本發明涉及電氣工程與傳感器，更具體地，本發明涉及一種高精度電流傳感器電氣性能檢測方法。

背景技術：

1、在現代電力系統和電子設備中，高精度電流傳感器被廣泛應用于電流測量、故障檢測以及系統控制等關鍵環節。現有的電流傳感器檢測方法主要依賴于靜態性能測試，通過對比傳感器輸出與標準信號的差異來評估其性能。這些方法通常包括簡單的信號采集和初步的誤差分析，但往往忽略了傳感器在動態環境下的復雜特性，如非線性誤差、溫度漂移以及長期使用過程中的性能退化等問題。傳統的檢測技術在處理動態信號時，難以準確提取多維度特征參數，也無法實時調整補償模型以適應傳感器的動態變化。此外，現有技術在評估傳感器性能退化時，缺乏有效的多物理場耦合模型，無法精確預測傳感器的剩余使用壽命。

2、在實現本發明實施例過程中，發明人發現現有技術中至少存在如下問題或缺陷：現有檢測方法無法全面反映電流傳感器在動態條件下的真實性能，缺乏對傳感器動態特征的深入分析和實時補償能力；同時，對于傳感器性能退化的評估不夠精確，無法有效預測其失效時間，導致在實際應用中難以提前采取維護措施，影響電力系統的穩定性和可靠性。

