一种应用RBM算法模型的车载双向充电机测控系统的制作方法

一种应用rbm算法模型的车载双向充电机测控系统
技术领域
1.本发明涉及测试控制领域，且更确切地涉及一种应用rbm算法模型的车载双向充电机测控系统。


背景技术：

2.充电机是采用高频电源技术，运用先进的智能动态调整充电技术。它采用恒流/恒压/小恒流智能三个阶段充电方式，具有充电效率高，操作简单，重量轻，体积小等特点。机器内部电力器件（如变压器、电感、电容器等）都较大，一般在带载较大运行时存在较小噪声，但该机型在恶劣的电网环境条件中耐抗性能较强，可靠性及稳定性均比高频机强。充电机是以微处理器（cpu芯片）作为处理控制中心，是将繁杂的硬件模拟电路烧录于微处理器中，以软件程序的方式来控制ups的运行。因此，体积大大缩小，重量大大降低，制造成本低，售价相对低。高频机逆变频率一般在20khz以上。但高频机在恶劣的电网及环境条件下耐受能力差，较适用于电网比较稳定及灰尘较少、温/湿度合适的环境。
3.车载双向充电机在应用过程中容易出现故障，如何实现车载双向充电机测控成为用户关心的话题。常规技术通常采用检测设备实现车载双向充电机测试，通过检测装置在线检测，这种方法虽然在一定程度上能力提高车载双向充电机测试控制能力，但是无法实现车载双向充电机的远程测量与控制，检测和数据分析能力滞后。


技术实现要素：

4.针对上述技术的不足，本发明公开一种应用rbm算法模型的车载双向充电机测控系统，能够实现车载双向充电机远距离数据通信和测试，通过误差测量和数据分析，能够提高充电机测量的工作效率。
5.为了实现上述技术效果，本发明采用以下技术方案：一种应用rbm算法模型的车载双向充电机测控系统，其中所述方法通过构建以下系统实现，其中包括：控制模块，用于控制车载双向充电机处于工作状态，并控制采集充电机的电流、温度、电压、功率纹波、频率、电压有效值、电流有效值、谐波电压、谐波电流、电压不平衡、电流不平衡、闪变、功率、功率因数以及2-68次谐波信号；其中控制模块集成了数据计量算法，该算法为超越安全阈tbs算法模型对计量数据进行校准控制，实际检测数据信息超过标准的充电机计量数据时，输出数据模型如公式（1）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)在公式(1)中，表示充电机计量过程中输出的车载数据信息输出函数，
为充电机计量过程中存在意外事故的概率数， 为充电机计量过程中实时计量显示数据，为充电机计量过程中输出的校准度；为控制充电机工作时间的外界数据影响因子；为控制充电机工作时间的外界数据影响因子函数，为在充电机计量过程中输出校准度下控制充电机工作时间的外界数据影响因子函数；a/d转换模块，用于将采集的模拟信号转换为数字信号；电流采样模块，用于采集充电机的电流信号；电压采集模块，用于采集充电机的电压信号；温度检测模块，用于采集充电机的温度信号；信号调理电路，用于将输入的模拟信号变换为数据采集、控制过程或者执行计算显示读出数字信号，降低电路中的噪声；所述信号调理电路设置有数据型乘法器故障定位模块；测量模块，用于测量充电机的电流、温度、电压、功率纹波、频率、电压有效值、电流有效值、谐波电压、谐波电流、电压不平衡、电流不平衡、闪变、功率、功率因数以及2-68次谐波信号；多通道数据接口，作为传递采集到的数据信息的介质；无线通信模块，通过无线数据通信的方式将数据信息中一种终端传递到另一种终端；远程监控终端，在充电机远端接收采集到的数据信息，并对接收到的数据信息进行分析和应用；其中所述控制模块分别与a/d转换模块、通道数据接口、测量模块连接，所述测量模块与无线通信模块连接，所述无线通信模块与远程监控终端连接，所述a/d转换模块分别连接电流采样模块、电压采集模块和温度检测模块，所述电流采样模块和电压采集模块还连接有信号调理电路。
6.作为本发明进一步的技术方案，控制模块为fpga dsp处理器。
