[发明专利]一种基于径向基函数神经网络的继电器质量波动抑制设计方法

说明书

一种基于径向基函数神经网络的继电器质量波动抑制设计方法，属于继电器产品设计技术领域。为了解决目前参数设计方法无法确定全局最优解、无法消除因素交互性影响方案稳健性的问题。方法如下：一、确定可控因素、误差因素与正交试验方案；二、进行信噪比、灵敏度显著性分析，确定稳定因素；三、进行交互性分析，确定调整因素；四、建立稳定因素的径向基函数神经网络模型及优化抑制目标函数，确定稳定因素最优解；五、建立调整因素多项式模型及偏移量补偿目标函数，确定调整因素最优解。本发明通过对参数进行解耦，确定出调整因素，再利用调整因素对输出特性的偏离量进行补偿，从而实现在不影响稳定因素的稳健性最优的情况下输出特性调整至目标值。

技术领域

本发明属于继电器产品设计技术领域，具体涉及一种基于径向基函数神经网络的继电器质量波动抑制设计方法。

背景技术

参数设计是继电器产品设计过程中的重要环节，不仅直接决定了产品的输出特性能否满足设计要求，而且还直接影响着产品设计方案对外干扰、内干扰、制造分散性等不确定性因素的抵抗能力，即稳健性。因此，采用合理的抗质量波动参数设计方法对提高继电器产品的性能稳定性与质量一致性意义重大。

稳健性参数设计的关键在于利用输入参数与输出特性之间的非线性性质，实现在不控制不确定性，即成本不变的情况下有效提高设计方案抑制质量波动的能力。传统的参数设计方法利用正交试验设计和方差分析计算得到的信噪比及灵敏度计算结果直接确定出参数设计方案，该方法存在以下两个缺点：只能从正交试验选取的离散水平值中选取最优组合作为优化方案，而无法得到参数在求解范围内的全局最优解；无法保证所选取稳定因素与调整因素的独立性，在输出偏移量补偿的过程中会影响已确定方案的稳健性。

基于蒙特卡罗的改进稳健性参数设计方法，可以提高统计结果的有效性及优化结果的准确性。然而，该方法仅针对试验设计中的外表进行了改进，内表试验因素的水平值仍然是离散的，因此无法实现参数的全局寻优。

另外，基于近似建模的传统参数设计方法首先需要建立全部输入参数与输出特性之间的函数模型，从而在求解区域内计算得到最优解。然而该方法存在以下两个缺点：在建立近似模型时，如果选取的输入参数水平数较少，难以保证模型很好地逼近实际函数关系，影响优化精度；而当输入参数较多时，近似建模过程中的待求系数数量多且计算过程复杂，因此无法适用于包含多个输入的参数优化问题。

发明内容

本发明的目的是为了解决目前电器产品参数设计方法无法确定全局最优解、无法消除因素交互性影响方案稳健性、建模过程复杂等导致优化精度低的问题，提供了一种基于径向基函数神经网络的继电器质量波动抑制设计方法。

为实现上述目的，本发明采取的技术方案如下：

一种基于径向基函数神经网络的继电器质量波动抑制设计方法，所述方法包括以下步骤：

步骤一：根据研究对象和优化目标确定输入参数、不确定性因素，进行内外表正交试验设计；其中，内表安排输入参数，外表安排不确定性因素，根据输入参数与不确定因素的数量和水平数分别选择内外正交表并确定试验方案；

步骤二：计算各试验方案的输出特性，对外表试验结果计算信噪比和灵敏度，并输入内表中，再对内表进行信噪比和灵敏度的方差分析，根据各输入参数的显著性分析结果确定其非线性性质与近似线性性质；

步骤三：通过交互性分析确定输入参数之间的相关性，对参数进行解耦，再结合信噪比、灵敏度显著性分析结果和交互性分析结果，确定输入参数中的稳定因素和调整因素；

步骤四：采用径向基函数神经网络方法建立稳定因素与输出特性之间的数学模型，同时，以抑制质量波动为目标，建立稳健性优化目标函数，再通过全局寻优，将求解区域内使输出特性变化率最小的参数值确定为稳定因素的最优解；