；

所述遠程控制模塊位于客戶端，時間周期T內，當打火標簽預測值連續Th₁次為1或打火標簽預測值為1的次數大于Th₂時，發出警告、并發出指令給基礎控保模塊；

所述基礎控保模塊，用于實現被動控保和主動控保操作；其中，所述主動控保為：接收到遠程控制模塊指令后，對數據采集模塊進行緊急關斷處理；所述被動控保為：當數據采集模塊采集到的數據值超過設置閾值時，對采集模塊進行緊急關斷處理。