System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种混合比测量装置的石英晶振故障判别方法及系统制造方法及图纸_技高网

一种混合比测量装置的石英晶振故障判别方法及系统制造方法及图纸

技术编号:40502163 阅读:10 留言:0更新日期:2024-02-26 19:30
一种SF6/N2混合比测量装置的石英晶振故障判别方法及系统,属于绝缘灭弧介质技术领域,解决如何判别SF6/N2混合比测量装置的石英晶振故障的问题;通过BP神经网络训练建立石英晶振振动频率标定范围计算公式,从而得到标定区间,比对实时获得的石英晶振振动频率数据,如果实时数据处于标定区间内,则说明石英晶振无损伤;如果数据不在标定区间内,则说明石英晶振存在损伤;本发明专利技术利用成熟的神经网络模型进行多次筛选,选择不同学习函数、训练算法及激励函数,弥补了测量数据中,精度不足及诸多微小误差的影响,消除了人工分析中,数据处理上人为主观误差排除,训练出更优质的神经网络模型,更贴合实验现象。

【技术实现步骤摘要】

本专利技术属于绝缘灭弧介质,涉及一种混合比测量装置的石英晶振故障判别方法及系统


技术介绍

1、本专利技术的方法是针对申请公布日为2019年1月15日、申请公布号为cn109213214a的中国专利技术专利的进一步改进,本专利技术所述的sf6/n2混合比测量装置采用的是该专利文献中图1所示的装置。

2、sf6是目前已知最为优良的绝缘灭弧介质,也是温室效应最强的工业气体,国际已明确禁排和限用。为了减小sf6气体带来的温室效应,自2018年起,国家电网公司开始逐步推广sf6/n2混合气体gis母线技术路线,其中sf6气体含量降为30%,环保效应显著。

3、密度是衡量sf6气体绝缘性能的重要理化参数,常被作为电气设备泄漏的重要技术指标,密度下降会使气体绝缘性能降低,进而危害设备的安全运行,因此气体的密度监测尤为重要。不同于纯sf6气体,sf6/n2混合气体的密度由混合气体比例和压力共同决定,必须同时监测才能真正实现对混合气体泄漏监测。

4、上述专利文献还公开了一种sf6/n2组成的二元混合气体的混合比测量方法,采用如图1所示的混合比测量装置,该装置使用了四个音叉型石英传感器51、压力传感器55和温度传感器56分别测量混合气体的密度、压力和温度,通过理想气体方程和道尔顿气体分压定律,可求出混合气体的比例,具体求解过程参见该文献的说明书的第0056段至0067段。

5、如图2所示为音叉型石英传感器51的实物图,音叉型石英传感器的晶振的共振振动频率取决于晶体所处的环境,在真空中,晶体具有特定频率,而在流体中,其振动随着周围气体分子的阻尼而衰减;另外,由于气体分子粘附在晶体表面改变了音叉的质量,其共振频率也将随之改变。

6、音叉型石英传感器51求解密度的公式为:

7、

8、其中,a、b、c均为常数,ρg为被测介质密度,δf为相对于晶振在真空中的振荡频率f0的频率偏差。

9、石英晶振的共振振动频率取决于晶体所处的环境。在真空中,晶体具有特定频率,而在流体中,其振动将由于周围气体分子的阻尼而衰减;另外,由于气体分子粘附在晶体表面改变了音叉的质量,其共振频率也将随之改变。

10、上述专利文献给出了一种可行且经济的混和气体混合比测量方法及装置,但是在实际应用中,由于石英晶振晶体需要长期暴露在混合气体中,气体中水分、杂质等物质会污染石英晶体,导致石英晶体受损,其振动频率也会发生异常。这些外部因素都会影响实验过程中,所获取的实验数据的准确性,因此我们需要一个作为基准的振动频率范围。当振动频率超出此范围时,便可以人为判断石英晶振已受损,从而展开对元器件的检查。而这个范围随温度的幅度很大,很难简单的通过测试标定来确定。


技术实现思路

1、本专利技术用于解决如何判别sf6/n2混合比测量装置的石英晶振故障的问题。

2、本专利技术是通过以下技术方案解决上述技术问题的:

3、一种混合比测量装置的石英晶振故障判别方法,包括以下步骤:

4、在sf6/n2混合比测量装置的适用温度区间内,分别采集最高温度值与最低温度值条件下,装置在纯sf6及纯n2环境中的石英晶振的振动频率以及此时对应的纯sf6及纯n2的平均摩尔质量,将其整理为训练集;

5、将温度与平均摩尔质量作为输入,石英晶振的振动频率的最大值、最小值作为输出,进行bp神经网络建模,从而获取石英晶振振动频率标定范围计算公式如下:

6、

7、

8、w(2,3)=[-0.9606 1.3094 0.2328 -0.1765 1.2313]b(3)=-1.6845

9、其中,w的上标指神经网络内部的某一层至其下一层的标号顺序,下标指在权值矩阵中连接权值所处的矩阵所在的行与列,b的上下标含义与w相同,x1为实验温度,x2为平均摩尔质量;

10、当x2代入氮气平均摩尔质量时得到实验温度下最小振动频率,当x2代入六氟化硫气体平均摩尔质量时得到实验温度下最大振动频率,最小振动频率与最大振动频率形成标定区间;

11、比对实时获得的石英晶振振动频率数据,如果实时数据处于标定区间内,则说明石英晶振无损伤;如果数据不在标定区间内,则说明石英晶振存在损伤。

12、进一步地,所述的bp神经网络采用learngdm函数作为学习函数。

13、进一步地,所述的bp神经网络采用traingdx作为训练算法,

14、进一步地,所述的bp神经网络的各层的激励函数选用sigmoid。

15、进一步地,所述的bp神经网络的最大迭代次数max_epochs=10000、学习率learn_rate=0.035、结束条件mse_final=6.5e-4。

