一种用于为涂有电力复合脂的导线建立握力预测模型的方法及装置的制造方法
【专利摘要】本发明公开了一种用于为涂有电力复合脂的导线建立握力预测模型的方法，包括：获取导线的直径；利用电力复合脂摩擦系数测试夹具测量电力复合脂在导线上的摩擦系数；利用握力测试机对涂有电力复合脂的导线进行至少两次握力测试，以获得至少两个拉力值；将至少两个拉力值中的每个拉力值与导线直径和摩擦系数组成一组样本数据，从而获得至少两组样本数据；建立具有输入层、隐含层及输出层的基于神经网络的初始模型；利用所述至少两组样本数据中的一部分样本数据组对初始模型进行学习和训练；利用所述至少两组样本数据中的另一部分样本数据组对经过学习和训练的初始模型进行检验，以得到神经网络电力复合脂导线握力预测模型。
【专利说明】
一种用于为涂有电力复合脂的导线建立握力预测模型的方法 及装置
技术领域
[0001] 本发明涉及测量领域，并且更具体地，涉及一种用于为涂有电力复合脂的导线建 立握力预测模型的方法及装置。
【背景技术】
[0002] 电力复合脂广泛应用于变电所、配电所中的母线与母线、母线与设备接线端子连 接处的接触面和开关触头的接触面上，可以改善接触性能，使触点金属由点接触变为面接 触，增大导电面积，相同和不同金属材质的导电体(铜与铜、铜与铝、铝与铝）的连接均可使 用，代替并优于紧固连接。由于接触面较大增加导电面积，降低接触电阻(可降低35-95%)， 从而达到降低温升（可降低35-85%)，提高母线连接处的导电性，增强了电网运行的安全 性，节省了大量的电能损耗，还可避免接触面产生电化腐蚀。新型电力复合脂适用于各种不 同环境，具有良好的耐高温、耐潮湿、抗氧化、抗霉菌及抗化学腐蚀性能，还具有高温不流 淌、低温不龟裂、理化性能稳定、使用寿命长的特点，极大地提高了导电膏使用处的安全性 能，为变电所、配电所的安全运行提供可靠的保证。
[0003] 随着使用时间增加，线路上对导线握力有明显降低的电力复合脂会导致导线从金 具中滑出的事故。然而，在现有技术中，没有能够对涂电力复合脂导线握力进行预测的预测 手段。并且，现有技术中没有能够在对对涂电力复合脂导线握力进行预测时所使用的相关 设备。
【发明内容】
[0004] 为了解决上述问题，本发明提供了一种用于为涂有电力复合脂的导线建立握力预 测模型的方法，包括：
[0005] 获取导线的直径；
[0006] 利用电力复合脂摩擦系数测试夹具测量电力复合脂在导线上的摩擦系数；
[0007] 利用握力测试机对涂有电力复合脂的导线进行至少两次握力测试，以获得至少两 个拉力值；
[0008] 将至少两个拉力值中的每个拉力值与导线直径和摩擦系数组成一组样本数据，从 而获得至少两组样本数据；
[0009] 以握力试验机的拉力、导线的直径和摩擦系数为输入参量，电力复合脂对导线握 力影响系数为输出参量建立具有输入层、隐含层及输出层的基于神经网络的初始模型；
[0010] 利用所述至少两组样本数据中的一部分样本数据组对初始模型进行学习和训练；
[0011] 利用所述至少两组样本数据中的另一部分样本数据组对经过学习和训练的初始 模型进行检验，以得到神经网络电力复合脂导线握力预测模型。
[0012] 优选地，其中所述电力复合脂摩擦系数测试夹具包括夹具底座、配套夹具和上滑 块。
[0013] 优选地，其中所述测量电力复合脂在导线上的摩擦系数包括：
[0014] 将所述配套夹具沿着夹具底座的滑槽安装在夹具底座上；
[0015] 清洗一段导线，然后将所述一段导线安装在配套夹具的凹槽内，并在侧面用螺栓 将所述一段导线固定；
[0016] 在所述一段导线的顶面涂抹电力复合脂，将上滑块放置放在涂有电力 [0017]复合脂的导线上；以及
[0018] 将安装有导线的夹具置于摩擦系数试验机上以测试摩擦系数。
[0019] 优选地，其中所述利用握力测试机对涂有电力复合脂的导线进行至少两次握力测 试包括：
[0020] 将导线端部的部分进行剥线，露出导线的钢锚；
[0021] 对准备穿过耐张线夹的部分导线进行清洗并且对所述部分导线涂抹电力复合脂；
[0022] 对钢锚进行穿管并进行压接，将涂有电力复合脂的部分导线穿过耐张线夹并进行 压接；以及
[0023]将带有耐张线夹的导线挂在握力试验机上进行拉伸以得到握力值。
[0024]优选地，其中所述涂抹电力复合脂包括：
[0025]清洗所述部分导线的外层铝线并且对所述部分导线的外层铝线进行干燥；
[0026]对所述部分导线涂抹电力复合脂；以及
[0027]利用钢丝对涂有电力复合脂的所述部分导线的进行清洗。
[0028]优选地，隐含层包括5-8个节点。
