真空開關高動作穩(wěn)定性的永磁操動機構控制系統(tǒng)

程 顯 袁曉東 葛國偉 朱劍鵬

真空開關高動作穩(wěn)定性的永磁操動機構控制系統(tǒng)

程 顯1,2袁曉東1,2葛國偉1,2朱劍鵬1,2

（1. 鄭州大學電氣工程學院 鄭州 450001 2. 河南省輸配電裝備與電氣絕緣工程技術研究中心 鄭州 450001）

基于永磁操動機構的真空開關被廣泛應用在電力系統(tǒng)中，以確保真空開關在不同環(huán)境下操動的精度和動作時間穩(wěn)定，可以有效提高電力系統(tǒng)的穩(wěn)定性。該文首先對10kV真空開關操動機構的分合閘動態(tài)特性進行分析計算，并建立仿真實驗模型；利用徑向基函數(shù)（RBF）神經網絡與模糊PID自適應控制相結合的技術設計算法控制器，對機構的線圈電流與位移特性進行實時檢測控制；通過仿真實驗證明了該控制器在提高機構動作穩(wěn)定性上的可行性。搭建實驗測試平臺，進行合閘對比實驗，未加入算法控制器時，操動機構總體合閘時間在22.7～31.8ms；加入算法控制器后，合閘時間穩(wěn)定在25.5～26.1ms。同時該算法控制器將機構合閘時間分散性由原來的±1.5ms降低為±0.3ms左右，不同環(huán)境溫度下分散性依然可以保持在±0.3ms左右，證明加入該控制系統(tǒng)后，提高了動作時間的穩(wěn)定性和有效性。

真空斷路器 永磁操動機構 模糊徑向基函數(shù)神經網絡 動作穩(wěn)定性

0 引言

基于永磁操動機構的真空開關被廣泛應用在電力系統(tǒng)中，提高開關動作時間的穩(wěn)定性和動作特性的可控制性，對電力系統(tǒng)中相控開關技術的實現(xiàn)具有重要意義。相控開關技術可以有效地削弱電網中高壓開關開合閘時產生的涌流和過電壓，有效提高電力系統(tǒng)的穩(wěn)定性[1]。永磁操動機構動作部件少，中間轉換和連接機構也很少，極大地提高了動作的可控性，因此永磁操動機構為實現(xiàn)真空開關的智能控制提供了可靠支持[2-4]。

真空開關永磁機構動作時間的分散性是指對同一開關機構，一般采用充電電容當作控制電源，由于每次動作時，控制電壓很難保證都相等，難免會有波動，必然會影響電流的大小，最終造成永磁機構分合閘的時間波動及特性曲線的變化[5-7]。控制電壓的變化作為影響動作時間穩(wěn)定性的關鍵因素之一，它的波動必然會引起動作時間的偏差，從而對整個電力系統(tǒng)的穩(wěn)定運行產生負面影響。因此電壓變化引起的時間誤差是永磁操動機構亟需解決的問題之一[8]。此外，頻繁地充放電及連續(xù)的動作，將導致電容的容量降低，回路中接線端子處的接觸電阻也會增加，這些難以預知的變化都會引起線圈電流的變化，對開關的動作造成難以預測的影響，使開關動作分散性變大。

對于單機構而言，控制電壓變化、外界溫度及觸頭磨損等問題是無法避免的，也很難進行控制調節(jié)，因此降低機構動作時間的誤差，需要考慮如何抵消這些環(huán)境因素帶來的影響。目前的研究工作就是加入智能控制系統(tǒng)對操動機構的動作進行控制，得到不同電壓環(huán)境下的動作時間，以及不同環(huán)境溫度下的機構的動作特性，對比未加入智能控制系統(tǒng)時開關的動作特性，從而驗證加入控制系統(tǒng)后對動作穩(wěn)定性的改善效果。

