复杂波形条件下剩余电流检测系统的技术研究

来源 :昆明理工大学 | 被引量 : 0次 | 上传用户:macgrady333
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目前我国广泛使用的是AC型剩余电流保护器,它只能在线路中产生50Hz正弦交流剩余电流时正确动作,若产生的剩余电流中包含脉动直流分量或者平滑直流分量,保护器将无法及时断开线路,导致发生人员触电或设备损坏的事故。目前已经有学者对复杂波形条件下的剩余电流的检测理论进行了相关的研究,但是相关设备的研发仍然处于初始阶段。现有的剩余电流检测方法的缺点有:零点稳定性差、温漂大、电路结构复杂、功耗大。常用的剩余电流波形识别方法的缺点有:选择的波形特征不够典型,对于复杂波形的识别准确率低。本文以实现复杂波形剩余电流的准确检测和识别为目标,对剩余电流的检测、剩余电流的波形识别问题进行了研究和分析,并以此为理论基础,设计了磁通门电流传感器及相关的电路,编写了剩余电流识别算法程序。1、研究了开环式磁通门电流传感器的测量原理。根据安培环路定理,当磁芯工作在磁滞回线的线性区间时,电流传感器的输出电压与待测电流在空间产生的磁感应强度成正比。由于磁通门磁场传感器具有低偏移和低漂移特性,该测量原理具有零点稳定性好、温漂小的优点。2、研究了基于频谱分析的波形识别方法。为了解决当前波形特征不够典型的问题,对剩余电流的波形进行了频谱分析。通过对比,提出了以频谱峰值数量和幅值大小作为波形特征,使特征更具有代表性,显著提高了算法的准确率。3、根据理论研究,对复杂波形剩余电流检测系统进行了硬件和软件的设计。为了确定传感器磁芯的参数,建立了传感器仿真模型,通过仿真的方式对磁芯的参数进行了设计。采用模块化设计的方式设计了检测系统的电路和软件。4、对所设计的磁通门电流传感器进行了标定,所设计的传感器的量程为10~500m A,灵敏度为1.54m V/m A,回程误差为4.9m V,分辨率为0.6m A,传感器的频带为6.7k Hz。对所设计的波形识别算法进行了测试,其识别准确率达到95%以上。对所设计的复杂波形剩余电流检测系统样机进行了测试,在线路中没有噪声干扰时测量的误差在5%以内,识别的准确率达到98%以上,在线路中噪声达到20%时,检测的误差在10%以内,识别的准确率达到90%以上。满足国标对于复杂波形剩余电流检测的要求。
其他文献
石墨烯和六方氮化硼(h-BN)层状材料的垂直堆叠组成的范德瓦尔斯异质结构,是制造高质量石墨烯器件的理想模型。当石墨烯/h-BN异质结构受到压力作用时,电阻会发生明显的变化。本论文提出一种新型压力传感器的结构,在Si/Si O2衬底上用石墨烯/h-BN异质结构作为压力敏感薄膜,压力空腔形状设计为棱台型。在Si衬底表面沉积一层Si O2作为绝缘层,将导电的Si与异质结构薄膜绝缘,作为石墨烯/h-BN压
近年来,随着超精密加工领域的不断发展和进步,微纳米定位技术的作用越来越重要,而微纳米位移执行器核心材料的选择对微纳米定位精度有非常显著的影响。压电陶瓷作为一种典型的智能材料,具有响应快、能量密度大、分辨率高、质量低等优点,能够迅速将电能和机械能相互转化,目前已经被广泛用于各种微位移驱动控制中。以压电陶瓷材料为核心的压电陶瓷位移台的研究受到了越来越广泛的关注。然而,由于压电陶瓷材料本身固有的迟滞非线