[0029]根据本发明的另一方面，提供一种用于为涂有电力复合脂的导线建立握力预测模 型的装置，包括：
[0030] 直径获取单元，获取导线的直径；
[0031] 摩擦系数测量单元，利用电力复合脂摩擦系数测试夹具测量电力复合脂在导线上 的摩擦系数；
[0032] 握力测试单元，对涂有电力复合脂的导线进行至少两次握力测试，以获得至少两 个拉力值；
[0033] 样本数据获取单元，将至少两个拉力值中的每个拉力值与导线直径和摩擦系数组 成一组样本数据，从而获得至少两组样本数据；
[0034]初始模型建立单元，以握力试验机的拉力、导线的直径和摩擦系数为输入参量，电 力复合脂对导线握力影响系数为输出参量建立具有输入层、隐含层及输出层的基于神经网 络的初始模型；
[0035]初始模型学习训练单元，利用所述至少两组样本数据中的一部分样本数据组对初 始模型进行学习和训练；
[0036] 握力预测模型建立单元，利用所述至少两组样本数据中的另一部分样本数据组对 经过学习和训练的初始模型进行检验，以得到神经网络电力复合脂导线握力预测模型。
[0037] 优选地，其中所述电力复合脂摩擦系数测试夹具包括夹具底座、配套夹具和上滑 块。
[0038]优选地，其中所述摩擦系数测量单元利用电力复合脂摩擦系数测试夹具测量电力 复合脂在导线上的摩擦系数包括：
[0039] 将所述配套夹具沿着夹具底座的滑槽安装在夹具底座上；
[0040] 清洗一段导线，然后将所述一段导线安装在配套夹具的凹槽内，并在侧面用螺栓 将所述一段导线固定；
[0041] 在所述一段导线的顶面涂抹电力复合脂，将上滑块放置放在涂有电力
[0042] 复合脂的导线上；以及
[0043] 将安装有导线的夹具置于摩擦系数试验机上以测试摩擦系数。
[0044]优选地，其中所述握力测试单元对涂有电力复合脂的导线进行至少两次握力测 试，以获得至少两个拉力值包括：
[0045]将导线端部的部分进行剥线，露出导线的钢锚；
[0046] 对准备穿过耐张线夹的部分导线进行清洗并且对所述部分导线涂抹电力复合脂；
[0047] 对钢锚进行穿管并进行压接，将涂有电力复合脂的部分导线穿过耐张线夹并进行 压接；以及
[0048]将带有耐张线夹的导线挂在握力试验机上进行拉伸以得到握力值。
[0049] 优选地，其中所述对所述部分导线涂抹电力复合脂包括：
[0050] 清洗所述部分导线的外层铝线并且对所述部分导线的外层铝线进行干燥；
[0051] 对所述部分导线涂抹电力复合脂；以及
[0052] 利用钢丝对涂有电力复合脂的所述部分导线的进行清洗。
[0053]优选地，隐含层包括5-8个节点。
[0054]可以确定的是，本发明的涂有电力复合脂的导线握力试验方案包括:导线的剥线、 对穿耐张线夹的导线部位进行清洁、电力复合脂在导线上的涂抹、钢锚进行穿管并进行压 接、将涂有电力复合脂的导线的部位穿过耐张线夹并进行压接以及最后将带有耐张线夹的 导线挂在握力试验机上进行拉伸得到握力值。
[0055]本发明包括电力复合脂摩擦系数测试夹具结构设计方案。所述设计方案包括:夹 具底座结构设计、夹具底座开槽位置及方式、配套的夹具结构设计、配套夹具结构设计、配 套夹具开槽位置及T型加劲肋设计结构、滑块设计方式以及配套夹具和底座的安装方式。 [0056]本发明包括涂有电力复合脂导线握力预测模型设计。所述模型设计包括输入层、 中间层及输入层的节点数设计，网络的学习参数设计及网络的训练参数设计。
【附图说明】
[0057]通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
[0058] 图1为根据本发明优选实施方式的建立握力预测模型的方法的流程图；
[0059] 图2为根据本发明另一优选实施方式的建立握力预测模型的方法的流程图；
[0060] 图3为根据本发明优选实施方式的握力预测模型的示意图；
[0061]图4为根据本发明优选实施方式的对涂有电力复合脂的导线进行握力测量的方法 的流程图；
[0062] 图5为根据本发明优选实施方式的将电力复合脂涂抹在导线上的方法的流程图；
[0063] 图6为根据本发明优选实施方式的建立握力预测模型的系统的结构示意图；以及
[0064] 图7A-7D为根据本发明优选实施方式的电力复合脂摩擦系数测试夹具的示意图。
【具体实施方式】
[0065] 现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形 式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开 本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示 例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附 图标记。