本文采用模糊徑向基函數(shù)（Radial Basis Function, RBF）神經網絡-PID智能控制系統(tǒng)，保證開關操動時間的穩(wěn)定性及操動過程的可控性。首先對永磁操動機構動態(tài)模型進行建模與仿真分析，建立永磁操動機構仿真模型，驗證了算法控制器的可行性。在此基礎上搭建了永磁操動機構動觸頭運動控制系統(tǒng)實驗平臺，以TMS320F28335 類型的數(shù)字信號（Digital Signal Processor, DSP）處理器為核心設計了永磁機構真空開關智能控制系統(tǒng)。在控制算法上選擇了模糊RBF-PID控制算法，控制機構觸頭的行程和線圈電流。進行合閘實驗并對比加入控制系統(tǒng)之前的合閘時間穩(wěn)定性，證明模糊RBF-PID控制方案對提高真空開關動作時間穩(wěn)定性的可行性及有效性。

1 真空開關永磁機構模糊RBF-神經網絡PID控制系統(tǒng)

1.1 永磁操動機構模型及其運動過程分析

為了完成真空開關永磁機構控制系統(tǒng)的設計，達到對機構的智能控制效果，需要對永磁操動機構的運動過程進行分析。

本設計主要利用電容為永磁機構的線圈供電，在此情況下對其進行動態(tài)分析，得到的微分方程組為

對于永磁操動機構，無論是分閘操作還是合閘操作，動態(tài)過程都可分為兩個階段[5]。

1）第一階段：勵磁線圈電流從零逐漸增大，由于線圈電流產生的電磁力還沒有足夠大，動鐵心還未開始運動，動鐵心位移0，速度dd0，為起磁階段（觸動階段）。

得到該階段電容放電勵磁下的動態(tài)方程為

2）第二個階段：當勵磁線圈的電流增大到產生的電磁力大于機構反力時，動鐵心開始運動，并且一直運動到終點位置，這個過程即為第二個階段。這個階段的動態(tài)方程為

1.2 基于模糊RBF-PID控制器的永磁操動機構控制系統(tǒng)

永磁操動機構觸頭在按照理想速度曲線運行時，可以獲得良好的合閘特性。采用PID控制策略在非線性和可變負載的控制環(huán)境中對動觸頭的合閘過程進行控制。傳統(tǒng)PID控制器的參數(shù)固定，需要工作人員反復嘗試，對于復雜系統(tǒng)，參數(shù)調整通常很困難。模糊神經網絡控制器能夠根據運行條件自適應調整控制參數(shù)，以確保系統(tǒng)的快速跟蹤和精確控制。因此本文采用模糊RBF-PID控制實現(xiàn)對動觸頭速度行程的精確控制，其控制框圖如圖1所示。

圖1 永磁操動機構的模糊RBF-PID控制框圖

從模糊RBF-PID控制框圖可以看出，該控制器能夠實時監(jiān)測機構觸頭的運動和線圈的電流，線圈電流的變化趨勢是通過調整DSP輸出的PWM的占空比來實現(xiàn)的。模糊RBF神經網絡對觸頭位移和電流進行檢測，并與理想的曲線進行對比，計算偏差和變化率。通過調整PID參數(shù)對PWM進行調節(jié)，進而實現(xiàn)對機構觸頭運動行程的精確控制。

2 模糊RBF神經網絡-PID控制器設計

2.1 模糊RBF神經網絡-PID數(shù)學模型在分合閘控制時的應用

本文所設計的模糊RBF神經網絡是一種局部逼近網絡，將神經網絡的特點和模糊控制的優(yōu)點結合在一起，能夠體現(xiàn)二者的互補和相關性，可以確保系統(tǒng)的快速跟蹤和精確控制。與目前永磁操動機構分合閘控制上使用較多的自適應控制相比，具有明顯的速度優(yōu)勢，精確度也更高[9-12]。

綜合考慮到PID和神經網絡的設計需求，對算法結構的設計采用兩個輸入對應三個輸出共四層的結構形式[13-16]，如圖2所示。

圖2 模糊RBF神經網絡結構

結合本文設計與實驗目的，兩個輸入節(jié)點分別對應采集到的位移、電流的偏差和偏差變化率c，三個輸出節(jié)點參數(shù)被采集到DSP的算法控制器中，對輸出的PWM進行相應的調節(jié)。

