[发明专利]传动系统牵引支撑电容的选型和设计方法

摘要

本发明公开了一种传动系统牵引支撑电容的选型和设计方法。基于牵引传动模型和薄膜直流环节电容器寿命模型收集不同优劣工况条件下，不同支撑电容参数的多维度寿命估计数据。同时，收集和折算不同制造商的数量和成本数据。进一步引入多层高维深度学习网络DNN模型预测体积，成本和预期寿命，并通过均方误差(MSE)验证模型的准确性。该发明可以快速准确地将电容器的性能参数映射到所选直流环节电容器的体积，成本和预期寿命，并实现将电容器的性能参数用作黑箱，面向用户的需求，直接针对薄膜直流环节支撑电容器的体积，成本和寿命进行选型和设计。

主权项

1.一种传动系统牵引支撑电容的选型和设计方法，其特征在于，包括以下步骤：步骤1.建立不同优劣工况条件下不同支撑电容参数的多维度电容电参数采集模型，以获得不同运维条件下电容器电压和电流纹波信号的数据集合，具体步骤如下：1.1)建立基于不同支撑电容参数的多维度牵引传动系统仿真模型，其中包括设置支撑电容器额定电压V_cap,额定电容值C_cap和等效电阻ESR的设计参数；1.2)根据实际运行情况，在牵引传动系统中设置不同的测试工况对比，并反馈给牵引传动系统的主电路；1.3)通过一系列电参数收集关键数据以获得电容器的电信号，实现电容器参数的定量设计；步骤2.基于不同优劣工况条件下，不同支撑电容参数下的支撑电容寿命期望数据的采集方法；对于薄膜电容器，寿命模型和热点温度模型如下：其中热阻R_ha，等效电阻ESR(f_i)(将设计参数ESR通过傅里叶分解转换为关于频率f变化的数据集合获得)，电容电流的均方根Irms(f_i)(将第一步获得的I_rms通过傅里叶分解转换为关于频率f变化的数据集合获得)，支撑电容器额定电压V_cap和环境温度T_a是设计参数，T_h为热点温度，L₀表示厂家提供的在额定热点温度为T₀时的额定寿命，p为经验系数，取常数10，T₀为厂家提供的额定温度，m表示经验系数，取8.5左右，n表示一个从1开始的数组，随频率f的变化，取到10000左右，V表示实际工作电压，L为实际运行中的电容寿命；将设计参数ESR和第一步获得的I_rms通过傅里叶分解转换为关于频率f变化的数据集合ESR(f_i)和Irms(f_i)，将ESR(f_i)和Irms(f_i)数据代入热点温度模型以获得热点温度值，通过高温点验证工作条件变化的影响；其中把热阻R_ha，等效电阻ESR(f_i)，电容电流的均方根Irms(f_i)，支撑电容器额定电压V_cap和环境温度T_a设置为设计参数，进一步在寿命模型中代入求解的热点温度T_h，第一步获得的实际工作电压V和制造商的额定参数收集电容器寿命多维度数据集合；步骤3.不同品牌的支撑电容参数的折算方法由于不同制造商的电容参数整体上具有不同的特征，将0和1参数用于为品牌参数指定值；同时，考虑到不同厂家的测试频率与等效电阻ESR和电容额定电流I_cap温度的差异，根据相关技术手册统一不同厂家ESR和I_cap的标签；使用串联和并联电容器组结构来增加单个电容器的电压或电容，并计算相关参数的变化；步骤4.建立适用于支撑电容的多层高维度的深度学习网络模型，具体步骤如下：4.1)建立寿命期望作为目标值的深度学习网络DNN1DNN1的目的是将电容器的电气相关参数映射到目标电容器的寿命；将寿命模型中的输入参数代入牵引传动系统中收集的电信号中，并且通过求解寿命模型中的结果来提取数据；在DNN1中，输入层是额定电压V_cap，额定电容值C_cap，等效电阻ESR，输出层是实际寿命L；4.2)建立成本和数量作为目标值的深度学习网络DNN2DNN2的目的是将相关的电容器参数映射到体积和成本；在DNN2中，输入层是薄膜电容器的基本参数和电容器组的相关等效参数，输出层是体积和成本；由于不同品牌的电容参数具有一定的差异性，需要设计更多隐藏层数的DNN，同时使用relu函数的非线性激活功能优化模型；4.3)引入回归损失函数验证电容参数预测DNN1和DNN2模型的误差均方误差MSE用于验证模型的正确性，为了保证其数据预测的合理性，将DNN1和DNN2模型的数据集随机分为三类，包括75％左右的数据的训练集，15％左右的数据的验证集和10％左右的数据的测试集；步骤5.牵引传动系统中直流环节薄膜电容器主动设计的实现方法步骤4获得的DNN1和DNN2模型的预测数据能精确地预测薄膜电容器的性能参数，以满足所选直流环节支撑电容器的体积，成本和预期寿命的选择；将电容器的性能参数用作黑盒子，面向用户的需求，直接选择和设计薄膜直流环节电容器的体积，成本和寿命；从而得到薄膜电容器在不同工作条件对不同性能参数的体积，成本和寿命预期；得到的每个点代表一组薄膜电容器的性能参数，为牵引传动系统直流环节电容器的选择和设计提供参考。