Автомат характеристика в или с: Что такое время токовые характеристики автоматических выключателей

Что такое время токовые характеристики автоматических выключателей

При нормальной работе электросети и всех приборов через автоматический выключатель протекает электрический ток. Однако если сила тока по каким-либо причинам превысила номинальные значения, происходит размыкание цепи из-за срабатывания расцепителей автоматического выключателя.

Характеристика срабатывания автоматического выключателя является очень важной характеристикой, которая описывает то, насколько время срабатывания автомата зависит от отношения силы тока, протекающего через автомат, к номинальному току автомата.

Данная характеристика сложна тем, что для ее выражения необходимо использование графиков. Автоматы с одним и тем же номиналом будут при разных превышениях тока по-разному отключаться в зависимости от типа кривой автомата (так иногда называется токовая характеристика), благодаря чему имеется возможность применять автоматы с разной характеристикой для разных типов нагрузки.

Тем самым, с одной стороны, осуществляется защитная токовая функция, а с другой стороны, обеспечивается минимальное количество ложных срабатываний – в этом и заключается важность данной характеристики.

В энергетических отраслях бывают ситуации, когда кратковременное увеличение тока не связано с появлением аварийного режима и защита не должно реагировать на такие изменения. Это же относится и к автоматам.

При включении какого-нибудь мотора, к примеру, дачного насоса или пылесоса, в линии происходит достаточно большой бросок тока, который в несколько раз превышает нормальный.

По логике работы, автомат, конечно же, должен отключиться. К примеру, мотор потребляет в пусковом режиме 12 А, а в рабочем – 5. Автомат стоит на 10 А, и от 12 его вырубит. Что в таком случае делать? Если например поставить на 16 А, тогда непонятно отключится он или нет если заклинит мотор или замкнет кабель.

Можно было бы решить эту проблему, если его поставить на меньший ток, но тогда он будет срабатывать от любого движения. Вот для этого и было придумано такое понятие для автомата, как его «время токовая характеристика».

Какие существуют время токовые характеристики автоматических выключателей и их отличие между собой

Как известно основными органами срабатывания автоматического выключателя являются тепловой и электромагнитный расцепитель.

Тепловой расцепитель представляет собой пластину из биметалла, изгибающуюся при нагреве протекающим током. Тем самым в действие приводится механизм расцепления, при длительной перегрузке срабатывая, с обратнозависимой выдержкой времени. Нагрев биметаллической пластинки и время срабатывание расцепителя напрямую зависят от уровня перегрузки.

Электромагнитный расцепитель является соленоидом с сердечником, магнитное поле соленоида при определенном токе втягивает сердечник, приводящий в действие механизм расцепления – происходит мгновенное срабатывание при КЗ, благодаря чему пострадавший участок сети не будет дожидаться прогревания теплового расцепителя (биметаллической пластины) в автомате.

Зависимость времени срабатывания автомата от силы тока, протекающего через автомат, как раз и определяется время токовой характеристикой автоматического выключателя.

Наверное, каждый замечал изображение латинских букв B, C, D на корпусах модульных автоматов. Так вот они характеризуют кратность уставки электромагнитного расцепителя к номиналу автомата, обозначая его время токовую характеристику.

Эти буквы указывают ток мгновенного срабатывания электромагнитного расцепителя автомата. Проще говоря, характеристика срабатывания автоматического выключателя показывает чувствительность автомата – наименьший ток при котором автомат отключится мгновенно.

Автоматы имеют несколько характеристик, самыми распространенными из которых являются:

• — B — от 3 до 5 ×In;
• — C — от 5 до 10 ×In;
• — D — от 10 до 20 ×In.

Что означают цифры указанные выше?

Приведу небольшой пример. Допустим, есть два автомата одинаковой мощности (равные по номинальному току) но характеристики срабатывания (латинские буквы на автомате) разные: автоматы В16 и С16.

Диапазоны срабатывания электромагнитного расцепителя для В16 составляет 16*(3…5)=48…80А. Для С16 диапазон токов мгновенного срабатывания 16*(5…10)=80…160А.

При токе 100 А автомат В16 отключится практически мгновенно, в то время как С16 отключится не сразу а через несколько секунд от тепловой защиты (после того как нагреется его биметаллическая пластина).