[0066] 除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有 通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其 相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
[0067]为了建立基于BP神经网络的电力复合脂握力预测模型，本发明首先对预测模型的 结构及相应的参数进行了设定。进而，为了取得足够的样本数据验证该模型及相应的参数， 本发明提供了将电力复合脂涂抹在导线上的方法、对涂有电力复合脂的导线进行握力测量 的方法以及电力复合脂摩擦系数测试夹具。
[0068] 图1为根据本发明优选实施方式的建立握力预测模型的方法100的流程图。优选 地，方法100通过建立对涂有电力复合脂的导线进行握力预测的模型，可以对涂有电力复合 脂的导线进行握力预测。优选地，方法1〇〇通过对涂有电力复合脂的导线进行握力预测，避 免线路上使用对导线握力有明显降低的电力复合脂，进而避免导线从金具中滑出的事故。 方法100可以保护电网安全，避免线路上因导线从金具中滑出而带来的巨大经济损失。
[0069] 优选地，方法100在步骤101处开始。在步骤101，获取导线的直径D。通常，导线的直 径是影响握力测量或预测的关键参数。优选地，可以将导线的直径D预先存储在存储设备 中。在根据本发明的技术方案建立握力预测模型时，从存储设备中读取导线的直径D。
[0070] 优选地，在步骤102,利用电力复合脂摩擦系数测试夹具测量电力复合脂在导线上 的摩擦系数。通常，电力复合脂对导线握力影响最显著的力学性能指标是电力复合脂的摩 擦系数。为了能够准确地测量电力复合脂在导线上的摩擦系数，本发明提出了一套测试夹 具，如图7A-7D所示。测试套夹具由底座、配套夹具和上滑块组成。优选地，在测试导线的摩 擦系数时，首先用汽油把一段导线表面的污垢清洗，然后将该段导线安装在导线的凹槽内， 并从侧面用螺栓将导线固定，再在导线的顶面涂电力复合脂，最后将带凹槽的滑块放在涂 电力复合脂的导线上，试验时将安装好导线的测试夹具安装在摩擦系数试验机上测试摩擦 系数。
[0071] 优选地，将所述配套夹具沿着夹具底座的滑槽安装在夹具底座上。然后，清洗一段 导线，然后将所述一段导线安装在配套夹具的凹槽内，并在侧面用螺栓将所述一段导线固 定。接着，在所述一段导线的顶面涂抹电力复合脂，将上滑块放置放在涂有电力复合脂的导 线上。最后，将安装有导线的夹具置于摩擦系数试验机上以测试摩擦系数。
[0072]优选地，在步骤103,利用握力测试机对涂有电力复合脂的导线进行至少两次握力 测试，以获得至少两个拉力值。优选地，对涂有电力复合脂的导线进行握力测量的方法如图 4所示。测量步骤包括:取导线的端部的一段部位进行剥线，露出导线的钢锚。对准备穿耐张 线夹的导线部位进行清洁，并对这一部位清洁完毕后再对这一部位涂抹电力复合脂。然后 对钢锚进行穿管并进行压接，将涂电力复合脂的导线的部位穿过耐张线夹并进行压接，最 后将带有耐张线夹的导线挂在握力试验机上进行拉伸得到握力值。
[0073] 优选地，在另一实施方式中，将导线端部的部分进行剥线，露出导线的钢锚。然后， 对准备穿过耐张线夹的部分导线进行清洗并且对所述部分导线涂抹电力复合脂。接着，对 钢锚进行穿管并进行压接，将涂有电力复合脂的部分导线穿过耐张线夹并进行压接。然后， 将带有耐张线夹的导线挂在握力试验机上进行拉伸以得到握力值。
[0074] 优选地，涂抹电力复合脂的具体工艺如图5所示。优选地，首先对导线的外层铝线 清洗并干燥，然后为导线涂抹电力复合脂，最后用钢丝刷对涂有电力复合脂进行清理。其 中，对导线的外层铝线清洗时使用的清洁剂是汽油，并且清洁长度应大于穿管长度的1.5 倍。优选地，对导线的外层铝线进行清洗后进行干燥处理，干燥后再进行穿管以及带防腐剂 压接。优选地，为导线涂抹电力复合脂的材料为DLZ-1G型，并且在150摄氏度时电力复合脂 不应变为可流动状态。此外，加入适量的锌粉并且电力脂不易涂刷过多。优选地，电路复合 脂的涂抹范围为铝线进入铝管的接压部分。优选地，涂抹方式为沿铝绞线均匀涂，并且将外 层铝股覆盖。其中，用钢丝刷对涂有电力复合脂进行清理包括沿钢芯铝导线轴线方向对已 涂电力脂部分进行擦刷。优选地，钢丝刷应选用工业刷。
