基于麻雀搜索和改进灰色模型的继电器贮存寿命预测方法与流程

1.本发明涉及一种电磁继电器贮存寿命预方法，具体的说是涉及一种基于麻雀搜索算法优化改进灰色模型的弹用继电器贮存寿命预测方法。


背景技术：

2.电磁继电器通过触头的接通或断开控制电路，具有转换深度高、物理隔离性能好等优点，广泛应用于自动控制系统、电力保护系统以及通信系统中，起控制、检测、保护和调节的作用，是国防尖端技术、先进的工业和民用设备不可缺少的基本元件之一，其贮存可靠性对系统的可靠性有着重要的影响。大量的经验、数据和原理分析表明，电磁继电器贮存过程中性能参数的变化可以精确地反映出电磁继电器的退化情况，体现其内部结构缓慢的变化，进而判别器件是否失效并用获得的数据建立模型预测继电器的贮存寿命。
3.近年来，电磁继电器向着高可靠性，长寿命的方向发展，且航天继电器、军用继电器等造价昂贵，因此这些继电器的贮存可靠性试验有着小子样的特点，其贮存寿命预测就变得难以估算，而交叉验证法对于大的数据集，经过多次划分大大降低了结果的偶然性，能够提高模型的准确性，对数据的使用率也比较高。
4.灰色预测是一种对含有不确定因素的系统进行预测的方法。灰色预测通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。其用等时距观测到的反映预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。在继电器接触电阻进行预测时，初期监测得到的旧数据对预测结果的影响将会越来越小，而新的观测数据更能体现接触电阻的最新状态和未来发展的趋势，即之前的旧数据随着时间的推进作用越来越低。为了更准确地对继电器的接触电阻进行预测，需要不断更新观测数据并将旧数据剔除，才能提高模型预测的精确度。


技术实现要素：

5.为了解决上述问题，本发明提供了基于麻雀搜索算法优化改进灰色模型的弹用继电器贮存寿命预测方法，该方法在改进灰色模型的基础上用麻雀算法对其权值进行优化以达到进一步提高接触电阻预测精度的目的。
6.本发明将改进原始的灰色模型以获得新的模型。其具体步骤为：先用gm(1,1)模型对n维的原始数据序列进行预测，得到第一个预测值后，将原始数据的第一个数据替换为得到的预测值，得到一个新的数据序列，接着用所得到的新的序列继续用gm(1,1)模型预测，得到第二个预测值，循环往复，直至所有的数据都被替换，得到全部的预测值。
7.本发明在改进灰色模型的基础上用麻雀算法对其权值进行优化以达到进一步提高接触电阻预测精度的目的。
8.建立麻雀搜索算法的数学模型，主要规则如下所述：
9.发现者通常拥有较高的能源储备并且在整个种群中负责搜索到具有丰富食物的区域，为所有的加入者提供觅食的区域和方向。在模型建立中能量储备的高低取决于麻雀个体所对应的适应度值(fitness value)的好坏。
10.一旦麻雀发现了捕食者，个体开始发出鸣叫作为报警信号。当报警值大于安全值时，发现者会将加入者带到其它安全区域进行觅食。
11.发现者和加入者的身份是动态变化的。只要能够寻找到更好的食物来源，每只麻雀都可以成为发现者，但是发现者和加入者所占整个种群数量的比重是不变的。也就是说，有一只麻雀变成发现者必然有另一只麻雀变成加入者。
12.加入者的能量越低，它们在整个种群中所处的觅食位置就越差。一些饥肠辘辘的加入者更有可能飞往其它地方觅食，以获得更多的能量。
13.在觅食过程中，加入者总是能够搜索到提供最好食物的发现者，然后从最好的食物中获取食物或者在该发现者周围觅食。与此同时，一些加入者为了增加自己的捕食率可能会不断地监控发现者进而去争夺食物资源。
14.当意识到危险时，群体边缘的麻雀会迅速向安全区域移动，以获得更好的位置，位于种群中间的麻雀则会随机走动，以靠近其它麻雀。
15.为了达到上述目的，本发明是通过以下技术方案实现的：
16.本发明是一种基于麻雀搜索和改进灰色模型的继电器贮存寿命预测方法，该预测方法包括如下步骤：