7.作为本发明进一步的技术方案，a/d转换模块数据采样为ads8556芯片，采用的数学分辨率为 16 位，数据通道的采样率为630ksps，压输入范围介于-10~ 10v，采集精度误差是小于0.02%。
8.作为本发明进一步的技术方案，测量模块实现充电机电能误差测量时，计算方法为在计时时间 t 内，两路 24 位 a/d 采集的电压序列为{ u
1 ( 1) ，u
1 ( 2) ，
…
，u
1 ( n) } ，电流序列为{ u
2 ( 1) ，u
2 ( 2) ，
…
， u
2 ( n) }，有： （1）公式（1）中，为充电机测量功率值，w；为充电机测量电能值，ws；为电流采样值与实际值间的转换系数，其大小由电流通道的硬件参数决定；为电压采样值与实际值间的转换系数，其大小由电压通道的硬件参数决定；为选定的测量时间，s；为 ad 对充电机输出的电压和电流采样的次数；为采样序号：
ꢀ
（2）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）公式（3）中，c为充电机电能脉冲常数imp /kwh； 其值随着电压电流量程改变而改变；f为标准电能脉冲频率高频为60 khz或低频6 hz；由公式（2）和公式（3）代入得： （4）公式（4）中，m为实测脉冲数；m0为算定的脉冲数； u
i 为充电机电压测量量程；ii为充电机电流测量量程；f为标准电能脉冲频率高频为60 khz或低频6 hz。
9.作为本发明进一步的技术方案，数据型乘法器故障定位模块包括i/v转换模块和v/v转换模块，利用tm320芯片多个引脚完成定位装置的故障信息对接，对系统的多各部分进行定位。
10.作为本发明进一步的技术方案，信号调理电路包括抗干扰运放电路和三极管放大电路，其中抗干扰运放电路的输出端与三极管放大电路的输入端连接。
11.作为本发明进一步的技术方案，测量模块中设置有rbm算法模型，以实现充电机的电流、温度、电压、功率纹波、频率、电压有效值、电流有效值、谐波电压、谐波电流、电压不平衡、电流不平衡、闪变、功率、功率因数以及2-68次谐波信号的融合。
12.作为本发明进一步的技术方案，rbm算法模型的工作方法为：设置x为分类后的充电机电流、温度、电压、功率纹波、频率、电压有效值、电流有效值、谐波电压、谐波电流、电压不平衡、电流不平衡、闪变、功率、功率因数以及2-68次谐波信号输入向量，hc为深度学习算法模型中不同隐层函数的参数，c表示隐层的数量，通过cd-1算法进行不同层次受限玻尔兹曼机rbm参数的学习和训练，则第一个隐层h1的参数为{w-1
；a1}，设置的n层rbm向量函数依次叠加在第二层上，通过逐步增加，训练最后一层为：（5）公式（5）中，为rbm算法模型隐层最终输出函数；通过函数（5）进行训练不同层的参数：（6）公式（6）中，为rbm算法模型不同数据层的参数；然后将该向量作为上一层 的输入向量，其中：。最后层参数可以记作为，训练输出可以为：
（7）公式（7）中，为rbm算法模型最终输出数据信息值。
13.本发明有益的积极效果在于：区别于常规技术，本发明公开一种应用rbm算法模型的车载双向充电机测控系统，包括：控制模块、a/d转换模块、电流采样模块、电压采集模块、温度检测模块、信号调理电路、测量模块、多通道数据接口、无线通信模块和远程监控终端实现充电机测控，其中控制模块集成了数据计量算法，该算法为超越安全阈tbs算法模型对计量数据进行校准控制， 信号调理电路设置有数据型乘法器故障定位模块，测量模块中设置有rbm算法模型，以实现充电机的电流、温度、电压、功率纹波、频率、电压有效值、电流有效值、谐波电压、谐波电流、电压不平衡、电流不平衡、闪变、功率、功率因数以及2-68次谐波信号的融合和计算，大大提高了充电机测量能力。
附图说明
14.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：图1为本发明系统原理架构示意图；图2为本发明中数据型乘法器故障定位模块结构示意图；图3为本发明中信号调理电路原理示意图；图4为本发明中rbm算法模型架构示意图。