[0075] 优选地，在另一实施方式中，清洗所述部分导线的外层铝线并且对所述部分导线 的外层铝线进行干燥。然后，对所述部分导线涂抹电力复合脂。以及最后，利用钢丝对涂有 电力复合脂的所述部分导线的进行清洗。
[0076]优选地，在步骤104,将至少两个拉力值P中的每个拉力值与导线直径D和摩擦系数 C组成一组样本数据，从而获得至少两组样本数据。优选地，每组样本数据包括一个拉力值、 一个导线直径以及一个摩擦系数。为了对模型进行学习训练以及测试，需要获得多组样本 数据。将多组样本数据中的一部分样本数据组用于对初始测试模型进行学习和训练，并且 将多组样本数据中的另一部分样本数据组用于对初始测试模型进行测试，以生成神经网络 电力复合脂导线握力预测模型。
[0077]优选地，在步骤105,以握力试验机的拉力P、导线的直径D和摩擦系数C为输入参 量，电力复合脂对导线握力影响系数Y为输出参量建立具有输入层、隐含层及输出层的基于 神经网络的初始模型。优选地，本发明的基于BP神经网络的电力复合脂温升预测模型结构 包括输入层、隐含层和输出层。
[0078]优选地，输入层和输出层的结构为:端子板温升与电流、电阻、材质、尺寸及通电时 间有关。因此端子板基于BP神经网络温升预测模型的输入层的参量为握力试验机的拉力P、 导线的直径D和电力复合脂的摩擦系数C。输出层为电力复合脂对导线握力影响系数Y。由于 本发明专利输入BP神经网络的数据均为正值，所以选择Si gmoi d为传递函数，把训练集的 输入和输出均归一化到[0，1 ]之间。
[0079]优选地，一般来说，无隐含层的BP神经网络只能映射线性函数，而单隐含层的BP神 经网络就可以映射所有非线性的连续函数，只有需要映射不连续函数时，才需要两个以上 的隐含层。隐含层节点数量过少，网络从样本中提取信息的能力就差，不足以概括和体现训 练集中的样本规律;隐含层节点数量过多，会降低网络的泛化能力，此外，隐含层节点数太 多还会增加网络训练时间。隐含层的结构为:在给定步长、学习率及循环步数的情况下，分 别取不同的第一隐含层节点数和第二隐含层节点数的组合进行比较，发现第一隐含层取(5 ~8)个节点时系统的误差最小。
[0080]优选地，学习参数的建立包括:在利用BP神经网络进行数据分析时需要两组样本 数据。一组用于训练神经网络模型，称之为训练集;另一组用于检验训练结果，称为测试集。 本发明专利用前面涂电力复合脂试验3组数据作为训练集。在典型的试验电流、温度和电阻 下通过试验得到1组数据作为测试集。学习速率设置为0.001~0.002学习速率的选取比较 合适。训练目标设置为[0.001-0.1]。为了达到设置的训练目标，网络训练次数和最大失败 次数均设置为10000~20000次，然后在BP神经网络训练过程中观察训练误差下降曲线，达 到设置目标后手动停止网络的训练。BP神经网络的电力复合脂温升预测模型如图3所示。表 1示出了涂有电力复合脂的导线压接握力预测数值与试验值的对比。可以看出，预测值与试 验值比较吻合，从而证明了本申请所建立的涂电力复合脂导线压接握力预测模型是正确 的。
[0083] 表 1
[0084] 优选地，在步骤106,利用所述至少两组样本数据中的一部分样本数据组对初始模 型进行学习和训练。如上面介绍的，将多组样本数据中的一部分样本数据组用于对初始测 试模型进行学习和训练，并且将多组样本数据中的另一部分样本数据组用于对初始测试模 型进行测试，以生成神经网络电力复合脂导线握力预测模型。例如，获取1000组样本数据， 将其中的700组对初始测试模型进行测试。
[0085] 优选地，在步骤107,利用所述至少两组样本数据中的另一部分样本数据组对经过 学习和训练的初始模型进行检验，以得到神经网络电力复合脂导线握力预测模型。例如，如 上面所述的1〇〇〇组样本数据，将其中的剩余300组对初始测试模型进行测试。
[0086] 图2为根据本发明另一优选实施方式的建立握力预测模型的方法的流程图。优选 地，方法200通过建立对涂有电力复合脂的导线进行握力预测的模型，可以对涂有电力复合 脂的导线进行握力预测。优选地，方法200通过对涂有电力复合脂的导线进行握力预测，避 免线路上使用对导线握力有明显降低的电力复合脂，进而避免导线从金具中滑出的事故。 方法200可以保护电网安全，避免线路上因导线从金具中滑出而带来的巨大经济损失。 [0087]优选地，方法200在步骤201处开始。优选地，在步骤201，利用电力复合脂摩擦系数 测试夹具测量电力复合脂在导线上的摩擦系数。通常，电力复合脂对导线握力影响最显著 的力学性能指标是电力复合脂的摩擦系数。为了能够准确地测量电力复合脂在导线上的摩 擦系数，本发明提出了一套测试夹具，如图7A-7D所示。测试套夹具由底座、配套夹具和上滑 块组成。优选地，在测试导线的摩擦系数时，首先用汽油把一段导线表面的污垢清洗，然后 将该段导线安装在导线的凹槽内，并从侧面用螺栓将导线固定，再在导线的顶面涂电力复 合脂，最后将带凹槽的滑块放在涂电力复合脂的导线上，试验时将安装好导线的测试夹具 安装在摩擦系数试验机上测试摩擦系数。