本文所使用的模糊RBF神經網絡結構共有四層。每一層對應的作用如下所示：

（1）第一層為輸入層，輸入層有兩個參數(shù)：①機構觸頭的實際采集位移與輸入理想曲線的偏差；②位置偏差變化率c。節(jié)點的個數(shù)為輸入變量數(shù)量。

（2）第二層是模糊化推理層。將輸入的位移偏差和偏差變化率c轉換為模糊的矢量，通過隸屬度函數(shù)計算出對應的隸屬度，對輸出的PWM進行預調節(jié)。定義模糊推理函數(shù)為

（3）第三層是模糊推理層。在該層中，每個節(jié)點對應一個模糊規(guī)則，能夠對節(jié)點進行模糊運算，運算乘積公式為

（4）第四層為輸出層。共有三個輸出節(jié)點，分別為p、i、d，輸出節(jié)點參數(shù)被采集到DSP的算法控制器中，根據參數(shù)的大小及上次采集到的參數(shù)變化，實現(xiàn)對輸出PWM的最終調節(jié)。整定計算過程為

式中，為連接權矩陣；=1,2,3；=3。

2.2 模糊RBF神經網絡-PID算法在合閘控制時的具體實現(xiàn)

基于2.1節(jié)中分析的模糊RBF網絡的結構，輸出三個節(jié)點對PID參數(shù)進行整定，定義模糊神經網絡的目標函數(shù)為

模糊RBF-PID控制器的輸出為采用增量式的PID算法，即

模糊RBF網絡的理想輸出為()，實際輸出為()，所以每次進行迭代計算，所產生的誤差為()()。第次計算中，神經網絡權值的學習算法為

綜上所述，模糊RBF-PID算法在操動機構觸頭控制的具體實現(xiàn)步驟如下：

（1）模糊RBF初始化。根據實際選定隸屬度函數(shù)寬度和中心，計算權系數(shù)的初始值，選定和量化因子

（2）實驗開始，計算操動機構控制系統(tǒng)偏差，即位移、電流偏差()()-()和偏差變化量c()()-(-1)。

（3）實時采集電流與位移，更新偏差與網絡各層之間的輸入系數(shù)、輸出PID系數(shù)、根據()，以及1時刻的實際值(1)，根據(1)與()的偏差得出需要的參數(shù)，從而調節(jié)PWM。

（4）更新計算隸屬度函數(shù)的中心C、基寬B和網絡權值W。

（5）進行下一次迭代，令=+1，代入步驟2）重新進行計算，再進行循環(huán)迭代。

3 永磁操動機構模糊RBF-PID控制方法分析與仿真

3.1 永磁操動機構控制系統(tǒng)控制方法分析

本文的控制系統(tǒng)是對真空開關永磁操動機構進行合閘操作。以電容電壓為270V時的行程曲線為參考，通過合閘實驗，用位移傳感器檢測觸頭的位置變化，用霍爾電流傳感器采集機構合閘線圈中電流的變化，得到該電壓條件下的觸頭運動行程曲線及合閘電流曲線，作為理想行程曲線，如圖3和圖4所示。

圖3 給定行程曲線

圖4 給定電流曲線

對圖3中的位移變化進行計算處理，得到270V時觸頭合閘時的速度變化曲線，如圖5所示。將該速度變化數(shù)據作為合閘理想速度對比數(shù)據。

圖5 給定速度曲線

將電流、位移、速度三組曲線上的所有時間對應的數(shù)據存儲在DSP算法控制器中，作為控制給定輸入值，進行仿真和現(xiàn)場實驗測試。

3.2 永磁操動機構數(shù)學模型及系統(tǒng)總體仿真的建立

系統(tǒng)總體仿真時需要永磁操動機構的電磁模型，機構分合閘動態(tài)過程都需要遵循達朗貝爾運動方程。在電路上必須遵循電壓平衡方程，在磁場上必須遵循麥克斯韋方程。此外根據式（1）～式（3）采用M文件S-函數(shù)編寫其仿真模型。在Simulink中搭建模塊，通過該模塊建立的仿真模塊主要是表現(xiàn)永磁操動系統(tǒng)中線圈電流與電磁斥力、機構位移三者之間的非線性關系。具體編寫過程如下：