电场的测量系统是定量评估各种电子设备在复杂电磁环境中生存能力的客观急需,是评估防护效果的检验手段,是研究电磁损伤机理和防护加固技术的基础,是对电子设备电磁环境效应研究提供实验技术支持的最重要的方法之一。因此对于准确的测量电场,无论是我们日常生活中还是科学研究当中都会有着十分重要的意义。许多的科研人员一直致力于测量电场的科研工作当中,近年来,用于电场测量的光学传感技术取得了很大的进展,并提出了多种相
转炉炼钢技术是目前全世界应用最为广泛的炼钢技术,而其关键就是实现对转炉炼钢吹炼终点的准确控制。但转炉炼钢的工业现场环境恶劣,同时伴随着生产过程中复杂的物理和化学反应,为了能够及时有效地实现终点控制,并满足出钢要求,准确地预报熔池内钢水碳含量和温度极为重要。其中,转炉炼钢生产过程数据与终点碳含量和温度有密切的关系。因此,基于转炉炼钢生产过程数据生成终点碳温软测量模型的方法应运而生。但在转炉炼钢过程中
近年来,无人机(Unmanned Aerial Vehicle,UAV)因其具备强机动性、高安全性、低成本的特点,在军事、农业、气象及水利等方面广泛应用。在5G的大时代背景下,随着无线网络中接入设备量的暴涨,无人机在无线通信领域的潜能被充分挖掘。它不仅可以为演唱会、电影院、体育馆等热点区域分担地面站网络负载压力,提高接入率,而且可以作为临时基站为无基站或基站受损区域提供通信服务。相比于传统基站,无
人类能够在其一生中不断学习新知识并对知识进行优化,同时还能够保留先前知识,这种能力对于自动学习系统在现实世界中发挥持续自主作用至关重要。机器学习发展至今,很多地方超过人类,但要拥有这种像人一样能够连续终生学习的能力,依然是一个长期的挑战。目前,广泛运用的深层神经网络普遍存在只能从固定批次的单一任务训练数据中进行学习的缺点。在有多个任务时,由于不同任务的优化目标往往不同,或即使目标函数相同数据集统计
磨矿是选矿生产中选矿工序的前行工序,在磨矿工序中,要使用球磨机。球磨机是金属矿山选矿厂中的一种必备装备和重要装备。原矿经破碎后加水混流到球磨机磨筒中,球磨机磨筒旋转,破碎后的原矿与球磨机磨筒中的钢球混合运动完成磨矿过程。在磨矿工序中,破碎后的原矿与水不断进入球磨机磨筒中,磨细后的矿浆不断流出球磨机磨筒,球磨机磨筒中的钢球连续磨损甚至破碎,球磨机磨筒中的钢球不断损耗。某选矿厂原来设计的磨矿系统中只有
无线传感器网络的监测功能在各领域应用广泛,而监测功能的发挥需建立在各网络节点位置信息已知的基础之上,而对未知节点的定位则涉及节点的定位算法,本文将主要对无需测距定位算法中应用最为广泛的DV-Hop定位算法进行优化研究,该算法由于其定位成本相较其它算法较低而被广泛应用,但是该算法应用场景局限于二维平面,且定位误差较大,而实际定位过程中定位场景多为三维空间区域,且对定位误差与定位成本要求较高,故本文将
随着硬件设备性能的不断提高和软件功能的不断强大,使得目标跟踪技术广泛应用于人们的日常生活以及军事、医疗、无人驾驶和人机交互领域中。经过科研工作者多年的研究,目标跟踪算法在简单应用场景中已经取得了不错的跟踪效果,然而在实际场景中存在遮挡、目标形变和运动模糊等一系列具有挑战性的干扰因素,这就需要建立更加复杂的外观表征模型,同时合理的模型更新策略也是目标跟踪能否成功的关键。本文在高速核相关滤波目标跟踪算
浮选是选矿工业最重要的技术方法,广泛用于有色金属、非金属、煤炭等各类矿物的选别。药剂添加(加药)是浮选生产过程中一个非常重要的环节,加药量的准确性直接关系到选矿的数量、质量和经济效益。选厂传统的人工加药方式不仅精度差、劳动强度大、调节不及时,而且经常出现断药情况。因此实现加药自动控制已成为选矿行业的共识。本论文针对现有电磁阀加药法和计量泵加药法容易受到药液压力变化、粘度变化、含渣质以及管路结垢、阀