具体实施方式
15.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
16.如图1所示， 一种应用rbm算法模型的车载双向充电机测控系统，包括：控制模块，用于控制车载双向充电机处于工作状态，并控制采集充电机的电流、温度、电压、功率纹波、频率、电压有效值、电流有效值、谐波电压、谐波电流、电压不平衡、电流不平衡、闪变、功率、功率因数以及2-68次谐波信号；其中控制模块集成了数据计量算法，该算法为超越安全阈tbs算法模型对计量数据进行校准控制，实际检测数据信息超过标准的充电机计量数据时，输出数据模型如公式（1）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)在公式(1)中，表示充电机计量过程中输出的车载数据信息输出函数，为充电机计量过程中存在意外事故的概率数，为充电机计量过程中实时计量显示数据，为充电机计量过程中输出的校准度；为控制充电机工作时间的外界数据影响因子；
为控制充电机工作时间的外界数据影响因子函数，为在充电机计量过程中输出校准度下控制充电机工作时间的外界数据影响因子函数；a/d转换模块，用于将采集的模拟信号转换为数字信号；电流采样模块，用于采集充电机的电流信号；电压采集模块，用于采集充电机的电压信号；温度检测模块，用于采集充电机的温度信号；信号调理电路，用于将输入的模拟信号变换为数据采集、控制过程或者执行计算显示读出数字信号，降低电路中的噪声；所述信号调理电路设置有数据型乘法器故障定位模块；测量模块，用于测量充电机的电流、温度、电压、功率纹波、频率、电压有效值、电流有效值、谐波电压、谐波电流、电压不平衡、电流不平衡、闪变、功率、功率因数以及2-68次谐波信号；多通道数据接口，作为传递采集到的数据信息的介质；无线通信模块，通过无线数据通信的方式将数据信息中一种终端传递到另一种终端；远程监控终端，在充电机远端接收采集到的数据信息，并对接收到的数据信息进行分析和应用；其中所述控制模块分别与a/d转换模块、通道数据接口、测量模块连接，所述测量模块与无线通信模块连接，所述无线通信模块与远程监控终端连接，所述a/d转换模块分别连接电流采样模块、电压采集模块和温度检测模块，所述电流采样模块和电压采集模块还连接有信号调理电路。超越安全阈值tbs算法模型的英文为 (threshold beyond safety tbs)。
17.在上述实施例中，控制模块为fpga dsp处理器。
18.采用artix-7系列xc7a100t-2fgg484i芯片实现车载充电机测量的硬件，在直流测试单元中，a/d转换模块数据采样为ads8556芯片，采用的数学分辨率为 16 位，该数据信息支撑6路并行差分输入在每路的数据通信中，其中数据通道的采样率为630ksps，电压输入范围介于-10~ 10v，采集精度误差是小于0.02%，通过这种方式，能够实现不同数据通道的非车载充电机现场数据信息的同步采集与计量监测。
19.然后将采集到的数据信息量从模拟数据信息转换为数字数据信息，通过fpga计量，完成脉冲数据信息的计数采样、预处理、实时运算和记录等多种数据功能，这种方式能够将非车载充电机校验电压采集精度达到0.02%。
20.在上述实施例中，a/d转换模块数据采样为ads8556芯片，采用的数学分辨率为 16 位，数据通道的采样率为630ksps，压输入范围介于-10~ 10v，采集精度误差是小于0.02%。
21.在上述实施例中，测量模块实现充电机电能误差测量时，计算方法为在计时时间 t 内，两路 24 位 a/d 采集的电压序列为{ u
1 ( 1) ，u
1 ( 2) ，
…
，u
1 ( n) } ，电流序列为{ u
2 ( 1) ，u
2 ( 2) ，
…
，u
2 ( n) }，有：
ꢀꢀ
（1）公式（1）中，为充电机测量功率值，w；为充电机测量电能值，ws；为电流采样