（1）初始化MdlInitializeSizes(flag=0)

定義兩個連續(xù)的變量，分別是機構的輸入參數(shù)1（1）和輸出變量（2），所以NumState=2；輸入的狀態(tài)變量和輸出的狀態(tài)變量都為1。

（2）通過達朗貝爾運動方程和麥克斯韋方程，計算出狀態(tài)變量Mdlderivatives(flag=1)。

（3）計算機構模塊的輸出子系統(tǒng)Mdoutput（flag=3）sys=1(1)。

經過這三個步驟，配合整體的仿真系統(tǒng)，輸出結果就是永磁操動機構觸頭的位移。完成對永磁操動機構的建模之后，在Simulink中完成對永磁操動機構模糊RBF-PID控制的系統(tǒng)的總體設計，如圖6所示。

圖6 模糊RBF神經網絡PID永磁操動系統(tǒng)仿真

基于上述參數(shù)的影響，經過多次的調整驗證與對比分析，在仿真過程中，將控制系統(tǒng)中的參數(shù)選擇如下：p=0.28、i=0.16、d=0.46，1=0.8，2=0.5，=0.63。

由于控制電壓的變化是影響機構動作時間穩(wěn)定性的關鍵因素之一，因此在該仿真實驗中，調整控制電壓的變化來模擬環(huán)境的變化，分析加入算法控制器之后動作的時間穩(wěn)定性情況。

由于給定的位移與電流數(shù)據是在270V測得的，為了驗證系統(tǒng)在較大的電壓波動情況下對動作時間穩(wěn)定性的控制效果，選擇將電壓調節(jié)為290V進行對比實驗。在兩種情況下對電流和位移的情況進行對比分析，從而得到控制器的控制效果如圖7和圖8所示。

圖7 仿真電流跟蹤對比曲線

通過運行仿真，得到機構位移與線圈電流的變化數(shù)據，進行對比分析。

電流作為系統(tǒng)的控制變量之一，與觸頭的位移控制共同組成雙變量的控制系統(tǒng)，而位移的跟蹤對比結果是整個系統(tǒng)控制效果的直觀體現(xiàn)，對線圈電流的調整又間接地影響位移的調節(jié)。

圖8 仿真位移跟蹤對比曲線

對仿真結果進行分析得到：在算法控制器的控制下，能夠調節(jié)線圈的電流，使其按照給定的趨勢進行變化。算法控制器對線圈電流和觸頭的位移進行雙變量反饋調節(jié)，能夠調整觸頭按照給定的位移曲線進行移動。圖8所示位移曲線，290V時合閘時間是24.9ms，與給定合閘時間（270V時25.1ms）相比，時間誤差為0.2ms，因此對合閘時間穩(wěn)定性有一定的調節(jié)作用。

將仿真得到的290V時的觸頭位移變化數(shù)據進行處理，得到合閘速度變化數(shù)據，與給定速度進行對比，如圖9所示。

圖9 仿真速度對比曲線

在機構合閘實驗中，算法控制器對機構位移和線圈電流控制效果也體現(xiàn)在對觸頭移動速度的控制上。因此控制器控制效果的好壞，也體現(xiàn)在速度的跟蹤上。通過對圖9速度跟蹤控制曲線分析得到：在合閘實驗中，速度的跟蹤控制存在一定的誤差，在操動時間為0～15ms范圍內，控制效果較好，速度跟蹤誤差很小，基本上能夠達到實時的速度跟蹤；在操動時間為15～22ms區(qū)間時，有一定的跟蹤誤差。但從圖8可得最終的合閘時間誤差為0.2ms，在允許的范圍內。該模糊RBF-PID控制器方案能進行良好的速度位移跟蹤控制，使斷路器永磁操動機構在外界環(huán)境變化的條件下，調整機構觸頭的運動特性，提高合閘動作時間穩(wěn)定性。