[0088]优选地，将所述配套夹具沿着夹具底座的滑槽安装在夹具底座上。然后，清洗一段 导线，然后将所述一段导线安装在配套夹具的凹槽内，并在侧面用螺栓将所述一段导线固 定。接着，在所述一段导线的顶面涂抹电力复合脂，将上滑块放置放在涂有电力复合脂的导 线上。最后，将安装有导线的夹具置于摩擦系数试验机上以测试摩擦系数。
[0089]优选地，在步骤202,利用握力测试机对涂有电力复合脂的导线进行至少两次握力 测试，以获得至少两个拉力值。优选地，对涂有电力复合脂的导线进行握力测量的方法如图 4所示。测量步骤包括:取导线的端部的一段部位进行剥线，露出导线的钢锚。对准备穿耐张 线夹的导线部位进行清洁，并对这一部位清洁完毕后再对这一部位涂抹电力复合脂。然后 对钢锚进行穿管并进行压接，将涂电力复合脂的导线的部位穿过耐张线夹并进行压接，最 后将带有耐张线夹的导线挂在握力试验机上进行拉伸得到握力值。
[0090] 优选地，在另一实施方式中，将导线端部的部分进行剥线，露出导线的钢锚。然后， 对准备穿过耐张线夹的部分导线进行清洗并且对所述部分导线涂抹电力复合脂。接着，对 钢锚进行穿管并进行压接，将涂有电力复合脂的部分导线穿过耐张线夹并进行压接。然后， 将带有耐张线夹的导线挂在握力试验机上进行拉伸以得到握力值。
[0091] 优选地，涂抹电力复合脂的具体工艺如图5所示。优选地，首先对导线的外层铝线 清洗并干燥，然后为导线涂抹电力复合脂，最后用钢丝刷对涂有电力复合脂进行清理。其 中，对导线的外层铝线清洗时使用的清洁剂是汽油，并且清洁长度应大于穿管长度的1.5 倍。优选地，对导线的外层铝线进行清洗后进行干燥处理，干燥后再进行穿管以及带防腐剂 压接。优选地，为导线涂抹电力复合脂的材料为DLZ-1G型，并且在150摄氏度时电力复合脂 不应变为可流动状态。此外，加入适量的锌粉并且电力脂不易涂刷过多。优选地，电路复合 脂的涂抹范围为铝线进入铝管的接压部分。优选地，涂抹方式为沿铝绞线均匀涂，并且将外 层铝股覆盖。其中，用钢丝刷对涂有电力复合脂进行清理包括沿钢芯铝导线轴线方向对已 涂电力脂部分进行擦刷。优选地，钢丝刷应选用工业刷。
[0092]优选地，在另一实施方式中，清洗所述部分导线的外层铝线并且对所述部分导线 的外层铝线进行干燥。然后，对所述部分导线涂抹电力复合脂。以及最后，利用钢丝对涂有 电力复合脂的所述部分导线的进行清洗。
[0093]优选地，在步骤203,将至少两个拉力值P中的每个拉力值与导线直径D和摩擦系数 C组成一组样本数据，从而获得至少两组样本数据。优选地，每组样本数据包括一个拉力值、 一个导线直径以及一个摩擦系数。为了对模型进行学习训练以及测试，需要获得多组样本 数据。将多组样本数据中的一部分样本数据组用于对初始测试模型进行学习和训练，并且 将多组样本数据中的另一部分样本数据组用于对初始测试模型进行测试，以生成神经网络 电力复合脂导线握力预测模型。
[0094]优选地，在步骤204,以握力试验机的拉力P、导线的直径D和摩擦系数C为输入参 量，电力复合脂对导线握力影响系数Y为输出参量建立具有输入层、隐含层及输出层的基于 神经网络的初始模型。优选地，本发明的基于BP神经网络的电力复合脂温升预测模型结构 包括输入层、隐含层和输出层。
[0095]优选地，输入层和输出层的结构为:端子板温升与电流、电阻、材质、尺寸及通电时 间有关。因此端子板基于BP神经网络温升预测模型的输入层的参量为握力试验机的拉力P、 导线的直径D和电力复合脂的摩擦系数C。输出层为电力复合脂对导线握力影响系数Y。由于 本发明专利输入BP神经网络的数据均为正值，所以选择Sigmoi d为传递函数，把训练集的 输入和输出均归一化到[0，1 ]之间。
[0096]优选地，一般来说，无隐含层的BP神经网络只能映射线性函数，而单隐含层的BP神 经网络就可以映射所有非线性的连续函数，只有需要映射不连续函数时，才需要两个以上 的隐含层。隐含层节点数量过少，网络从样本中提取信息的能力就差，不足以概括和体现训 练集中的样本规律;隐含层节点数量过多，会降低网络的泛化能力，此外，隐含层节点数太 多还会增加网络训练时间。隐含层的结构为:在给定步长、学习率及循环步数的情况下，分 别取不同的第一隐含层节点数和第二隐含层节点数的组合进行比较，发现第一隐含层取(5 ~8)个节点时系统的误差最小。