技術實現思路

1、本發明提供了一種高精度電流傳感器電氣性能檢測方法，包括：

2、s1、采集電流傳感器的原始輸出信號，并進行多維度信號預處理；

3、s2、基于動態特征提取算法從預處理后的信號中提取多維特征參數；

4、s3、根據多維特征參數建立動態補償模型，生成補償控制信號；

5、s4、將補償控制信號注入被測電流傳感器形成閉環反饋，采集補償后輸出信號；

6、s5、根據補償前后的信號差異計算傳感器性能退化參數；

7、s6、基于性能退化參數生成電氣性能評估報告。

8、進一步地，步驟s2包括：

9、s21、采用改進的時頻聯合分解算法對預處理信號進行分解，獲得時域特征向量和頻域特征向量，其中表示第i個時域特征參數，表示第j個頻域特征參數；

10、s22、基于動態關聯度分析算法計算特征融合權重矩陣，其中表示時域特征與頻域特征的關聯度系數；

11、s23、通過非線性特征融合公式計算多維特征參數矩陣。

12、進一步地，步驟s3包括：

13、s31、構建具有記憶效應的補償函數：

14、；

15、其中，為t時刻的補償控制信號，k為動態增益系數，為歷史補償影響因子，為時間間隔，為調制角頻率，為相位補償量；

16、s32、通過在線學習算法實時調整參數組，使補償信號與傳感器非線性誤差的頻譜特征匹配。

17、進一步地，步驟s5中性能退化參數的計算包括構建多物理場耦合的誤差演化模型：

18、s51、定義動態誤差參數：

19、；

20、其中，為t時刻的復合誤差參數，為補償后信號，為原始信號，為時刻多維特征參數變化率，為瞬時誤差權重，為累積誤差權重；

21、s52、建立多因素耦合的退化方程：

22、；

23、其中，d為性能退化參數，為老化衰減系數，為時間衰減因子，為突變敏感系數，為溫度耦合系數，為環境溫度變化量；

24、s53、通過四階龍格庫塔法求解退化方程，獲得時變性能退化曲線。

25、進一步地，步驟s53還包括：

26、s531、構建溫度補償模型，如以下公式所示：

27、；

28、其中，t為實時溫度值，為材料熱特性系數；

29、s532、定義退化階段劃分規則：

30、當時判定為健康狀態；

31、當時觸發預警狀態；

32、當時判定為失效狀態。

33、進一步地，步驟s22的動態關聯度分析算法包括：

34、s221、計算時頻特征互信息熵：

35、；

36、其中為概率分布函數；

37、s222、通過滑動時間窗計算動態權重：

38、；

39、其中，為權重更新速率系數，為更新時間間隔。

40、進一步地，步驟s1包括：

41、s11、實施多模態信號增強：

42、采用自適應陷波濾波器消除工頻干擾；

43、使用經驗模態分解算法分離信號本征模式；

44、s12、執行環境擾動補償：

45、同步采集三維電磁場強度向量通過場強補償公式修正原始信號：

46、；

47、其中，為各軸向補償系數，為基準場強值。

48、進一步地，步驟s32的在線學習算法包括：

49、s321、構建雙目標優化函數如以下公式所示：

50、；

51、；

52、其中，為權重系數，為平均跟蹤誤差，為補償信號最大波動量；

53、s322、采用約束粒子群優化算法在參數空間進行定向搜索，每5秒更新一次參數組。

54、進一步地，步驟s4包括：

55、s41、設計抗混疊注入電路，包含：

56、可編程增益儀表放大器，增益范圍60db～100db；

57、數字隔離器件，隔離電壓≥2500vrms；

58、s42、實施多速率信號同步：

59、以200khz采樣率采集原始信號；

60、以50khz更新率注入補償信號；

61、通過插值算法實現不同速率信號的時間對齊。

62、進一步地，步驟s6包括：

63、s61、構建三維健康狀態圖譜，所述三維健康狀態圖譜包括時間軸、性能軸和環境軸；

64、時間軸為累計工作時間；

65、性能軸為退化參數；

66、環境軸為溫度濕度振動復合指標；

67、s62、通過深度殘差網絡預測剩余壽命，如以下公式所示：

68、；

69、其中為訓練好的神經網絡模型，為失效閾值，為退化加速度。

70、根據本發明的上述實施例至少具有以下有益效果：本發明的高精度電流傳感器電氣性能檢測方法可以實現對電流傳感器動態性能的全面評估。通過多維度信號預處理和動態特征提取算法，能夠精確提取時域和頻域特征參數，為后續的性能分析提供更豐富的信息。結合動態補償模型和閉環反饋機制，可以實時調整補償信號，有效降低傳感器的非線性誤差和動態偏差，提高測量精度。此外，基于多物理場耦合的誤差演化模型和性能退化參數計算，可以準確評估傳感器的性能退化程度，并通過三維健康狀態圖譜直觀展示其健康狀態，為設備維護提供科學依據。

71、同時，本發明還可以通過深度殘差網絡預測傳感器的剩余使用壽命，為電力系統和電子設備的預防性維護提供有力支持。這種方法不僅可以提高電流傳感器的可靠性，還可以降低因傳感器故障導致的系統停機時間和維修成本。

技術特征：

1.一種高精度電流傳感器電氣性能檢測方法，其特征在于，包括以下步驟：

2.根據權利要求1所述的方法，其特征在于，步驟s2包括：

3.根據權利要求1所述的方法，其特征在于，步驟s3包括：

4.根據權利要求1所述的方法，其特征在于，步驟s5中性能退化參數的計算包括構建多物理場耦合的誤差演化模型：

5.根據權利要求4所述的方法，其特征在于，步驟s53還包括：

6.根據權利要求2所述的方法，其特征在于，步驟s22的動態關聯度分析算法包括：

7.根據權利要求1所述的方法，其特征在于，步驟s1包括：

8.根據權利要求3所述的方法，其特征在于，步驟s32的在線學習算法包括：

9.根據權利要求1所述的方法，其特征在于，步驟s4包括：

10.根據權利要求1所述的方法，其特征在于，步驟s6包括：

技術總結
本發明涉及電氣工程與傳感器技術領域，提供了一種高精度電流傳感器電氣性能檢測方法，包括采集電流傳感器的原始輸出信號并進行多維度信號預處理；基于動態特征提取算法從預處理后的信號中提取多維特征參數；根據多維特征參數建立動態補償模型，生成補償控制信號；將補償控制信號注入被測電流傳感器形成閉環反饋，采集補償后輸出信號；根據補償前后的信號差異計算傳感器性能退化參數；基于性能退化參數生成電氣性能評估報告。本發明可以提高傳感器的測量精度和可靠性，延長其使用壽命，降低維護成本，并為電力系統和電子設備的安全穩定運行提供有力保障。

技術研發人員：賀德其
受保護的技術使用者：上海德攜電子科技有限公司
技術研發日：
技術公布日：2025/4/24