4 RBF模糊PID控制方案整體實驗驗證

上述仿真和實驗分析，證明了RBF-模糊PID控制策略能夠進行速度跟蹤控制，可以跟蹤上目標的速度曲線變化，但在不同的電壓及外部環(huán)境下，合閘時間誤差的控制效果能否達到相控開關技術的要求，還需要進一步的實驗驗證。搭建了永磁操動機構控制回路的實驗平臺，電容電壓的變化范圍在200～300V，控制系統(tǒng)的整體結構框圖如10所示，實驗電路如圖11所示。

圖10 現(xiàn)場測試系統(tǒng)的整體結構框圖

圖11 現(xiàn)場測試系統(tǒng)整體電路圖

DSP控制回路中的檢測回路包括觸頭位移檢測回路和線圈電流檢測回路，位移傳感器與觸頭進行連接。線圈電流則通過霍爾電流傳感器進行采集，傳感器安裝于分合閘電線上。

選擇150羽1日齡羅曼蛋公雞，飼養(yǎng)至10日齡(母源抗體效價平均為1.0±0.0 Log2)選取120羽隨機分為4組，每組30只，14日齡和28日齡分別全部用1羽份的法氏囊疫苗點眼滴鼻，每次免疫的同時，第1組在基礎日糧中添加1%的中藥復方多糖，第2組在基礎日糧中添加1%的黃芪多糖，連續(xù)3 d，第3組為免疫不用藥疫苗對照組，第4組為不免疫不用藥空白對照組(見表1).

4.1 線圈電流變化與PWM的基本測試

為驗證PWM脈寬對線圈電流的調整作用，調整DSP控制系統(tǒng)發(fā)出不同頻率的PWM，檢測不同占空比的PWM對電流的控制效果。設置了PWM最高頻率為100kHz，最短周期為10μs。圖12為DSP發(fā)出的PWM對電流調節(jié)的結果，測試表明，驅動電路工作正常，能夠對電流進行正常調節(jié)，對操動機構的運動特性進行控制以減少分合閘沖擊和增加動作時間穩(wěn)定性是可行的。

圖12 線圈電流與PWM的相關性測試

4.2 未加算法控制器的合閘實驗

為證明模糊RBF-PID算法控制器對機構合閘的控制效果，先進行一般的合閘測試（未加入算法控制器），測試控制電壓對總體合閘時間的影響及機構的動作時間分散性。

控制電壓的變化是影響機構動作時間穩(wěn)定性的主要因素之一，影響較大，因此實驗需要調整控制電壓的變化作為外界環(huán)境的變化，分析加入算法控制器之后機構動作時間穩(wěn)定性情況。

合閘時間分散性測試是在每個電壓等級下進行100次實驗，分別取其中的最大和最小值得出分散性。

得到在200～300V電壓時測試的合閘行程總體趨勢和合閘時間分散性趨勢如圖13和圖14所示。實驗結果表明：未加入算法控制器的合閘實驗，合閘時間在22.7～31.8ms，合閘動作時間分散性最大為±1.5ms以上，因此不能滿足選相控制的要求。

4.3 加入算法控制器的合閘實驗測試

圖13 實驗測試200～300V電壓時合閘行程曲線

圖14 200～300V電壓合閘時間分散性

同樣地，將電容的電壓分別控制在200V、210V、220V、…、300V進行11組合閘實驗測試，得到機構在合閘過程中的行程。另外在不同電壓等級下同樣進行100次合閘測試，采集得到合閘動作時間分散性數(shù)據。

圖15 實驗測試200～300V電壓線圈電流曲線

通過對采集結果分析可得：在算法控制器的作用下，對線圈電流進行跟蹤反饋的控制，能夠及時地縮小電流與給定值的誤差，使電流的變化趨勢與給定基本相符。

電流的跟蹤反饋效果，直觀地體現(xiàn)在機構的位移上，合閘實驗同時采集不同電壓條件下的位移及同一電壓等級下合閘動作時間分散性數(shù)據，如圖16和圖17所示。

