CN113296045B - 基于传感阵列的微型电流传感器的误差校正方法 - Google Patents

Abstract

本发明提供了一种基于传感阵列的微型电流传感器的误差校正方法，包括：采集所述微型电流传感器的暗敷深度、通电电流和水平偏差在不同工况下的数据形成特征样本集，所述特征样本集包括至少三组特征样本；获取所述微型电流传感器的三个隧道磁电阻传感器的磁感应强度，并通过校正因子对获取到的磁感应强度进行校正；采用改进粒子群算法进行校正因子计算，并用粒子群模型处理所述特征样本集、校正因子和磁感应强度测量值，得到最优数据，并根据所述最优数据对传感器输出的非线性误差进行校正。

Description

基于传感阵列的微型电流传感器的误差校正方法

技术领域

本发明涉及传感校正领域，特别涉及一种基于传感阵列的微型电流传感器的误差校正方法。

背景技术

线路电流是最重要的电网状态量之一，电流测量是保障用电安全和电网稳定的前提。随着材料科学和信息科学的不断发展，电网正在向着数字化，智能化不断变革。先进的传感技术是为电网的实时监测和控制提供准确信息的关键技术。测量线路电流的传感器也在向着轻量化，智能化的方向发展。

目前传统的电流测量技术有基于电磁互感的电流互感器和罗氏线圈、基于霍尔效应的霍尔元件。这些测量手段都必须箝入通电导线或者直接接入导线。随着社会经济的发展，家庭用电的走线越来越多的由明线变为暗敷的形式。家庭用电作为配电网的终端，是配电网漏电的多发地。为了能够检测墙内通电导线的电流大小，为家庭安全用电提供信息基础，研究人员提出了基于TMR(Tunnel Magnetoresistance,隧道磁电阻)传感阵列的微型电流检测装置。

TMR传感阵列是由基于隧道磁电阻效应的磁场传感器组成的阵列，基于隧道磁电阻效应的传感元件具有灵敏度高、噪声低、体积小等优点。在暗敷通电导体的测量中，基于TMR传感阵列的微型电流传感器可以真正做到无接触式测量。上述微型电流传感器在实际使用中，由于暗敷目标磁场具有不确定性，工作电磁环境具有复杂性，在获得使用灵活便携优点的同时，也增加了获得通电导线所产生的特定磁场的难度。在TMR元件感应到的磁场中，除了目标导线产生的磁场外，还叠加了地磁场、工频激磁干扰环境磁场、高频干扰环境磁场等信号干扰。其中工频激磁磁场是指传感器载体中的铁磁材料在工频磁场的激励下产生的磁场。在信号转换传输的过程中，还会引入传感器灵敏度误差、电子元器件产生的磁场误差、硬件的零漂误差等。在实际的手持测量中，人工操作并不一定能够达到理想的位置条件，所以还会引入测量位置偏差。

对于未加物理屏蔽装置的磁阻传感器阵列来说，通过算法校正测量误差就显示十分必要。尤其是在于传感器载体具有一定软磁特性时，软磁性误差和非线性误差会给测量结果造成很大的误差。

发明内容

本发明提供了一种基于传感阵列的微型电流传感器的误差校正方法，可以使传感阵列装置的测量精度提高一个数量级。

为了达到上述目的，本发明的实施例提供了一种基于传感阵列的微型电流传感器的误差校正方法，所述微型电流传感器有三个隧道磁电阻传感器组成，三个隧道磁电阻传感器设置在一条主敏感轴上，且设置在中间的传感器为三轴传感器，两侧的传感器为第一单轴传感器和第二单轴传感器；所述误差校正方法包括：

步骤1，采集所述微型电流传感器的暗敷深度、通电电流和水平偏差在不同工况下的数据形成特征样本集，所述特征样本集包括至少三组特征样本；

步骤2，获取所述微型电流传感器的三个隧道磁电阻传感器的磁感应强度，并通过校正因子对获取到的磁感应强度进行校正；

步骤3，采用改进粒子群算法进行校正因子计算，并用粒子群模型处理所述特征样本集、校正因子和磁感应强度测量值，得到最优数据，并根据所述最优数据对传感器输出的非线性误差进行校正。

