发明名称 一种密封电磁继电器电接触失效类别判定方法
摘要 本发明提供一种密封电磁继电器电接触失效类别判定方法。方法步骤如下:首先对多只密封电磁继电器试验样品进行可靠性寿命试验,记录整个试验过程各试验样品接触电阻等特性参数与动作次数的关系;以接触电阻等六个特性参数构成数据矩阵Xn×6,采用主元分析方法对多维特性参数数据进行降维预处理,从降维后的数据中提取相应数学特征并按失效机理不同进行分类,采用距离判别方法计算新试验样本与各类训练样本的马氏距离,通过比较马氏距离大小确定失效类型;本发明无需开壳借助光学显微镜等仪器进行失效分析。可排除其他诱因导致的干扰因素,使真正的失效原因得以暴露定位。
申请公布号 CN101806861B 申请公布日期 2012.02.15
申请号 CN201010149035.3 申请日期 2010.04.19
申请人 哈尔滨工业大学 发明人 任万滨;余琼;翟国富
分类号 G01R31/327(2006.01)I;G06F19/00(2006.01)I 主分类号 G01R31/327(2006.01)I
代理机构 代理人
主权项 1.一种密封电磁继电器电接触失效类别判定方法,其特征在于:方法步骤如下:步骤一:首先对多只密封电磁继电器试验样品进行可靠性寿命试验,记录整个试验过程各试验样品接触电阻、吸合时间、超程时间、弹跳时间特性参数与动作次数的关系;以接触电阻、吸合时间、释放时间、超程时间、燃弧时间和弹跳时间的六个特性参数构成数据矩阵X<sub>n×6</sub>,其中n为动作次数;步骤二:鉴于不同失效机理下特性参数的变化特征不同,采用主元分析方法对多维特性参数数据进行降维预处理,消除彼此的冗余信息及干扰信息;对于数据矩阵X<sub>n×m</sub>,每一列x<sub>i</sub>对应一个特征矢量,每一行为观测样本,可表示为:X=TP<sup>T</sup>=t<sub>1</sub>p<sub>1</sub><sup>T</sup>+t<sub>2</sub>p<sub>2</sub><sup>T</sup>+…t<sub>m</sub>p<sub>m</sub><sup>T</sup>    (1)式中,t<sub>i</sub>为得分矢量,p<sub>i</sub>为负荷矢量;得分矢量和负荷矢量都是两两正交的,每个得分矢量实际是X在与此得分矢量相应的负荷矢量方向上的投影,也就是主元,可表示为t<sub>i</sub>=Xp<sub>i</sub>    (2)对X的协方差矩阵进行特征向量分析,当X的特征矢量量纲不同或数量级差别较大时,采用公式(3)对其进行标准化处理,即使X的特征矢量均值为0,方差为1;<img file="FSB00000619494000011.GIF" wi="1183" he="152" />标准化后得到矩阵Y,其协方差矩阵为<img file="FSB00000619494000012.GIF" wi="1051" he="119" />对C做特征向量分析,得到特征值λ<sub>1</sub>≥λ<sub>2</sub>≥…≥λ<sub>m</sub>≥0,与这些特征值相对应的特征向量p<sub>i</sub>是矩阵的负荷矢量,从而由式(2)求得矩阵X的主元;采用主元贡献率描述各主元综合原始特征矢量的能力,第i主元贡献率定义为<img file="FSB00000619494000013.GIF" wi="188" he="119" />前j个主元的累计贡献率为<img file="FSB00000619494000014.GIF" wi="257" he="122" />贡献 率越大,说明主元综合原始特征矢量的能力越强;当各特性参数之间存在一定的相关性时,X的变化主要体现在前几个主元上,对于变化随机性较大的特性参数而言,第一主元和第二主元已能较强地综合原始多维特性参数的变化信息;步骤三:从降维后的数据中提取相应数学特征并按失效机理不同进行分类,构成原始的类型判别训练样本;步骤四:在每种类型的样本符合一定的概率分布情况下,采用距离判别方法计算新试验样本与各类训练样本的马氏距离,通过比较马氏距离大小确定该样本的失效类型;设总体G为l维总体,其数量指标为Z=[Z<sub>1</sub>,Z<sub>2</sub>,...Z<sub>l</sub>]<sup>T</sup>;令μ<sub>i</sub>=E(Z<sub>i</sub>),i=1,2,…l,总体G的均值向量为μ=[μ<sub>1</sub>,μ<sub>2</sub>,...μ<sub>l</sub>]<sup>T</sup>,协方差矩阵∑=cov(G)=E[(G-μ)(G-μ)<sup>T</sup>];则样本z=[z<sub>1</sub>,z<sub>2</sub>,...z<sub>l</sub>]<sup>T</sup>与总体G的马氏距离定义为<img file="FSB00000619494000021.GIF" wi="1358" he="100" />设有k个l维总体:G<sub>1</sub>,G<sub>2</sub>,…G<sub>k</sub>,均值向量分别为μ<sub>1</sub>,μ<sub>2</sub>,…μ<sub>k</sub>,协方差矩阵分别为∑<sub>1</sub>,∑<sub>2</sub>,…∑<sub>k</sub>,考察样本z和各总体的距离d(z,G<sub>j</sub>),若满足:<img file="FSB00000619494000022.GIF" wi="1156" he="88" />则判定z∈G<sub>j0</sub>;在实际问题中,各总体的均值向量μ<sub>1</sub>,μ<sub>2</sub>,…μ<sub>k</sub>和协方差矩阵∑<sub>1</sub>,∑<sub>2</sub>,…∑<sub>k</sub>都是未知的,可利用总体的训练样本做估计;距离判别准则提出后,需要考察它的优良性;采用回代估计法计算误判率;以两总体G<sub>1</sub>和G<sub>2</sub>为例,设两个总体的容量分别为n<sub>1</sub>和n<sub>2</sub>,以全体训练样本为n<sub>1</sub>+n<sub>1</sub>个新样本,逐个代入已建立的的判别准则中判别其归属;回判结果见表1;表1回判结果表<img file="FSB00000619494000023.GIF" wi="983" he="388" /><img file="FSB00000619494000031.GIF" wi="964" he="172" />n<sub>12</sub>表示将属于G<sub>1</sub>的样本误判为总体G<sub>2</sub>的个数;n<sub>21</sub>表示将属于G<sub>2</sub>的样本误判为总体G<sub>1</sub>的个数;n<sub>11</sub>和n<sub>22</sub>表示回判正确的个数;误判率η的回代估计为:<img file="FSB00000619494000032.GIF" wi="1141" he="137" />。
地址 150001 黑龙江省哈尔滨市南岗区西大直街92号