17.步骤1：选取继电器贮存过程中变化的接触电阻作为特征参量；
18.步骤2：对电磁继电器进行加速贮存退化试验，获取步骤1中性能特征参量在历史时间维度中样本数据，依据测量所得的接触电阻数据构建原始数列；
19.步骤3：用所述步骤2测得的接触电阻数据构建灰色模型；
20.步骤4：用等纬递补的方法对步骤3的灰色模型进行改进；
21.步骤5：用麻雀搜索算法对步骤4改进的灰色模型的权值进行优化；
22.步骤6：用步骤5优化后的新模型,对接触电阻变化趋势进行预测，并与优化前的改进灰色模型进行对比。
23.进一步的：用麻雀算法对步骤4改进的灰色模型的权值进行优化，具体优化步骤为：
24.步骤5-1：初始化种群，迭代次数，初始化捕食者和加入者比列；
25.步骤5-2：计算适应度值，并排序；
26.步骤5-3：利用下式更新捕食者位置：
[0027][0028]
其中，t代表当前迭代数，j＝1,2,3
…
d，iter
max
是一个常数，表示最大的迭代次数，x
i,j
表示第i个麻雀在第j维中的位置信息，α∈[0，1]是一个随机数，r2(r2∈[0,1])和st(st∈[0.5,1])分别表示预警值和安全值，q是服从正态分布的随机数，l表示一个1
×
d的矩阵，其中该矩阵内每个元素全部为1；
[0029]
步骤5-4：利用下式更新加入者位置：
[0030][0031]
其中x
p
是目前发现者所占据的最优位置,x
worst
则表示当前全局最差的位置，a表示一个1
×
d的矩阵，其中每个元素随机赋值为1或-1，并且a ＝at(aat)-1，当i》n/2时，这表明，适应度值较低的第i个加入者没有获得食物，处于十分饥饿的状态，此时需要飞往其它地方觅食，以获得更多的能量；
[0032]
步骤5-5：利用下式更新警戒者位置：
[0033][0034]
其中，其中x
best
是当前的全局最优位置，β作为步长控制参数，是服从均值为0，方差为1的正态分布的随机数，k∈[-1，1]是一个随机数，fi则是当前麻雀个体的适应度值，fg和fw分别是当前全局最佳和最差的适应度值，ε是常数，以避免分母出现零；
[0035]
步骤5-6：计算适应度值并更新麻雀位置；
[0036]
步骤5-7：是否满足精度要求，满足则获得最优权值，并输出输出结果，否则，重复执行步骤5-2-步骤5-6。
[0037]
进一步的，该方法用于弹用继电器贮存寿命的预测。
[0038]
本发明的有益效果是：本发明在对传统灰色模型改进的基础上，运用等维灰数递补方法对模型进行动态更新建立改进灰色模型，并引入麻雀搜索算法对其权值参数进行优化，得到新模型,经过对预测结果的对比分析，表明新模型具有较高的预测精度。
附图说明
[0039]
图1是本发明弹用继电器贮存寿命预测方法流程图。
[0040]
图2是本发明改进灰色模型流程图。
[0041]
图3是本发明麻雀搜索算法示意图。
具体实施方式
[0042]
以下将以图式揭露本发明的实施方式，为明确说明起见，许多实务上的细节将在以下叙述中一并说明。然而，应了解到，这些实务上的细节不应用以限制本发明。也就是说，在本发明的部分实施方式中，这些实务上的细节是非必要的。
[0043]
本发明是一种基于麻雀搜索和改进灰色模型的继电器贮存寿命预测方法，该方法用于单用继电器贮存寿命预测方法，具体包括如下步骤：
[0044]
步骤1：选取继电器贮存过程中变化的接触电阻作为特征参量，特征参量，不仅可以是接触电阻也可以是线圈电阻、释放电压，释放电压、释放时间、超呈差等其他能表征继电器性能退化的性能参数。
[0045]
步骤2：对电磁继电器进行加速贮存退化试验，获取步骤1中性能特征参量在历史
时间维度中样本数据,依据测量所得的接触电阻数据构建原始数列，原始数列可以写成：
[0046]
x
(0)
＝{x
(0)
(1),x
(0)
(2),x
(0)
(3),
…
x
(0)
(n),}。
[0047]
步骤3：用所述步骤2测得的接触电阻数据构建灰色模型。
[0048]