[0097]优选地，学习参数的建立包括:在利用BP神经网络进行数据分析时需要两组样本 数据。一组用于训练神经网络模型，称之为训练集;另一组用于检验训练结果，称为测试集。 本发明专利用前面涂电力复合脂试验3组数据作为训练集。在典型的试验电流、温度和电阻 下通过试验得到1组数据作为测试集。学习速率设置为0.001~0.002学习速率的选取比较 合适。训练目标设置为[0.001-0.1]。为了达到设置的训练目标，网络训练次数和最大失败 次数均设置为10000~20000次，然后在BP神经网络训练过程中观察训练误差下降曲线，达 到设置目标后手动停止网络的训练。BP神经网络的电力复合脂温升预测模型如图3所示。 [0098]优选地，在步骤205,利用所述至少两组样本数据中的一部分样本数据组对初始模 型进行学习和训练。如上面介绍的，将多组样本数据中的一部分样本数据组用于对初始测 试模型进行学习和训练，并且将多组样本数据中的另一部分样本数据组用于对初始测试模 型进行测试，以生成神经网络电力复合脂导线握力预测模型。例如，获取1000组样本数据， 将其中的700组对初始测试模型进行测试。
[0099] 优选地，在步骤206，判断是否达到训练目标，如果达到训练目标，则进行步骤207， 否则返回步骤205。
[0100] 优选地，在步骤207,利用所述至少两组样本数据中的另一部分样本数据组对经过 学习和训练的初始模型进行检验，以得到神经网络电力复合脂导线握力预测模型。例如，如 上面所述的1000组样本数据，将其中的剩余300组对初始测试模型进行测试。
[0101] 图3为根据本发明优选实施方式的握力预测模型300的示意图。如图3所示，以握力 试验机的拉力P、导线的直径D和摩擦系数C为输入参量，电力复合脂对导线握力影响系数Y 为输出参量建立具有输入层301、隐含层302及输出层303的基于神经网络的初始模型。优选 地，本发明的基于BP神经网络的电力复合脂温升预测模型结构包括输入层301、隐含层302 和输出层303。
[0102]优选地，输入层301和输出层303的结构为:端子板温升与电流、电阻、材质、尺寸及 通电时间有关。因此端子板基于BP神经网络温升预测模型的输入层301的参量为握力试验 机的拉力P、导线的直径D和电力复合脂的摩擦系数C。输出层为电力复合脂对导线握力影响 系数Y。由于本发明输入BP神经网络的数据均为正值，所以选择Sigmoid为传递函数，把训练 集的输入和输出均归一化到[0，1 ]之间。
[0103]优选地，一般来说，无隐含层的BP神经网络只能映射线性函数，而单隐含层的BP神 经网络就可以映射所有非线性的连续函数，只有需要映射不连续函数时，才需要两个以上 的隐含层。隐含层节点数量过少，网络从样本中提取信息的能力就差，不足以概括和体现训 练集中的样本规律;隐含层节点数量过多，会降低网络的泛化能力，此外，隐含层节点数太 多还会增加网络训练时间。隐含层302的结构为:在给定步长、学习率及循环步数的情况下， 分别取不同的第一隐含层节点数和第二隐含层节点数的组合进行比较，发现第一隐含层取 (5~8)个节点时系统的误差最小。
[0104]优选地，学习参数的建立包括:在利用BP神经网络进行数据分析时需要两组样本 数据。一组用于训练神经网络模型，称之为训练集;另一组用于检验训练结果，称为测试集。 本发明专利用前面涂电力复合脂试验3组数据作为训练集。在典型的试验电流、温度和电阻 下通过试验得到1组数据作为测试集。学习速率设置为0.001~0.002学习速率的选取比较 合适。训练目标设置为[0.001-0.1]。为了达到设置的训练目标，网络训练次数和最大失败 次数均设置为10000~20000次，然后在BP神经网络训练过程中观察训练误差下降曲线，达 到设置目标后手动停止网络的训练。
[0105] 图4为根据本发明优选实施方式的对涂有电力复合脂的导线进行握力测量的方法 400的流程图。如图4所示，方法400从步骤401处开始。在步骤401，取导线的端部的一段部位 进行剥线，露出导线的钢锚。然后，在步骤402,涂抹电力复合脂。接着，在步骤403,对钢锚进 行穿管以及在步骤404,进行钢锚压接。接着，在步骤405,将耐张线夹穿管并且在步骤406， 对耐张线夹进行压接。然后，在步骤406,将带耐张线夹的导线安装在握力实验机上，并且在 步骤407将导线在握力试验机上张拉。最后，在步骤408,得到导线的握力试验值导线及耐张 线夹的破坏情况。