圖16 實驗測試200～300V電壓合閘行程曲線

對合閘實驗及最終結果進行分析，模糊RBF-PID神經網絡控制器可以將操動機構在不同外界環(huán)境下的總體合閘時間控制在25.5～26.1ms，動作時間分散性減少為±0.3ms左右，與未加入控制算法的合閘實驗（分散性為±1.5ms）相比，明顯提高了合閘動作時間穩(wěn)定性，通過模糊RBF-PID算法控制器，對機構的位移與線圈電流進行雙反饋跟蹤控制，能夠使操動機構觸頭按照給定的行程曲線運動，提高合閘動作時間穩(wěn)定性，達到理想的控制效果。

4.4 高低溫外界環(huán)境下操動機構合閘動作穩(wěn)定性測試

控制電壓的變化會造成操動機構動作時間及運動特性的變化，除此之外，環(huán)境溫度的變化也會引起機構動作時間的誤差，而這些環(huán)境干擾因素的存在是無法避免的，需要增加控制調節(jié)來降低影響。為證明該控制器系統(tǒng)可以有效降低操動機構在復雜環(huán)境下的動作時間分散性，在不同的環(huán)境溫度下進行實驗驗證。

基于實驗室的高低溫環(huán)境箱進行合閘實驗測試，加入算法控制器前后分別進行合閘實驗，高低溫環(huán)境實驗箱如圖18所示。低溫環(huán)境模擬箱最低溫度可達-40℃，高溫實驗箱可設置到200℃高溫。在-40～60℃的環(huán)境中進行操動機構的合閘動作時間分散性實驗測試，每隔10℃分別進行100次合閘測試。加入控制器前后機構動作時間分散性隨溫度變化曲線如圖19所示。

圖18 高低溫環(huán)境機構合閘實驗測試

圖19 動作時間誤差隨溫度變化情況

通過對合閘分散性實驗結果進行分析可得，在復雜的環(huán)境因素影響下，加入該模糊RBF-PID控制器，可以很好地降低操動機構動作時間分散性，使得操動機構在不同的環(huán)境溫度下依然能夠保持動作穩(wěn)定。

5 結論

1）本文通過分析永磁操動機構分合閘時的受力情況，建立永磁操動機構的動態(tài)模型，提出了一種基于線圈電流補償及位移跟蹤控制的控制方案，設計了一種模糊RBF神經網絡-PID控制系統(tǒng)，對永磁操動機構真空開關合閘進行操動控制，提高了合閘動作時間穩(wěn)定性。

2）采用Matlab建立永磁操動機構控制系統(tǒng)的仿真模型，建立以模糊RBF-PID控制算法為核心的控制器，并進行了位移跟蹤和線圈電流補償?shù)姆抡鎸嶒灐＝Y果表明：模糊RBF-PID控制器能夠對線圈電流和行程位移進行較好的跟蹤控制。

3）搭建了真空開關永磁操動機構實驗平臺，在外界環(huán)境因素變化的情況下，進行控制效果驗證。未加入算法控制器的合閘實驗，總體合閘時間在22.7～31.8ms；加入算法控制器后，總體合閘時間在25.5～26.1ms，合閘動作時間分散性由原來的±1.5ms降低為±0.3ms左右。在不同的外界環(huán)境溫度下，分散性依然能夠保持在±0.31ms以內，驗證了該控制方案的有效性。

[1] 鄧赟,武建文, 金鑫晨, 等. 基于高壓斷路器電機操動機構的位移分段控制策略[J]. 電工技術學報, 2018, 33(15): 3586-3595.

Deng Yun, Wu Jianwen, Jin Xinchen, et al. Displacement subsection control strategy based on motor operating mechanism of high voltage circuit breaker[J]. Transactions of China Electrotechnical Society, 2018, 33(15): 3586-3595.

