【技术实现步骤摘要】
本申请电路保护，尤其是指一种基于快速断路技术的保险丝及其制造方法。
技术介绍
1、在现代电路保护领域，传统的保护装置，如保险丝和断路器，主要依赖于物理材料的热敏性质来实现保护功能。这些传统装置在保护机制上具有一定的滞后性，特别是在电路发生急剧变化，例如短路事件时，往往不能及时响应。这一延迟可能会导致在出现故障前未能有效切断电路，从而对电路系统造成损害。传统延时保险丝的保护参数，如熔断电流值和延时时间，通常是固定的且不易调整，这限制了它们在不同电路条件下的适用性。此外，这些保险丝缺乏对电路状态变化趋势的预测能力，无法实现预防性保护，只能被动地响应已经发生的电路异常。
2、例如，授权公告号为cn110137052b的中国专利公开了一种电路熔断保护方法，该方法允许用户将接线构件串联在火线上，并在电路故障电流过载时自动熔断，从而断开电路。尽管这种方法能提供基本的过载保护，但它仍然存在响应延迟，且不易于根据不同电路条件调整保护参数。
3、因此，迫切需要发展能够提供更快、更精确响应的保护技术，以适应电气系统日益复杂化的趋势。这种保护技术应能够智能地预测电路中的异常状态并在异常状态出现前断开保险丝，从而实现即时保护以防止电路损害。
技术实现思路
1、为了解决上述问题，本申请提供了一种基于快速断路技术的保险丝及其制造方法，用于实时监测电路状态，并结合深度学习模型预测潜在的故障，实现对电路的智能保护。通过整合遗传变异算法优化的深度学习模型，保险丝能够根据电路的即时状态和历史数
2、第一方面，本申请提供了一种基于快速断路技术的保险丝，包括：
3、数据收集单元，用于实时收集目标电路的电流、电压信号并进行数据的预处理，生成第一监测数据；
4、模型构建单元，用于基于遗传变异算法构建深度学习模型，并基于所述数据收集单元所生成的目标电路的第一监测数据，更新所述深度学习模型；
5、数据处理单元，用于接收所述数据收集单元发送的所述第一监测数据，并基于所述深度学习模型，实时预测所述目标电路的状态，生成第一预测数据，并发送所述第一预测数据至执行单元；其中，所述第一预测数据包括：电路的正常/异常状态、异常类型、预测的故障位置；
6、执行单元，用于接收所述数据处理单元发送的所述第一预测数据，并基于所述第一预测数据，对保险丝执行预设的处理操作。
7、作为一种可能的实施方式，所述数据收集单元包括多种类型的传感器，用于并行收集所述目标电路的电流和电压信号，其中，所述多种类型的传感器包括：电流传感器，用于测量所述目标电路中的实时电流；电压传感器，用于测量所述目标电路两端的实时电压；所述数据收集单元在实时收集所述目标电路的电流、电压信号时，还用于：
8、采用时间戳标记，为每个采集到的电流、电压信号附加采集时间；
9、使用统一的触发信号同时启动所有传感器的数据采集，确保电流、电压信号的时间一致性。
10、作为一种可能的实施方式，所述数据收集单元进一步在对所收集的电流、电压信号进行数据的预处理时，用于：
11、使用数字滤波器去除电流、电压信号中的高频噪声；
12、将去除高频噪声后的电流、电压信号压缩至-1到1范围内，计算公式为：
13、
14、其中xnorm是压缩后的电流、电压信号，x是原始电流、电压信号，xmin和xmax分别是原始电流、电压信号的最小值和最大值；
15、从被压缩至-1到1范围内的电流、电压信号中提取第一目标特征，生成第一监测数据。
16、作为一种可能的实施方式，所述第一目标特征包括：信号均值、信号峰值、信号方差、信号基波、信号谐波、信号分辨率以及信号带宽；所述数据收集单元在从被压缩至-1到1范围内的电流、电压信号中提取第一目标特征时，用于：
17、对压缩后的电流、电压信号进行时域分析，计算信号峰值、信号均值以及信号方差；
18、基于傅里叶变换，将时域信号转换为频域信号，对信号进行频域分析；
19、基于所述傅里叶变换结果，确定电流、电压信号所对应的信号基波、信号谐波、信号分辨率以及信号带宽；
20、基于对电流、电压信号的时序分析结果和频域分析结果，生成所述第一目标特征。
21、作为一种可能的实施方式，所述模型构建单元，在基于遗传变异算法构建深度学习模型，用于：
22、确定目标函数、决策变量和约束条件；其中，所述目标函数用于最大化深度学习模型的预测准确率，并最小化深度学习模型的训练和预测时间；
23、将深度学习模型参数转化为遗传变异算法可处理的编码形式；
24、初始化种群，生成多个代表不同深度学习模型参数配置的个体；
25、定义适应度函数，以评估各个个体在不同性能指标上的表现；
26、基于适应度函数评估结果，确定优秀个体；
27、基于确定的优秀个体进行遗传、交叉以及变异操作，以产生新的个体并增加种群的多样性；
28、通过连续的遗传操作改进种群，响应于达到预设的第一目标条件，终止迭代操作，输出此时的深度学习模型的配置参数；
29、基于终止迭代操作时输出的深度学习模型的配置参数，以及所述第一目标特征，进行所述深度学习模型的训练和部署。
30、作为一种可能的实施方式，所述决策变量包括：深度学习模型结构参数和训练参数，其中，模型结构参数至少包括：层数、头的数量、隐藏层的大小；训练参数至少包括：学习率、批次大小、正则化参数；所述遗传变异算法可处理的编码形式，包括：实数编码；所述初始化种群，包括：随机生成一组初代个体，每个个体代表一套可能的模型配置参数。
31、作为一种可能的实施方式，所述第一目标条件包括：达到最大迭代次数以及适应度收敛；所述通过连续的遗传操作改进种群，响应于模型参数配置达到预设的第一目标条件，终止迭代操作，包括：通过多代的选择、交叉和变异，不断迭代优化种群，直至达到最大迭代次数或适应度收敛的终止条件。
32、作为一种可能的实施方式，所述模型构建单元，在基于遗传变异算法构建深度学习模型，并基于所述数据收集单元所收集的目标电路的第一监测数据，更新深度学习模型时，用于：
33、监测深度学习模型的性能，响应于所述深度学习模型的性能达到预设的更新阈值时，触发深度学习模型更新，执行以下步骤：
34、基于所述数据收集单元所收集的目标电路的第一监测数据，利用遗传变异算法，动态调整深度学习模型的配置参数。
35、作为一种可能的实施方式，所述执行单元，在基于所述第一预测数据，对保险丝执行预设的处理操作时，包括：
36、响应于所述第一预测数据指示，所述目标电路在所述预测的故障位本文档来自技高网...
