首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

适用于非正弦电压激励的卷铁心变压器铁心振动建模方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:中国人民解放军海军工程大学

摘要:本发明涉及电力电子电能变换技术领域,公开了一种适用于非正弦电压激励的卷铁心变压器铁心振动建模方法,包括如下步骤:取得磁致伸缩应变并联深度神经网络模型;建立J‑A变参数模型,将铁心分为多个区域,并结合局部坐标系分别设置其各方向的磁化模型,取得电磁场各向异性模型;各向异性结构参数按照铁心分区,并结合局部坐标系分别定义,取得结构场各向异性模型;将电磁场各向异性模型和结构场各向异性模型通过“磁场‑应变‑应力”环节实现耦合计算卷铁心振动响应。本发明适用于非正弦电压激励的卷铁心变压器铁心振动建模方法,能够实现非正弦激励下磁致伸缩应变频谱特征的精确刻画,考虑铁心参数各向异性实现铁心电磁‑机械耦合均质化振动建模。

主权项:1.一种适用于非正弦电压激励的卷铁心变压器铁心振动建模方法,其特征在于:包括如下步骤:A基于磁致伸缩频域特征建立磁密到磁致伸缩应变的映射,取得磁致伸缩应变并联深度神经网络模型;B利用多组参数结合J-A磁滞模型建立J-A变参数模型,将铁心分为多个区域,并结合局部坐标系分别设置其各方向的磁化模型,取得电磁场各向异性模型;C各向异性结构参数按照铁心分区,并结合局部坐标系分别定义,取得结构场各向异性模型;D将电磁场各向异性模型和结构场各向异性模型通过“磁场-应变-应力”环节实现耦合计算卷铁心振动响应,其中“磁场-应变”的变换环节通过磁致伸缩应变并联深度神经网络模型实现;所述步骤A中,基于磁致伸缩频域特征,建立磁致伸缩应变并联深度神经网络模型,输入层为磁密谐波的幅值B1-Bn与对应的相位θ1-θn;深度神经网络1的隐含层数为N1,输出层为磁致伸缩应变幅值分量Amp0-Ampn;深度神经网络2隐含层数为N2,输出层为磁致伸缩应变相位分量Pha1-Pham;深度神经网络3隐含层数为N3,输出层为磁致伸缩应变相位分量Pham+1-Phan;磁致伸缩应变并联深度神经网络模型针对数据集开展训练,包括权重和偏差的优化选择,将提供的磁密与磁致伸缩应变频域特征样本进行高斯分布标准化,随机分为测试集和训练集,并从中选取测试子集和训练子集进行迭代;在选择磁致伸缩应变并联深度神经网络模型的参数时,参数包括权重和偏差,对于第一次迭代,参数的值随机选择,对于下一次迭代,根据在上一次迭代中使用训练子集获得的损失函数来选择值,指标为均方误差,比较训练子集和测试子集的均方误差,如果发生过拟合则停止训练,如果未发生过拟合且未满足收敛条件,则根据均方误差来改进下一次迭代的权重和偏差,如果磁致伸缩应变并联深度神经网络模型的预测效果一直不佳,则更新磁致伸缩应变并联深度神经网络模型的结构或训练算法,结构包括隐藏层数和神经元数,训练完成后,使用测试集进行神经网络预测效果评估;所述步骤B中,将铁心分为多个区域,并结合局部坐标系分别设置其各方向的磁化模型,在轧制方向和垂直于轧制方向,根据铁心不同位置的磁密峰值来选择J-A磁滞模型的参数,以使得J-A磁滞模型在铁心不同位置都能准确表征其磁滞效应,辨识的多组J-A磁滞模型参数,建立其与磁密峰值Bm的多项式函数关系,在叠层方向,采用等效线性磁导率并由叠层结构的各向异性磁导率变换公式计算,计算公式如下:μx=Fμfx+1-Fμ0μy=Fμfy+1-Fμ0μz=μfz·μ0Fμ0+1-Fμfz式中,F为叠片系数,μfx、μfy、μfz为铁心片x、y、z方向上的绝对磁导率,μx、μy、μz为x、y、z方向上的等效绝对磁导率,μ0为真空磁导率;所述步骤C中,铁心硅钢片为无气隙紧密叠压,叠层结构由硅钢片与绝缘层均匀堆叠,将铁心整体视为各向异性材料,铁心各向异性等效杨氏模量Ex、Ey、Ez的解析式如下,其中z方向为叠片方向:Ex=Ey=βsEs+βvEvEz=EsEvβvEs+βsEv式中Es为硅钢片的杨氏模量,Ev为绝缘漆的杨氏模量,硅钢片的体积比βs=VsVs+Vv,绝缘漆的体积比βv=VvVs+Vv,Vs为硅钢片体积,Vv为绝缘漆体积,铁心各向异性等效剪切模量Gxy、Gxz、Gyz的解析式如下:Gxz=Gyz=GsGvβvGs+βsGvGxy=βsGs+βvGv式中Gs为硅钢片的剪切模量,Gv为绝缘漆的剪切模量,铁心各向异性等效泊松比δxy、δxz、δyz的解析式如下:δxy=δxz=δyz=βsδs+βvδv式中δs为硅钢片的泊松比,δv为绝缘漆的泊松比。

全文数据:

权利要求:

百度查询: 中国人民解放军海军工程大学 适用于非正弦电压激励的卷铁心变压器铁心振动建模方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。