本发明的上述方案有如下的有益效果：

本发明所提供的基于传感阵列的微型电流传感器的误差校正方法i.基于传感阵列的微型电流传感器装置可以实现完全无接触的、即贴即用式的电流测量功能，以及对暗敷通电导体精准定位的功能。填补了暗敷导体无接触式测量领域的空白。利用校正因子可以实现对测量过程中的非线性误差校正，K₁₁、K₂₁、K₃₁为线性误差校正因子，K₁₂、K₂₂、K₃₂为非线性误差校正因子。经过实测，本专利误差校正方法可以将测量精度提高到单纯对线性误差校正情况下的2倍。对比于未进行误差校正的装置，可以使传感阵列装置的测量精度提高一个数量级。同时引入以暗敷深度为目标的惩罚函数，并对惩罚阈值进行了处理，求出了以通电电流和暗敷深度为多目标优化的最优解，在对测量误差进行分析的基础上，根据误差类型进行的特定误差校正，具有更加广泛的适用性。

附图说明

图1为本发明的误差校正方法流程示意图；

图2为本发明的传感阵列的阵列示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

如图1所示，本发明的实施例提供了一种基于传感阵列的微型电流传感器的误差校正方法，所述微型电流传感器有三个隧道磁电阻传感器组成，三个隧道磁电阻传感器设置在一条主敏感轴上，且设置在中间的传感器为三轴传感器，两侧的传感器为第一单轴传感器和第二单轴传感器；所述误差校正方法包括：

步骤1，采集所述微型电流传感器的暗敷深度、通电电流和水平偏差在不同工况下的数据形成特征样本集，所述特征样本集包括至少三组特征样本；

步骤2，获取所述微型电流传感器的三个隧道磁电阻传感器的磁感应强度，并通过校正因子对获取到的磁感应强度进行校正；

步骤3，采用改进粒子群算法进行校正因子计算，并用粒子群模型处理所述特征样本集、校正因子和磁感应强度测量值，得到最优数据，并根据所述最优数据对传感器输出的非线性误差进行校正。

其中，所述步骤1具体包括：

预设不同的暗敷深度D、通电电流I和水平偏差Δx为不同的工况，将不同工况下的暗敷深度D、通电电流I和水平偏差Δx作为特征样本集

所述特征样本集

是一个3×n的多维数组，行向量分别为暗敷深度D、通电电流I和水平偏差Δx，列向量分别为不同的预设组，其中实验组数n≥3.定义n组运行情况下的3个特征量构成特征样本集

其中，x_t为第t组预设实验所设定的暗敷深度D(t)、通电电流I(t)和水平偏差Δx(t)三个特征量。

其中，所述步骤2具体包括：

分别采集每一预设组的三个隧道磁电阻传感器的磁感应强度为B′_1x、B′_2x和B′_3x；

采用校正因子对三个传感器进行校正，校正后三个隧道磁电阻传感器输出的磁感应强度分别为B_1x、B_2x和B_3x；

B_1x＝K₁₁*B′_1x+K₁₂*B′_1x ²

B_2x＝K₂₁*B′_2x+K₂₂*B′_2x ²

B_3x＝K₃₁*B′_3x+K₃₂*B′_3x ²

其中，K₁₁、K₁₂、K₂₁、K₂₂、K₃₁、K₃₂为校正因子，是待求量。

其中，所述步骤3包括：

步骤31，采用粒子群模型处理特征样本集

各校正因子和各磁感应强度测量值，得到最优解，且将最优解确认为K₁₁、K₁₂、K₂₁、K₂₂、K₃₁、K₃₂；

步骤32，粒子的位置为分别表示K₁₁、K₁₂、K₂₁、K₂₂、K₃₁、K₃₂的六维向量，通过惩罚函数判断粒子位置是否为优质解，如果粒子位置位于非优解范围，则对该粒子的适应度进行惩罚；如果粒子位置位于优质解范围，则粒子的适应度按照适应度公式进行计算；