[0106] 图5为根据本发明优选实施方式的将电力复合脂涂抹在导线上的方法500的流程 图。优选地，方法500从步骤501处开始。在步骤501处，对导线的外层铝线清洗并干燥。其中， 对导线的外层铝线清洗时使用的清洁剂是汽油，并且清洁长度应大于穿管长度的1.5倍。优 选地，对导线的外层铝线进行清洗后进行干燥处理，干燥后再进行穿管以及带防腐剂压接。 优选地，在步骤502处，为导线涂抹电力复合脂。优选地，为导线涂抹电力复合脂的材料为 DLZ-1G型，并且在150摄氏度时电力复合脂不应变为可流动状态。此外，加入适量的锌粉并 且电力脂不易涂刷过多。优选地，电路复合脂的涂抹范围为铝线进入铝管的接压部分。优选 地，涂抹方式为沿铝绞线均匀涂，并且将外层铝股覆盖。优选地，在步骤503处，用钢丝刷对 涂有电力复合脂进行清理。其中，用钢丝刷对涂有电力复合脂进行清理包括沿钢芯铝导线 轴线方向对已涂电力脂部分进行擦刷。优选地，钢丝刷应选用工业刷。
[0107] 图6为根据本发明优选实施方式的建立握力预测模型的系统600的结构示意图。优 选地，系统600包括:直径获取单元601、摩擦系数测量单元602、握力测试单元603、样本数据 获取单元604、初始模型建立单元605、初始模型学习训练单元606以及握力预测模型建立单 元607〇
[0108] 优选地，直径获取单元601，获取导线的直径。
[0109] 优选地，摩擦系数测量单元602,利用电力复合脂摩擦系数测试夹具测量电力复合 脂在导线上的摩擦系数。
[0110]优选地，握力测试单元603,对涂有电力复合脂的导线进行至少两次握力测试，以 获得至少两个拉力值。
[0111]优选地，样本数据获取单元604,将至少两个拉力值中的每个拉力值与导线直径和 摩擦系数组成一组样本数据，从而获得至少两组样本数据。
[0112] 优选地，初始模型建立单元605,以握力试验机的拉力、导线的直径和摩擦系数为 输入参量，电力复合脂对导线握力影响系数为输出参量建立具有输入层、隐含层及输出层 的基于神经网络的初始模型。
[0113] 优选地，初始模型学习训练单元606,利用所述至少两组样本数据中的一部分样本 数据组对初始模型进行学习和训练。
[0114] 优选地，握力预测模型建立单元607,利用所述至少两组样本数据中的另一部分样 本数据组对经过学习和训练的初始模型进行检验，以得到神经网络电力复合脂导线握力预 测模型。
[0115] 图7A-7D为根据本发明优选实施方式的电力复合脂摩擦系数测试夹具的示意图。 优选地，电力复合脂摩擦系数测试夹具包括:夹具底座、配套夹具和上滑块。优选地，摩擦系 数测量单元利用电力复合脂摩擦系数测试夹具测量电力复合脂在导线上的摩擦系数的方 式为:将所述配套夹具沿着夹具底座的滑槽安装在夹具底座上。清洗一段导线，然后将所述 一段导线安装在配套夹具的凹槽内，并在侧面用螺栓将所述一段导线固定。在所述一段导 线的顶面涂抹电力复合脂，将上滑块放置放在涂有电力复合脂的导线上。以及将安装有导 线的夹具置于摩擦系数试验机上以测试摩擦系数。
[0116] 已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如 附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的 范围内。
[0117] 通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解 释，除非在其中被另外明确地定义。所有的参考"一个/所述/该[装置、组件等]"都被开放地 解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的 步骤都没必要以公开的准确的顺序运行，除非明确地说明。
【主权项】
