(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211497724.2 (22)申请日 2022.11.28 (71)申请人 西安交通大 学 地址 710049 陕西省西安市碑林区咸宁西 路28号 (72)发明人 刘明　汪鹤龄　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 范巍 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G01R 19/00(2006.01) G01R 15/20(2006.01) (54)发明名称 基于单轴TMR传感信号深度学习的电流计算 方法及系统 (57)摘要 本发明公开了一种基于单轴TMR传感信号深 度学习的电流计算方法及系统， 首先构建长直导 线和环形传感器阵列测量系统的磁场模型， 以环 形传感器阵列测量系统相对长直导线的偏移和 旋转来等效替代长直导线的偏心和倾斜， 用于获 取长直导线任意偏心和倾斜情况下的磁场数据； 该磁场模型通过改变环形传感器阵列测量系统 的姿态能够获取大量的样本数据， 采用样本数据 训练构建的DNN神经网络模型， 利用DNN神经网络 模型的预测数据计算长直导线的电流计算值， 利 用本发明所提供的电流计算方法进行电流计算， 能大大减小长直导线偏心和倾斜带来的误差影 响， 实现高精度测量。 权利要求书3页 说明书11页 附图12页 CN 115526121 A 2022.12.27 CN 115526121 A 1.一种基于单轴TMR传感信号深度学习的电流计算方法， 其特 征在于， 包括以下步骤： 步骤1、 建立磁场模型， 磁场模型包括长直导线和环形传感器 阵列测量系统， 环形传感 器阵列测量系统包括呈环形阵列布置的多个单轴TMR芯片， 长直导线位于环形传感器阵列 测量系统中； 步骤2、 对环形传感器阵列测量系统进行偏转， 得到长直导线偏心和倾斜情况下的磁场 模型， 然后获取样本数据， 样本数据包括环形传感器阵列测量系统的偏转数据， 以及各单轴 TMR芯片所感应的磁感应强度； 步骤3、 根据磁场模型建立电流和 偏转数据分别与各单轴TMR芯片的磁感应强度的关系 式； 步骤4、 构建DNN神经网络模型并采用样本数据进行训练， 得到训练后的DNN神经网络模 型， 将磁感应强度作为输入， 训练后的DN N神经网络模型输出 预测数据； 步骤5、 根据预测数据并结合 步骤3所述的关系式确定 长直导线的电流计算 值。 2.根据权利要求1所述的一种基于单轴TMR传感信号深度学习的电流计算方法， 其特征 在于， 步骤1中所述环形传感器阵列测量系统包括四个单轴TMR芯片， 四个单轴TMR芯片分别 位于环形阵列各四分点处， 各单轴TMR芯片的磁敏感方向以同一时针方向相切于所述环形 阵列。 3.根据权利要求2所述的一种基于单轴TMR传感信号深度学习的电流计算方法， 其特征 在于， 步骤2中所述环形传感器阵列测量系统的偏转方法如下： 将环形传感器阵列测量系统沿X轴正方向偏移 距离R0； 将偏移后的环形传感器阵列测量系统以其中心为原点绕Z轴旋转角度theta； 将绕Z轴旋转后的环形传感器阵列测量系 统以其中心为原点绕X轴旋转角度phi， 得到 长直导线偏心和倾 斜情况下的磁场模型。 4.根据权利要求3所述的一种基于单轴TMR传感信号深度学习的电流计算方法， 其特征 在于， 步骤3中所述关系式如下：权　利　要　求　书 1/3 页 2 CN 115526121 A 2其中， μ0为真空磁导率， R为环形阵列的半径， I为长直导线的电流， B1、 B2、 B3和B4分别为 对应各单轴TMR芯片所感应的磁感应强度。 5.根据权利要求1所述的一种基于单轴TMR传感信号深度学习的电流计算方法， 其特征 在于， 步骤4中采用Adam算法对构建的DN N神经网络模型进行训练。 6.根据权利要求1所述的一种基于单轴TMR传感信号深度学习的电流计算方法， 其特征 在于， 步骤4中对样本数据进行归一化处理， 采用归一化后的样本数据对DNN神经网络模型 进行训练。 7.根据权利要求3所述的一种基于单轴TMR传感信号深度学习的电流计算方法， 其特征 在于， 步骤4中所述预测数据包括环形传感器阵列测量系统沿X轴正方向的偏移距离R0、 环 形传感器阵列测量系统以其中心为原点绕Z轴的旋转角度theta和环形传感器阵列测量系 统以其中心为原点绕X轴的旋转角度phi。 8.根据权利要求7所述的一种基于单轴TMR传感信号深度学习的电流计算方法， 其特征 在于， 步骤5中长直 导线的电流计算方法如下： 将预测数据代入步骤3所述关系式中， 得到各单轴 TMR芯片感应到的磁感应强度对应的 电流值， 对多个电流 值求均值， 得到 长直导线的电流计算 值。 9.一种用于执行权利要求1 ‑8任一项所述的一种基于单轴TMR传感信号深度学习的 电权　利　要　求　书 2/3 页 3 CN 115526121 A 3