所述步骤3的灰色模型建模步骤包括：
[0049]
步骤3-1：在原始数据的基础上对其进行逐次累加后得到一个新的数列x
(1)
：
[0050][0051]
x
(1)
就具有准指数规律，其背景值为：
[0052]z(1)
(k)＝λx
(1)
(k) (1-λ)x
(1)
(k-1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0053]
其中背景值生成因子λ∈[0,1]，一般取常数0.5；
[0054]
步骤3-2：根据式(2)和(3)生成背景值序列为：
[0055]z(1)
＝{z
(1)
(2),z
(1)
(3),z
(1)
(4)
…z(1)
(n)}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0056]
步骤3-3：建立微分方程，其表现形式为:
[0057][0058]
其中a为发展系数，u为灰色作用量；
[0059]
步骤3-4：将公式(5)离散化得到：
[0060]
x
(0)
(k) az
(1)
(k)＝u
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0061]
步骤3-5：用最小二乘法求解a和u的值得到，
[0062][0063]
其中为估计值，y为[x
(0)
(2),x
(0)
(3),
…
x
(0)
(n)]
t
；
[0064]
步骤3-6：计算模型时间响应为：
[0065][0066]
步骤3-7：通过还原得到灰色模型公式：
[0067][0068]
步骤4：用等纬递补的方法对步骤3的灰色模型进行改进，等维递补的方法其具体步骤为：先用灰色模型对n维的原始数据序列进行预测，得到第一个预测值后，将原始数据的第一个数据替换为得到的预测值，得到一个新的数据序列，接着用所得到的新的序列继续用gm(1,1)模型预测，得到第二个预测值，循环往复，直至所有的数据都被替换，得到全部的预测值。
[0069]
步骤5：用麻雀搜索算法对步骤4改进的灰色模型的权值进行优化。
[0070]
麻雀搜索算法的具体步骤如下：
[0071]
在麻雀觅食的过程中，分为发现者(探索者)和加入者(追随者)，发现者在种群中负责寻找食物并为整个麻雀种群提供觅食区域和方向，而加入者则是利用发现者来获取食物。为了获得食物，麻雀通常可以采用发现者和加入者这两种行为策略进行觅食。种群中的个体会监视群体中其它个体的行为，并且该种群中的攻击者会与高摄取量的同伴争夺食物
资源，以提高自己的捕食率。此外，当麻雀种群意识到危险时会做出反捕食行为。具体算法如下：
[0072]
由n只麻雀组成的种群可表示为如下形式：
[0073][0074]
其中，d表示待优化问题变量的维数，n则是麻雀的数量。
[0075]
所有麻雀的适应度值可以表示为如下形式：
[0076][0077]
其中，f表示适应度值。
[0078]
根据式(10)和式(11)，在每次迭代的过程中，发现者的位置更新描述如下：
[0079][0080]
其中，t代表当前迭代数，j＝1,2,3
…
d。iter
max
是一个常数，表示最大的迭代次数。x
i,j
表示第i个麻雀在第j维中的位置信息。α∈[0，1]是一个随机数。r2(r2∈[0,1])和st(st∈[0.5,1])分别表示预警值和安全值。q是服从正态分布的随机数。l表示一个1
×
d的矩阵，其中该矩阵内每个元素全部为1。
[0081]
加入者的位置更新描述如下：
[0082][0083]
其中x
p
是目前发现者所占据的最优位置,x
worst
则表示当前全局最差的位置。a表示一个1
×
d的矩阵，其中每个元素随机赋值为1或-1，并且a ＝at(aat)-1。当i》n/2时，这表明，适应度值较低的第i个加入者没有获得食物，处于十分饥饿的状态，此时需要飞往其它地方觅食，以获得更多的能量。
[0084]
麻雀的初始位置描述如下：
[0085][0086]