1. 一种用于为涂有电力复合脂的导线建立握力预测模型的方法，包括： 获取导线的直径(D); 利用电力复合脂摩擦系数测试夹具测量电力复合脂在导线上的摩擦系数(C); 利用握力测试机对涂有电力复合脂的导线进行至少两次握力测试，以获得至少两个拉 力值(P); 将至少两个拉力值(P)中的每个拉力值与导线直径(D)和摩擦系数(C)组成一组样本数 据，从而获得至少两组样本数据； 以握力试验机的拉力(P)、导线的直径(D)和摩擦系数(C)为输入参量，电力复合脂对导 线握力影响系数(Y)为输出参量建立具有输入层、隐含层及输出层的基于神经网络的初始 丰旲型； 利用所述至少两组样本数据中的一部分样本数据组对初始模型进行学习和训练； 利用所述至少两组样本数据中的另一部分样本数据组对经过学习和训练的初始模型 进行检验，以得到神经网络电力复合脂导线握力预测模型。2. 根据权利要求1所述的方法，其中所述电力复合脂摩擦系数测试夹具包括夹具底座 (1)、配套夹具(2)和上滑块(3)。3. 根据权利要求2所述的方法，其中所述测量电力复合脂在导线上的摩擦系数（C)包 括： 将所述配套夹具(2)沿着夹具底座（1)的滑槽安装在夹具底座（1)上； 清洗一段导线，然后将所述一段导线安装在配套夹具(2)的凹槽内，并在侧面用螺栓将 所述一段导线固定； 在所述一段导线的顶面涂抹电力复合脂，将上滑块(3)放置放在涂有电力复合脂的导 线上；以及 将安装有导线的夹具置于摩擦系数试验机上以测试摩擦系数。4. 根据权利要求1所述的方法，其中所述利用握力测试机对涂有电力复合脂的导线进 行至少两次握力测试包括： 将导线端部的部分进行剥线，露出导线的钢锚； 对准备穿过耐张线夹的部分导线进行清洗并且对所述部分导线涂抹电力复合脂； 对钢锚进行穿管并进行压接，将涂有电力复合脂的部分导线穿过耐张线夹并进行压 接；以及 将带有耐张线夹的导线挂在握力试验机上进行拉伸以得到握力值。5. 根据权利要求4所述的方法，其中所述涂抹电力复合脂包括： 清洗所述部分导线的外层铝线并且对所述部分导线的外层铝线进行干燥； 对所述部分导线涂抹电力复合脂；以及 利用钢丝对涂有电力复合脂的所述部分导线的进行清洗。6. -种用于为涂有电力复合脂的导线建立握力预测模型的装置，包括： 直径获取单元，获取导线的直径(D); 摩擦系数测量单元，利用电力复合脂摩擦系数测试夹具测量电力复合脂在导线上的摩 擦系数(C); 握力测试单元，对涂有电力复合脂的导线进行至少两次握力测试，以获得至少两个拉 力值(P); 样本数据获取单元，将至少两个拉力值(P)中的每个拉力值与导线直径(D)和摩擦系数 (C)组成一组样本数据，从而获得至少两组样本数据； 初始模型建立单元，以握力试验机的拉力(P)、导线的直径(D)和摩擦系数(C)为输入参 量，电力复合脂对导线握力影响系数(Y)为输出参量建立具有输入层、隐含层及输出层的基 于神经网络的初始模型； 初始模型学习训练单元，利用所述至少两组样本数据中的一部分样本数据组对初始模 型进行学习和训练； 握力预测模型建立单元，利用所述至少两组样本数据中的另一部分样本数据组对经过 学习和训练的初始模型进行检验，以得到神经网络电力复合脂导线握力预测模型。7. 根据权利要求6所述的装置，其中所述电力复合脂摩擦系数测试夹具包括夹具底座 (1)、配套夹具(2)和上滑块(3)。8. 根据权利要求7所述的装置，其中所述摩擦系数测量单元利用电力复合脂摩擦系数 测试夹具测量电力复合脂在导线上的摩擦系数包括： 将所述配套夹具(2)沿着夹具底座（1)的滑槽安装在夹具底座（1)上； 清洗一段导线，然后将所述一段导线安装在配套夹具(2)的凹槽内，并在侧面用螺栓将 所述一段导线固定； 在所述一段导线的顶面涂抹电力复合脂，将上滑块(3)放置放在涂有电力复合脂的导 线上；以及 将安装有导线的夹具置于摩擦系数试验机上以测试摩擦系数。9. 根据权利要求6所述的装置，其中所述握力测试单元对涂有电力复合脂的导线进行 至少两次握力测试，以获得至少两个拉力值包括： 将导线端部的部分进行剥线，露出导线的钢锚； 对准备穿过耐张线夹的部分导线进行清洗并且对所述部分导线涂抹电力复合脂； 对钢锚进行穿管并进行压接，将涂有电力复合脂的部分导线穿过耐张线夹并进行压 接；以及 将带有耐张线夹的导线挂在握力试验机上进行拉伸以得到握力值。10. 根据权利要求9所述的装置，其中所述对所述部分导线涂抹电力复合脂包括： 清洗所述部分导线的外层铝线并且对所述部分导线的外层铝线进行干燥； 对所述部分导线涂抹电力复合脂；以及 利用钢丝对涂有电力复合脂的所述部分导线的进行清洗。
【文档编号】G06N3/02GK106092878SQ201610393330
【公开日】2016年11月9日
【申请日】2016年6月6日 公开号201610393330.0, CN 106092878 A, CN 106092878A, CN 201610393330, CN-A-106092878, CN106092878 A, CN106092878A, CN201610393330, CN201610393330.0
【发明人】张雪松, 王景朝, 周立宪, 刘胜春, 刘臻, 孙宝东, 王二江, 孙娜, 牛海军, 张军, 刘操兰
【申请人】中国电力科学研究院, 国家电网公司