步骤33，每个粒子的适应度计算由特征样本集

惩罚函数和适应值计算公式计算得到；

步骤34，基于粒子个体最优位置、粒子群全局最优位置、惯性权重、第一学习因子、第二学习因子、最大迭代次数以及收敛精度，对每个粒子速度和位置进行迭代更新，获取每个粒子迭代更新后位置，

步骤35，迭代终止后的全局最优粒子位置为最优解，根据所述最优解对传感器输出的非线性误差进行校正。

其中，所述步骤3具体包括：

设置改进粒子群的基本参数，包括粒子群的种群规模N、惯性权重ω、学习因子1c₁、学习因子2 c₂、迭代收敛精度eps、最大迭代次数i_max、粒子飞行速度上限值v_max和下限值v_min、粒子位置上限值pop_max和下限值pop_min、惩罚阈值上限值h_max和下限值h_min；

初始化各粒子位置，根据上述设置的粒子位置上限值pop_max和下限值pop_min，使用rand函数，使粒子种群在位置区间上随机分布；

如果粒子p(j)的适应度小于个体最优适应度P_best(j),则将该粒子的适应度赋值给个体最优适应度P_best(j)；如果粒子p(j)的适应度小于全局最优适应度P_gbest,则将该粒子的适应度赋值给全局最优适应度P_gbest；

对每个粒子的位置和速度进行更新迭代，迭代依据公式为：

判断B_1x和B_3x的大小，将两者中值更大的赋值给变量A，值更小的赋值给变量C；计算分别得到第一暗敷深度、第二暗敷深度和第三暗敷深度：

D_jmean(t)＝(D_j1(t)+D_j2(t)+D_j3(t))/3

第一暗敷深度是由第一单轴传感器输出校正值B_1x、第二单轴传感器输出校正值B_3x、特征样本集

和传感器间距d计算所得；

第二暗敷深度是由变量A、三轴传感器输出校正值B_2x、特征样本集

和传感器间距d计算所得；

第三暗敷深度是由变量C、三轴传感器输出校正值B_2x、特征样本集

和传感器间距d计算所得；

其中，水平偏差Δx的取值恒不为负，水平偏差的方向由B_1x和B_3x的大小来确定，若B_1x＞B_3x，则通电导线偏向第一单轴传感器；若B_1x＜B_3x，则通电导线偏向第二单轴传感器；

使用惩罚函数判断粒子位置是否处于优质解范围，惩罚函数p_f(j)：

判断条件为：p_f(j)≥h，h为惩罚阈值；

如果粒子p(j)的惩罚函数值大于等于惩罚阈值，则给与该粒子的适应度一个较大的惩罚值；

如果粒子p(j)的惩罚函数值小于惩罚阈值，说明该粒子处于优质解的范围，其适应度值应有适应度函数计算所得；适应度函数为f(p(j))

迭代次数达到最大迭代次数或者全局最优适应度P_gbest小于迭代收敛精度eps则终止迭代计算，否则继续计算和更新。

如图2所示，基于传感阵列的微型电流传感器，由两个单轴传感器搭配一个三轴传感器组成阵列形式，利用传感器输出的信号可以实现定位通电导线和测量通电导线的电流，阵列示意图如图2所示，Sensor1、Sensor2和Sensor3分别为主敏感轴上第一、第二和第三个TMR(Tunnel Magnetoresistance,隧道磁电阻)传感器。以第二个TMR传感器为中心建立直角坐标系。Sensor1和Sensor3为单轴传感器，Sensor2为三轴传感器，Sensor2的三个敏感轴分别对应直角坐标系的x、y、z轴。Sensor1和Sensor3的敏感轴与Sensor2的x敏感轴在同一条直线上，且Sensor1、Sensor2和Sensor3均在这条直线上，称这条直线为传感阵列的主敏感轴，Sensor2的y敏感轴和z敏感轴为辅助敏感轴。Sensor1和Sensor3到Sensor2的距离相等，且均为传感器间距d。直角坐标系中xoy平面为传感器所在平面。该微型电流传感器可以实现在未知测量目标具***置的情况下，可以实现精确定位通电导线的相对位置，完全无接触式的高精度电流测量，无需箝入导线或者接入导线。