[2] 程顯, 葛國偉, 廖敏夫, 等. 基于真空斷路器與SF6斷路器串聯(lián)的新型混合式高壓直流斷路器理論分析[J]. 電力自動化設備, 2019, 39(6): 68-74.

Cheng Xian, Ge Guowei, Liao Minfu, et al. Theoretical analysis of a new type of hybrid HVDC circuit breaker based on series connection between vacuum circuit breaker and SF6circuit breaker[J]. Electrical Automation Equipment, 2019, 39(6): 68-74.

[3] 孫麗瓊, 王振興, 何塞楠, 等. 126kV真空斷路器分離磁路式永磁操動機構[J]. 電工技術學報, 2015, 30(20): 49-56.

Sun Liqiong, Wang Zhenxing, He Sainan, et al. Separation magnetic circuit permanent magnetic actuator for 126kV vacuum circuit breaker[J]. Transactions of China Electrotechnical Society, 2015, 30(20): 49-56

[4] 程顯, 趙海洋, 葛國偉, 等. 基于螺線管和線圈盤的新型混合式斥力機構分析[J]. 電工技術學報, 2020, 35(14): 2997-3006.

Cheng Xian, Zhao Haiyang, Ge Guowei, et al. Analysis of a new hybrid repulsion mechanism based on solenoid and coil disk[J]. Transactions of China Electrotechnical Society, 2020, 35(14): 2997-3006.

[5] 葛國偉, 廖敏夫, 黃金強, 等. 雙斷口真空斷路器配合特性仿真與實驗[J]．電工技術學報, 2016, 31(22): 57-65.

Ge Guowei, Liao Minfu, Huang Jinqiang, et al. Simulation and test of matching characteristics of double-break vacuum circuit breakers[J]. Transactions of China Electrotechnical Society, 2016, 31(22): 57-65.

[6] 張梓瑩, 梁德世, 蔡淼中, 等. 機械式高壓直流真空斷路器換流參數(shù)研究[J]. 電工技術學報, 2020, 35(12): 2554-2561.

Zhang Ziying, Liang Deshi, Cai miaozhong, et al. Study on commutation parameters of mechanical high voltage DC vacuum circuit breaker[J]. Transactions of China Electrotechnical Society, 2020, 35(12): 2554-2561.

[7] 孫曙光, 李勤, 杜太行, 等. 基于一維卷積神經網絡的低壓萬能式斷路器附件故障診斷[J]. 電工技術學報, 2020, 35(12): 2562-2573.

Sun Shuguang, Li Qin, Du Taihang, et al. Fault diagnosis of accessories for the low voltage conventional circuit breaker based on one-dimensional convolutional neural network[J]. Transactions of China Electrotechnical Society, 2020, 35(12): 2562-2573.

[8] Castro-Sitiriche M J, Ofoli A R. DSP-based laboratory implementation of hybrid fuzzy-PID controller using genetic optimization for high-performance motor drives[J]. IEEE Transactions on Industry Applications, 2008, 44(6): 1977-1986

[9] Rubaai A, Castro-Sitiriche M J, Ofoli A R. DSP-based laboratory implementation of hybrid fuzzy-PID controller using genetic optimization for high-performance motor drives[J]. IEEE Transactions on Industry Applications, 2008, 44(6): 1977-1986.

[10] Akman C, Haider S, Ayarcan Y, et al. Anti-windup PID controller with integral state predictor for variable-speed motor drives[J]. IEEE Transactions on Industrial Electronics, 2012, 59(3): 1509-1516.

[11] Yubutea T, Yamada T. Neural networks controller characteristics with regard to adaptive control[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1992, 22(1): 170-177.

[12] Liu Y, Zhu Z Q, Howe D. Direct torque control of brushless DC drives with reduced torque ripple[J]. IEEE Transactions on Industry Applications, 2005, 41(2): 599-608.

[13] 劉愛民, 畢玉潔, 吳志恒, 等. 高壓斷路器永磁電機機構及控制系統(tǒng)設計[J]. 電機與控制學報, 2015, 19(1): 45-50.