值与实际值间的转换系数，其大小由电流通道的硬件参数决定；为电压采样值与实际值间的转换系数，其大小由电压通道的硬件参数决定；为选定的测量时间，s；为 ad 对充电机输出的电压和电流采样的次数；为采样序号；
ꢀꢀ
（2）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）公式（3）中，c为充电机电能脉冲常数imp /kwh； 其值随着电压电流量程改变而改变；f为标准电能脉冲频率高频为60 khz或低频6 hz；由公式（2）和公式（3）代入得： （4）公式（4）中，m为实测脉冲数；m0为算定的脉冲数； u
i 为充电机电压测量量程；ii为充电机电流测量量程；f为标准电能脉冲频率高频为60 khz或低频6 hz。
22.在上述实施例中，数据型乘法器故障定位模块包括i/v转换模块和v/v转换模块，利用tm320芯片多个引脚完成定位装置的故障信息对接，对系统的多各部分进行定位。
23.如图2所示，在进一步的实施例中，所输出电压经过内部的i/v模块、v/v模块以及a/d单元，dsp负责数据的处理，将定位的结果输入到通讯接口。为满足并区分不同系统部分的故障定位，采用一种高精度定位器实现故障的定位，二次工作中出现的电流经i/v转换电路实现较宽动态范围下的定位，由于互感器一次的循环过程下不会感应过于灵敏，因此在进行故障数据的定位方式，需要经过v/v转换模块，兼顾噪声、功耗等需要注意的问题，采用高性能分压电阻，最大输入电压为528v。采用8通道18位adc，共模抑制比高达128db，采样几率较高，adc引入综合误差较小。对于时钟电路，设定8条交流线路样本为周期限定，使乘法器适用于多线路的环境。因此相位抖动引起的采样误差可忽略不计。此外，在备用能源电池模块设置有5200mah容量的电池，即使在发生停电等情况，也可以保持一定时间的工作状态，保证系统的安全稳定。
24.在上述实施例中，信号调理电路包括抗干扰运放电路和三极管放大电路，其中抗干扰运放电路的输出端与三极管放大电路的输入端连接。
25.如图3所示，该优化线路的组成和运行过程，整体由放大器和三极管组成信号转换模块，输入的电压信号ui经过放大器作用，正向电压进行接地，反向电压经过电阻消减最终流入三极管信号转换中心，两个三极管发射极对接能够有效完成数据信号的传输，集电极连接多个电阻回路，最终输出最佳的信号调理结果，基极最终接地。整个优化后的系统硬件电路对多回路干扰的抑制力更强，加强了定位硬件的运行稳定性。
26.在上述实施例中，测量模块中设置有rbm算法模型，以实现充电机的电流、温度、电压、功率纹波、频率、电压有效值、电流有效值、谐波电压、谐波电流、电压不平衡、电流不平衡、闪变、功率、功率因数以及2-68次谐波信号的融合。
27.rbm算法模型的工作方法为：设置x为分类后的充电机电流、温度、电压、功率纹波、频率、电压有效值、电流有效值、谐波电压、谐波电流、电压不平衡、电流不平衡、闪变、功率、功率因数以及2-68次谐波信号输入向量，hc为深度学习算法模型中不同隐层函数的参数，c表示隐层的数量，通过cd-1算法进行不同层次受限玻尔兹曼机rbm参数的学习和训练，则第一个隐层h1的参数为{w-1
；a1}，设置的n层rbm向量函数依次叠加在第二层上，通过逐步增加，训练最后一层为：（5）公式（5）中，为rbm算法模型隐层最终输出函数；通过函数（5）进行训练不同层的参数：（6）公式（6）中，为rbm算法模型不同数据层的参数；然后将该向量作为上一层 的输入向量，其中：。最后层参数可以记作为，训练输出可以为：（7）公式（7）中，为rbm算法模型最终输出数据信息值；这样就可以通过不同数据信息的权值大小、关联属性进行搜索，最终搜到的数据信息便为充电机数据影响量比较大的数据信息，训练时间比较快、模型节省收敛时间比较强。提高了充电机数据应用时的评估能力。
28.虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。