为了验证本文所提校正方法的正确性，在研制的测量装置的基础上，进行了实物测试。在预设实验组中分别设置不同的暗敷深度D，通电电流I和水平偏差Δx，其中暗敷深度D设置为20mm到40mm之间的一系列数值，通电电流设置为100mA至4000mA的一系列数值，水平偏差设置为0到10mm之间的一系列数值。测量装置传感器间距d设置为15mm，根据实际测得的数据构成特征样本集

通过改进粒子群算法进行迭代求解。下表为改进粒子群算法的部分迭代数据。

表中，K₁₁、K₁₂、K₂₁、K₂₂、K₃₁、K₃₂为待求量，D_error(％)为暗敷深度的误差百分比，I_error(％)为导线电流的误差百分比，D_error(％)和I_error(％)共同构成了衡量此算法求解好坏程度的指标，D_error(％)和I_error(％)越小说明改进粒子群算法的解越好。在本实验迭代次数达到100次时，此算法满足精度要求，得到了全局最优粒子适应度。此时的K₁₁、K₁₂、K₂₁、K₂₂、K₃₁、K₃₂为全局最优解，此时的暗敷深度误差百分比和导线电流误差百分比分别为-0.2139％和0.168748％。将求得的全局最优解带入到前三个公式可完成对传感器输出非线性误差的校正。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于传感阵列的微型电流传感器的误差校正方法，其特征在于，所述微型电流传感器有三个隧道磁电阻传感器组成，三个隧道磁电阻传感器设置在一条主敏感轴上，且设置在中间的传感器为三轴传感器，两侧的传感器为第一单轴传感器和第二单轴传感器；所述误差校正方法包括：

步骤1，采集所述微型电流传感器的暗敷深度、通电电流和水平偏差在不同工况下的数据形成特征样本集，所述特征样本集包括至少三组特征样本；

步骤2，获取所述微型电流传感器的三个隧道磁电阻传感器的磁感应强度，并通过校正因子对获取到的磁感应强度进行校正；

步骤3，采用改进粒子群算法进行校正因子计算，并用粒子群模型处理所述特征样本集、校正因子和磁感应强度测量值，得到最优数据，并根据所述最优数据对传感器输出的非线性误差进行校正。

2.根据权利要求1所述的基于传感阵列的微型电流传感器的误差校正方法，其特征在于，所述步骤1具体包括：

预设不同的暗敷深度D、通电电流I和水平偏差Δx为不同的工况，将不同工况下的暗敷深度D、通电电流I和水平偏差Δx作为特征样本集

所述特征样本集

是一个3×n的多维数组，行向量分别为暗敷深度D、通电电流I和水平偏差Δx，列向量分别为不同的预设组，其中实验组数n≥3，定义n组运行情况下的3个特征量构成特征样本集