【技术保护点】
1.一种基于快速断路技术的保险丝，其特征在于，包括：
2.根据权利要求1所述的基于快速断路技术的保险丝，其特征在于，所述数据收集单元包括多种类型的传感器，用于并行收集所述目标电路的电流和电压信号，其中，所述多种类型的传感器包括：电流传感器，用于测量所述目标电路中的实时电流；电压传感器，用于测量所述目标电路两端的实时电压；所述数据收集单元在实时收集所述目标电路的电流、电压信号时，还用于：
3.根据权利要求1所述的一种基于快速断路技术的保险丝，其特征在于，所述数据收集单元进一步在对所收集的电流、电压信号进行数据的预处理时，用于：
4.根据权利要求3所述的一种基于快速断路技术的保险丝，其特征在于，所述第一目标特征包括：信号均值、信号峰值、信号方差、信号基波、信号谐波、信号分辨率以及信号带宽；所述数据收集单元在从被压缩至-1到1范围内的电流、电压信号中提取第一目标特征时，用于：
5.根据权利要求1所述的一种基于快速断路技术的保险丝，其特征在于，所述模型构建单元，在基于遗传变异算法构建深度学习模型，用于：
6.根据权利要求5所述的
7.根据权利要求5所述的一种基于快速断路技术的保险丝，其特征在于，所述第一目标条件包括：达到最大迭代次数以及适应度收敛；所述通过连续的遗传操作改进种群，响应于模型参数配置达到预设的第一目标条件，终止迭代操作，包括：通过多代的选择、交叉和变异，不断迭代优化种群，直至达到最大迭代次数或适应度收敛的终止条件。
8.根据权利要求1所述的一种基于快速断路技术的保险丝，其特征在于，所述模型构建单元，在基于遗传变异算法构建深度学习模型，并基于所述数据收集单元所收集的目标电路的第一监测数据，更新深度学习模型时，用于：
9.根据权利要求1所述的一种基于快速断路技术的保险丝，其特征在于，所述执行单元，在基于所述第一预测数据，对保险丝执行预设的处理操作时，包括：
10.一种基于快速断路技术的保险丝的制造方法，其基于权利要求1-9任一项所述一种基于快速断路技术的保险丝实现，其特征在于，包括步骤：
...【技术特征摘要】
1.一种基于快速断路技术的保险丝，其特征在于，包括：
2.根据权利要求1所述的基于快速断路技术的保险丝，其特征在于，所述数据收集单元包括多种类型的传感器，用于并行收集所述目标电路的电流和电压信号，其中，所述多种类型的传感器包括：电流传感器，用于测量所述目标电路中的实时电流；电压传感器，用于测量所述目标电路两端的实时电压；所述数据收集单元在实时收集所述目标电路的电流、电压信号时，还用于：
3.根据权利要求1所述的一种基于快速断路技术的保险丝，其特征在于，所述数据收集单元进一步在对所收集的电流、电压信号进行数据的预处理时，用于：
4.根据权利要求3所述的一种基于快速断路技术的保险丝，其特征在于，所述第一目标特征包括：信号均值、信号峰值、信号方差、信号基波、信号谐波、信号分辨率以及信号带宽；所述数据收集单元在从被压缩至-1到1范围内的电流、电压信号中提取第一目标特征时，用于：
5.根据权利要求1所述的一种基于快速断路技术的保险丝，其特征在于，所述模型构建单元，在基于遗传变异算法构建深度学习模型，用于：
6.根据权利要求5所述的一种基于快速断路技术的保险丝，其特征在于，所述决策变量包括：深度学习模型结构参数和训...
【专利技术属性】
技术研发人员：代柏林，祝利琴，李国华，邓琴，
申请(专利权)人：洪湖市蓝光电子有限责任公司，
类型：发明
国别省市：
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。