其中，其中x
best
是当前的全局最优位置。β作为步长控制参数，是服从均值为0，方
差为1的正态分布的随机数。k∈[-1，1]是一个随机数，fi则是当前麻雀个体的适应度值。fg和fw分别是当前全局最佳和最差的适应度值。ε是常数，以避免分母出现零。
[0087]
具体优化步骤为：
[0088]
步骤5-1：初始化种群，迭代次数，初始化捕食者和加入者比列；
[0089]
步骤5-2：计算适应度值，并排序；
[0090]
步骤5-3：利用下式更新捕食者位置：
[0091][0092]
其中，t代表当前迭代数，j＝1,2,3
…
d，iter
max
是一个常数，表示最大的迭代次数，x
i,j
表示第i个麻雀在第j维中的位置信息，α∈[0，1]是一个随机数，r2(r2∈[0,1])和st(st∈[0.5,1])分别表示预警值和安全值，q是服从正态分布的随机数，l表示一个1
×
d的矩阵，其中该矩阵内每个元素全部为1；
[0093]
步骤5-4：利用下式更新加入者位置：
[0094][0095]
其中x
p
是目前发现者所占据的最优位置,x
worst
则表示当前全局最差的位置，a表示一个1
×
d的矩阵，其中每个元素随机赋值为1或-1，并且a ＝at(aat)-1，当i》n/2时，这表明，适应度值较低的第i个加入者没有获得食物，处于十分饥饿的状态，此时需要飞往其它地方觅食，以获得更多的能量；
[0096]
步骤5-5：利用下式更新警戒者位置：
[0097][0098]
其中，其中x
best
是当前的全局最优位置，β作为步长控制参数，是服从均值为0，方差为1的正态分布的随机数，k∈[-1，1]是一个随机数，fi则是当前麻雀个体的适应度值，fg和fw分别是当前全局最佳和最差的适应度值，ε是常数，以避免分母出现零；
[0099]
步骤5-6：计算适应度值并更新麻雀位置；
[0100]
步骤5-7：是否满足精度要求，满足则获得最优权值，并输出输出结果，否则，重复执行步骤5-2-步骤5-6。
[0101]
步骤6：用步骤5优化后的新模型,对接触电阻变化趋势进行预测，并与优化前的改进灰色模型进行对比，预测结果使用平均相对百分误差ym、根均方误差yr、预测精度y
fa
等三个试验评价指标进行比较评价
[0102]
[0103][0104][0105]
上式中：n表示测试数据集的样本容量；xa(i)和x
p
(i)(i＝1,2,
…
n)分别为第i时刻继电器接触电阻的真实值和预测值；其中ym与yr数值越小，y
fa
数值越大、表示拟合优度越大，模型预测结果越准确。
[0106]
下面以厦门宏发公司的jzc-200m超小型中功率密封直流电磁继电器的实测数据为例解释本发明预测方法的步骤：
[0107]
步骤1：开展继电器加速贮存试验，以温度作为加速应力，设置125℃，150℃，175℃和210℃四个温度等级，分别对每个温度下10支电磁继电器进行了为期180天的加速退化实验，以9天为一个周期测试继电器各项参数，获得20个周期的接触电阻退化数据。
[0108]
步骤2：现以175℃温度应力下的20个周期的接触电阻数据为例，依据测量所得的接触电阻数据构建原始数列；
[0109]
步骤3：用测得的接触电阻数据构建灰色模型；
[0110]
步骤4：用等纬递补的方法对灰色模型进行改进；
[0111]
步骤5：用麻雀搜索算法对改进的灰色模型的权值进行优化；
[0112]
步骤6：用步骤5优化后的新模型,对接触电阻变化趋势进行预测，并与优化前的改进灰色模型进行对比。
[0113]
本发明采用改进的灰色模型以获得新的模型，并且在改进的灰色模型的基础上用麻雀算法对其权值进行优化，进一步提高了接触电阻预测精度。
[0114]
以上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理的内所作的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。