交流接触器的电寿命指标是其关键的性能指标之一。通常交流接触器的机械寿命可达上百万次，但是电寿命只有几万次，电寿命的优劣直接影响低压配电系统、自动控制系统的运行质量与水平。

目前国内外对交流接触器电寿命预测的研究主要集中于退化参数的分析方法，如触头磨损、吸合时间、触头接触电阻、燃弧能量等参数的分析。这些基于退化参数的接触器电寿命预测方法，可以比较直观地反映接触器当前的运行状态，但由于涉及具体参数的测量，需要对接触器进行拆卸或者破坏，过程较为复杂，在实际工程应用中存在弊端。

采用音频分析的方法可以通过非接触的方式对设备、装置运行状态进行分析和诊断，可有效避免接触式诊断方法的弊端。目前这种方法在大型机电设备领域有一定研究。

但是，目前基于音频特征对交流接触器进行电寿命预测的研究还较少。河北工业大学、温州大学乐清工业研究院的研究人员基于音频特征的交流接触器电寿命预测方法，采用快速傅里叶变换法分析交流接触器线圈工作电压异常、触头磨损和壳体松动三种状态下接触器合闸时的音频特征，分别与正常的交流接触器音频特征进行对比。对比结果发现，非正常状态的交流接触器合闸时其音频特征与正常状态时明显不同。

图1 电寿命试验装置原理框图

为进一步研究接触器合闸时的振动发声机理，基于振动方程和声压波动方程建立接触器合闸时的声场模型，仿真结果表明，该声场模型产生的音频频谱幅值随线圈工作电压的增大而变大、频谱分布随触头形貌改变而变化。分别运用BP神经网络和卷积神经网络（CNN）构建交流接触器合闸音频特征与电寿命的关联模型，对比了L-M算法、拟牛顿法、动量BP法和自适应梯度下降法四种BP网络学习算法，建立电寿命验证平台。

图2 碰撞发声仿真流程

实验结果表明，L-M算法性能最优，预测电寿命误差小于10%；CNN可以在线学习和提取音频特征，但其预测误差超过20%。

研究人员最后得出以下结论：1）接触器控制电压变化造成音频特定频率的幅度变化；2）接触器壳体松动造成音频频谱分布变化，造成音频幅值变化；3）接触器触头磨损情况产生的音频频谱，能在低频分布权重dw参数中体现；4）运用MFCC法提取的音频特征作为BP神经网络的输入，采用L-M学习算法可获得低于10%的错误率，满足工程应用的需求；5）运用CNN法虽然免去音频特征提取步骤，但对接触器的寿命预测效果欠佳。

以上研究成果发表在2021年第9期《电工技术学报》，论文标题为“基于音频特征的交流接触器电寿命预测方法”，作者为游颖敏、王景芹 等。