Liu Aimin, Bi Yujie, Wu Zhiheng, et al. Mechanism and control system design of permanent magnet motor for high voltage circuit breaker[J]. Journal of Electrical Machinery and Control, 2015, 19(1): 45-50.

[14] 張忠蕾, 李慶民, 婁杰．電力電子控制電動機操動機構分閘運動特性的仿真分析[J]. 電網技術, 2006, 30(18): 58-63.

Zhang Zhonglei, Li Qingmin, Lou Jie. Simulation and analysis on switching-off motion characteristic of permanent magnet synchronous motor driven operating mechanism controlled by power converters for circuit breakers[J]. Power System Technology, 2006, 30(18): 58-63.

[15] 方紅慶, 沈祖詒．基于改進粒子群算法的水輪發(fā)電機PID調速器參數(shù)優(yōu)化[J]. 中國電機工程學報, 2005, 25(22): 120-124.

Fang Hongqing, Shen Zuyi. Parameter optimization of hydrogenerator PID governor based on improved particle swarm optimization algorithm[J]. Proceedings of the CSEE, 2005, 25(22): 120-124.

[16] 蔣宗禮．人工神經網絡導論[M]．北京: 高等教育出版社, 2001．

[17] Akhyar S, Omatu S. Neuromorphic self-tuning PID controller[C]//IEEE International Conference on Neural Networks, San Francisco, California, 1993: 552-557.

[18] Orlowska-Kowalska T, Szabat K. Control of the drive system with stiff and elastic couplings using adaptive neuro-fuzzy approach[J]. IEEE Transactions on Industrial Electronics, 2007, 54(1): 228-240.

[19] Liu Puyin, Li Hongxing. Efficient learning algorithms for three-layer regular feed forward fuzzy neural networks[J]. IEEE Transactions on Neural Networks, 2004, 15(3): 545-558.

[20] Maraziotis I A, Dragomir A, Bezerianos A. Gene networks reconstruction and time-series prediction from microarray data using recurrent neural fuzzy networks[J]. IET Systems Biology, 2007, 1(1): 41-50.

Permanent Magnet Mechanism Control System with High Operation Stability of Vacuum Switch

Cheng Xian1,2Yuan Xiaodong1,2Ge Guowei1,2Zhu Jianpeng1,2

（1. School of Electrical Engineering Zhengzhou University Zhengzhou 450001 China 2. Henan Power Transmission and Distribution Equipment and Electrical Insulation Engineering Research Center Zhengzhou 450001 China）

Vacuum switches based on permanent magnet actuator is widely used in power systems. To ensure the accuracy and stability of operation time of vacuum switch in different environments, the stability of power system can be effectively improved. In this paper, firstly, the dynamic characteristics of 10kV vacuum switch operating mechanism are analyzed and calculated, and the simulation test model is established. The algorithm controller is designed by combining radial basis function (RBF) neural network and fuzzy PID adaptive control technology. When the algorithm controller is not added, the overall closing time of the operating mechanism is 22.7-31.8ms, and the closing time is stable at 25.5～26.1ms after adding the algorithm controller. At the same time, the dispersion of closing time of the mechanism is reduced from ±1.5ms to ±0.3ms, and the dispersion can still be maintained at ±0.3ms under different ambient temperatures, which proves the effectiveness of the control system in improving the stability of action time.

Vacuum switch, permanent magnet actuator, fuzzy radial basis function (RBF) neural network, action stability

10.19595/j.cnki.1000-6753.tces.201199

TM561

國家自然科學基金（51407163，51777025）、中國博士后科學基金（2017M622370）和河南省高校重點科研（16A470014）資助項目。

2020-09-12

2020-11-24

程 顯 男，1982年生，博士，教授，博士生導師，研究方向為混合斷路器和多斷口真空開關等高壓電器及高電壓新技術。E-mail：chengxian@zzu.edu.cn

葛國偉 男，1987年生，博士，講師，研究方向為混合斷路器和多斷口真空開關等高壓電器及高電壓新技術。E-mail：ggw@zzu.edu.cn（通信作者）

（編輯 赫蕾）