其中，x_t为第t组预设实验所设定的暗敷深度D(t)、通电电流I(t)和水平偏差Δx(t)三个特征量。

3.根据权利要求1所述的基于传感阵列的微型电流传感器的误差校正方法，其特征在于，所述步骤2具体包括：

分别采集每一预设组的三个隧道磁电阻传感器的磁感应强度为B′_1x、B′_2x和B′_3x；

采用校正因子对三个传感器进行校正，校正后三个隧道磁电阻传感器输出的磁感应强度分别为B_1x、B_2x和B_3x；

B_1x＝K₁₁*B′_1x+K₁₂*B′_1x ²

B_2x＝K₂₁*B′_2x+K₂₂*B′_2x ²

B_3x＝K₃₁*B′_3x+K₃₂*B′_3x ²

其中，K₁₁、K₁₂、K₂₁、K₂₂、K₃₁、K₃₂为校正因子，是待求量。

4.根据权利要求3所述的基于传感阵列的微型电流传感器的误差校正方法，其特征在于，所述步骤3包括：

步骤31，采用粒子群模型处理特征样本集

各校正因子和各磁感应强度测量值，得到最优解，且将最优解确认为K₁₁、K₁₂、K₂₁、K₂₂、K₃₁、K₃₂；

步骤32，粒子的位置为分别表示K₁₁、K₁₂、K₂₁、K₂₂、K₃₁、K₃₂的六维向量，通过惩罚函数判断粒子位置是否为优质解，如果粒子位置位于非优解范围，则对该粒子的适应度进行惩罚；如果粒子位置位于优质解范围，则粒子的适应度按照适应度公式进行计算；

步骤33，每个粒子的适应度计算由特征样本集

惩罚函数和适应值计算公式计算得到；

步骤34，基于粒子个体最优位置、粒子群全局最优位置、惯性权重、第一学习因子、第二学习因子、最大迭代次数以及收敛精度，对每个粒子速度和位置进行迭代更新，获取每个粒子迭代更新后位置，

步骤35，迭代终止后的全局最优粒子位置为最优解，根据所述最优解对传感器输出的非线性误差进行校正。

5.根据权利要求4所述的基于传感阵列的微型电流传感器的误差校正方法，其特征在于，所述步骤3具体包括：

设置改进粒子群的基本参数，包括粒子群的种群规模N、惯性权重ω、学习因子1c₁、学习因子2c₂、迭代收敛精度eps、最大迭代次数i_max、粒子飞行速度上限值v_max和下限值v_min、粒子位置上限值pop_max和下限值pop_min、惩罚阈值上限值h_max和下限值h_min；

初始化各粒子位置，根据上述设置的粒子位置上限值pop_max和下限值pop_min，使用rand函数，使粒子种群在位置区间上随机分布；

如果粒子p(j)的适应度小于个体最优适应度P_best(j),则将该粒子的适应度赋值给个体最优适应度P_best(j)；如果粒子p(j)的适应度小于全局最优适应度P_gbest, 则将该粒子的适应度赋值给全局最优适应度P_gbest；

对每个粒子的位置和速度进行更新迭代，迭代依据公式为：

判断B_1x和B_3x的大小，将两者中值更大的赋值给变量A，值更小的赋值给变量C；计算分别得到第一暗敷深度、第二暗敷深度和第三暗敷深度：

D_jmean(t)＝(D_j1(t)+D_j2(t)+D_j3(t))/3

第一暗敷深度是由第一单轴传感器输出校正值B_1x、第二单轴传感器输出校正值B_3x、特征样本集

和传感器间距d计算所得；

第二暗敷深度是由变量A、三轴传感器输出校正值B_2x、特征样本集

和传感器间距d计算所得；

第三暗敷深度是由变量C、三轴传感器输出校正值B_2x、特征样本集

和传感器间距d计算所得；

其中，水平偏差Δx的取值恒不为负，水平偏差的方向由B_1x和B_3x的大小来确定，若B_1x＞B_3x，则通电导线偏向第一单轴传感器；若B_1x＜B_3x，则通电导线偏向第二单轴传感器；

使用惩罚函数判断粒子位置是否处于优质解范围，惩罚函数p_f(j)：

判断条件为：p_f(j)≥h，h为惩罚阈值；

如果粒子p(j)的惩罚函数值大于等于惩罚阈值，则给与该粒子的适应度一个较大的惩罚值；

如果粒子p(j)的惩罚函数值小于惩罚阈值，说明该粒子处于优质解的范围，其适应度值应有适应度函数计算所得；适应度函数为f(p(j))

迭代次数达到最大迭代次数或者全局最优适应度P_gbest小于迭代收敛精度eps则终止迭代计算，否则继续计算和更新。

Images