16、进一步地,所述的bp神经网络的输入数input_number=2、输出数output_number=1、隐层单元数hidden_unit_number=6。

17、一种混合比测量装置的石英晶振故障判别系统,包括:数据采集模块、模型建立模块、标定区间模块、判断模块;

18、所述的数据采集模块:在sf6/n2混合比测量装置的适用温度区间内,分别采集最高温度值与最低温度值条件下,装置在纯sf6及纯n2环境中的石英晶振的振动频率以及此时对应的纯sf6及纯n2的平均摩尔质量,将其整理为训练集;

19、所述的模型建立模块:将温度与平均摩尔质量作为输入,石英晶振的振动频率的最大值、最小值作为输出,进行bp神经网络建模,从而获取石英晶振振动频率标定范围计算公式如下:

20、

21、

22、w(2,3)=[-0.9606 1.3094 0.2328 -0.1765 1.2313]b(3)=-1.6845

23、其中,w的上标指神经网络内部的某一层至其下一层的标号顺序,下标指在权值矩阵中连接权值所处的矩阵所在的行与列,b的上下标含义与w相同,x1为实验温度,x2为平均摩尔质量;

24、所述的标定区间模块:当x2代入氮气平均摩尔质量时得到实验温度下最小振动频率,当x2代入六氟化硫气体平均摩尔质量时得到实验温度下最大振动频率,最小振动频率与最大振动频率形成标定区间;

25、所属于的判断模块:比对实时获得的石英晶振振动频率数据,如果实时数据处于标定区间内,则说明石英晶振无损伤;如果数据不在标定区间内,则说明石英晶振存在损伤。

26、进一步地,所述的bp神经网络采用learngdm函数作为学习函数,所述的bp神经网络采用traingdx作为训练算法。

27、进一步地,所述的bp神经网络的各层的激励函数选用sigmoid。

28、进一步地,所述的bp神经网络的最大迭代次数max_epochs=10000、学习率learn_rate=0.035、结束条件mse_final=6.5e-4;所述的bp神经网络的输入数inpu本文档来自技高网...

【技术保护点】

1.一种混合比测量装置的石英晶振故障判别方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种混合比测量装置的石英晶振故障判别方法,其特征在于,所述的石英晶振振动频率标定范围的计算公式如下:

3.根据权利要求1所述的一种混合比测量装置的石英晶振故障判别方法,其特征在于,所述的BP神经网络采用learngdm函数作为学习函数;所述的BP神经网络采用traingdx作为训练算法;所述的BP神经网络的各层的激励函数选用Sigmoid。

4.根据权利要求1所述的一种混合比测量装置的石英晶振故障判别方法,其特征在于,所述的BP神经网络的最大迭代次数max_epochs=10000、学习率learn_rate=0.035、结束条件mse_final=6.5e-4;所述的BP神经网络的输入数input_number=2、输出数output_number=1、隐层单元数hidden_unit_number=6。

5.一种混合比测量装置的石英晶振故障判别系统,其特征在于,包括:数据采集模块、模型建立模块、标定区间模块、判断模块;

6.根据权利要求5所述的一种混合比测量装置的石英晶振故障判别系统,其特征在于,所述的石英晶振振动频率标定范围的计算公式如下:

7.根据权利要求5所述的一种混合比测量装置的石英晶振故障判别系统,其特征在于,所述的BP神经网络采用learngdm函数作为学习函数,所述的BP神经网络采用traingdx作为训练算法;所述的BP神经网络的各层的激励函数选用Sigmoid。

8.根据权利要求5所述的一种混合比测量装置的石英晶振故障判别系统,其特征在于,所述的BP神经网络的最大迭代次数max_epochs=10000、学习率learn_rate=0.035、结束条件mse_final=6.5e-4;所述的BP神经网络的输入数input_number=2、输出数output_number=1、隐层单元数hidden_unit_number=6。

9.一种电子设备,包括存储器以及处理器,其特征在于,所述存储器用于存储支持处理器执行权利要求1-4任一项所述的混合比测量装置的石英晶振故障判别方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。

10.一种存储介质,存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行权利要求1-4任一项所述的混合比测量装置的石英晶振故障判别方法的步骤。

...

【技术特征摘要】

1.一种混合比测量装置的石英晶振故障判别方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种混合比测量装置的石英晶振故障判别方法,其特征在于,所述的石英晶振振动频率标定范围的计算公式如下:

3.根据权利要求1所述的一种混合比测量装置的石英晶振故障判别方法,其特征在于,所述的bp神经网络采用learngdm函数作为学习函数;所述的bp神经网络采用traingdx作为训练算法;所述的bp神经网络的各层的激励函数选用sigmoid。

4.根据权利要求1所述的一种混合比测量装置的石英晶振故障判别方法,其特征在于,所述的bp神经网络的最大迭代次数max_epochs=10000、学习率learn_rate=0.035、结束条件mse_final=6.5e-4;所述的bp神经网络的输入数input_number=2、输出数output_number=1、隐层单元数hidden_unit_number=6。

5.一种混合比测量装置的石英晶振故障判别系统,其特征在于,包括:数据采集模块、模型建立模块、标定区间模块、判断模块;

6.根据权利要求5所述的一种混合比测量装置的石英晶振故障判别系统,其特征在于,所述...

【专利技术属性】
技术研发人员:刘伟朱太云颜湘莲刘子恩马凤翔徐霄筱曹骏程伟俞登洋
申请(专利权)人:国网安徽省电力有限公司电力科学研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1