[发明专利]一种大功率毫米波回旋行波管的主动控保方法及系统

权利要求书

1.一种大功率毫米波回旋行波管的主动控保方法，包括如下步骤：

步骤S1. 建立神经网络预测模型；

步骤S11. 采集建立神经网络预测模型训练样本集合；

所述训练样本数据包括：磁场电流（A），补偿磁场电流（A），阴极电压（KV），阴极电流（A），钛泵电流（nA），打火标签：打火状态为1、未打火状态为0；所述打火标签用于标记当前状态是否打火；

设置采样频率，对历史数据进行采样，得到训练样本数据；采样过程中，将发生打火时刻的前Q个时刻对应的打火标签均标记为打火状态1，其中，3≤Q≤5；

步骤S12. 根据训练样本集合，通过BP神经网络方法建立神经网络预测模型；

采用BP神经网络，其中，输入层节点数 N=5，输出层节点数 L=1，隐含层节点数M初始值为3；设置损失函数Loss为均方误差，训练次数nb_epoch，根据训练样本数据对BP神经网络进行训练，得到神经网络预测模型；

步骤S2. 通过神经网络预测模型预测器件当前状态是否会发生打火，是否需要警告并采取相应的处理；

步骤S21. 实时采集器件工作状态数据并存储于数据库中，将采集到的磁场电流（A）、补偿磁场电流（A）、阴极电压（KV）、阴极电流（A）、钛泵电流（nA）数据输入神经网络预测模型，获得与实时状态下对应的打火标签预测值；

步骤S22. 时间周期T内，当打火标签预测值连续Th₁次为1或打火标签预测值为1的次数大于Th₂时，发出警告并采取紧急关断处理。

2.按权利要求1所述大功率毫米波回旋行波管的主动控保方法，其特征在于，所述的主动控保方法还包括：

步骤S3. 将步骤S2所获得的磁场电流（A）、补偿磁场电流（A）、阴极电压（KV）、阴极电流（A）、钛泵电流（nA）数据作为样本数据，并根据真实打火状态添加打火标签，同时将发生打火时刻的前Q个时刻对应的打火标签均标记为打火状态1，得到新的训练样本，并将新的训练样本添加训练样本集合中，用于下一次训练神经网络预测模型，对神经网络预测模型进行修正。

3.一种大功率毫米波回旋行波管的主动控保系统，包括：数据采集模块、数据存储模块、数据预处理模块、神经网络预测模块、远程控制模块与基础控保模块；其中：

所述数据采集模块，用于采集建立神经网络预测模型所需样本数据，包括：磁场电流（A）、补偿磁场电流（A）、阴极电压（KV）、阴极电流（A）、钛泵电流（nA）数据以及当前波形与频谱数据采集；需要说明的是，所述波形与频谱数据用于确定器件是否处于打火状态；

所述数据预处理模块，用于对数据采集模块采集到的原始数据进行预处理，包括：数据格式转换、数据合并、数据去重、去除异常值；

所述数据存储模块，采用数据库形式，用于存储数据采集模块采集到的原始数据及数据预处理模块预处理后的数据；

所述神经网络预测模块，与数据预处理模块相连，经过预处理后数据输入神经网络预测模型，神经网络预测模型输出打火标签预测值；

所述远程控制模块位于客户端，时间周期T内，当打火标签预测值连续Th₁次为1或打火标签预测值为1的次数大于Th₂时，发出警告、并发出指令给基础控保模块；

所述基础控保模块，用于实现被动控保和主动控保操作；其中，所述主动控保为：接收到远程控制模块指令后，对数据采集模块进行紧急关断处理；所述被动控保为：当数据采集模块采集到的数据值超过设置阈值时，对采集模块进行紧急关断处理。