[发明专利]一种基于卷积神经网络来获取交流接触器电寿命的方法

权利要求书

1.一种基于卷积神经网络来获取交流接触器电寿命的方法，其特征在于，所述方法包括以下步骤：

获取交流接触器的分断电弧实验数据以及每一次分断电弧实验前后的触头质量数据；

根据所获取到的交流接触器每一次分断电弧实验前后的触头质量数据，计算出每一次分断电弧实验的触头质量损耗数据，并将所获取到的交流接触器的分断电弧实验数据处理成分断电弧离散样本，且进一步将所计算出的触头质量损耗数据以及所处理得到的分断电弧离散样本按一定比例随机分为训练集和测试集；

以分断电弧离散样本为模型特征，触头质量损耗数据为模型标签，构建基于卷积神经网络回归的交流接触器电寿命预测模型；

根据所述训练集和所述测试集，分别对所述交流接触器电寿命预测模型进行训练和测试，并通过比较所述交流接触器电寿命预测模型分别在训练和测试中触头质量损耗数据和所述卷积神经网络输出的均方误差值，得到训练好的交流接触器电寿命预测模型；

获取交流接触器的当前分断电弧数据，并将所获取到的交流接触器的当前分断电弧数据导入所得到的训练好的交流接触器电寿命预测模型中，所述训练好的交流接触器电寿命预测模型输出的结果即为交流接触器电寿命；

所述将所获取到的交流接触器的分断电弧实验数据处理成分断电弧离散样本的具体步骤包括：

在所获取到的交流接触器的分断电弧实验数据中，确定采样点，并采用线性插值法扩增所述采样点的个数，且进一步归一化将所述线性插值后的采样点数据范围限制在[0,1]内；

根据所述线性插值后的采样点及其对应的数据范围，通过预设的数据波形软件提取出一维离散化数据，并将所提取出的一维离散化数据组合成一维矩阵；其中，所述组合成的一维矩阵在所述交流接触器电寿命预测模型中卷积神经网络内自动重组为二维矩阵。

2.如权利要求1所述的基于卷积神经网络来获取交流接触器电寿命的方法，其特征在于，所述每一次分断电弧实验的触头质量损耗数据是根据每一次分断电弧实验前后的触头质量数据，得到每一次分断电弧实验前后的触头质量损耗，并进一步采用线性插值法处理每一次分断电弧实验前后的触头质量损耗而得到的。

3.如权利要求1所述的基于卷积神经网络来获取交流接触器电寿命的方法，其特征在于，所述以分断电弧离散样本为模型特征，触头质量损耗数据为模型标签，构建出基于卷积神经网络回归的交流接触器电寿命预测模型的具体步骤包括：

采用深度学习框架TensorFlow实现卷积神经网络回归，建立所述交流接触器电寿命预测模型，以分断电弧离散样本为模型特征，触头质量损耗数据作为模型标签，分别读入预测模型中，定义批次函数模块、数据读取模块、CNN结构模块、模型评价指标模块、训练和测试模块；其中，所述卷积神经网络有两个卷积池化交替层以及两个全连接层。