В жилых зданиях и квартирах, где нагрузки чисто активные (без больших пусковых токов), а какие-нибудь мощные моторы включаются нечасто, самыми чувствительными и предпочтительными к применению являются автоматы с характеристикой B. На сегодняшний день очень распространена характеристика С, которую также можно использовать для жилых и административных зданий.

Что касается характеристики D, то она как раз годится для питания каких-либо электромоторов, больших двигателей и других устройств, где могут быть при их включении большие пусковые токи. Также через пониженную чувствительность при КЗ автоматы с характеристикой D могут быть рекомендованы для использования как вводные для повышения шансов селективности со стоящими ниже групповыми АВ при КЗ.

Согласитесь логично, что время срабатывания зависит от температуры автомата. Автомат отключится быстрее, если его тепловой орган (биметаллическая пластина) разогретый. И наоборот при первом включении когда биметалл автомата холодный время отключения будет больше.

Поэтому на графике верхняя кривая характеризует холодное состояние автомата, нижняя кривая характеризует горячее состояние автомата.

Пунктирной линией обозначен предельный ток срабатывания для автоматов до 32 А.

Что показано на графике время токовой характеристики

На примере 16-Амперного автомата, имеющего время токовую характеристику C, попробуем рассмотреть характеристики срабатывания автоматических выключателей.

На графике можно увидеть, как протекающий через автоматический выключатель ток влияет на зависимость времени его отключения. Кратность тока протекающего в цепи к номинальному току автомата (I/In) изображает ось Х, а время срабатывания, в секундах – ось У.

Выше говорилось, что в состав автомата входит электромагнитный и тепловой расцепитель. Поэтому график можно разделить на два участка. Крутая часть графика показывает защиту от перегрузки (работа теплового расцепителя), а более пологая часть защиту от КЗ (работа электромагнитного расцепителя).

Как видно на графике если к автомату С16 подключить нагрузку 23 А то он должен отключится за 40 сек. То есть при возникновении перегрузки на 45 % автомат отключится через 40 сек.

На токи большой величины, которые могут привести к повреждению изоляции электропроводки автомат способен реагировать мгновенно благодаря наличию электромагнитного расцепителя.

При прохождении через автомат С16 тока 5×In (80 А) он должен сработать через 0.02 сек (это если автомат горячий). В холодном состоянии, при такой нагрузке, он отключится в пределах 11 сек. и 25 сек. (для автоматов до 32 А и выше 32 А соответственно).

Если через автомат будет протекать ток равный 10×In, то он отключается за 0,03 секунды в холодном состоянии или меньше чем за 0,01 секунду в горячем.

К примеру, при коротком замыкании в цепи, которая защищена автоматом С16, и возникновении тока в 320 Ампер, диапазон времени отключения автомата будет составлять от 0,008 до 0,015 секунды. Это позволит снять питание с аварийной цепи и защитить от возгорания и полного разрушения сам автомат, закоротивший электроприбор и электропроводку.

Автоматы с какими характеристиками предпочтительнее использовать дома

В квартирах по возможности необходимо обязательно применять автоматы категории B, которые являются более чувствительными. Данный автомат отработает от перегрузки так же, как и автомат категории С. А вот о случае короткого замыкания?.

Если дом новый, имеет хорошее состояние электросети, подстанция находится рядом, а все соединения качественные, то ток при коротком замыкании может достигать таких величин, что его должно хватить на срабатывание даже вводного автомата.

Ток может оказаться малым при коротком замыкании, если дом является старым, а к нему идут плохие провода с огромным сопротивлением линии (особенно в сельских сетях, где большое сопротивление петли фаза-нуль) – в таком случае автомат категории C может не сработать вообще. Поэтому единственным выходом из этой ситуации является установка автоматов с характеристикой типа В.

Следовательно, время токовая характеристика типа В является определенно более предпочтительной, в особенности в дачной или сельской местности или в старом фонде.

В быту на вводной автомат вполне целесообразно ставить именно тип С, а на автоматы групповых линий для розеток и освещения – тип В. Таким образом будет соблюдена селективность, и где-нибудь в линии при коротком замыкании вводной автомат не будет отключаться и «гасить» всю квартиру.

Похожие материалы на сайте:

Понравилась статья — поделись с друзьями!

Какую характеристику автоматического выключателя правильно устанавливать в жилых помещениях

← Новые распределительные щиты New VEGA HAGER — ваш хаб инноваций   ||   Видеообзор шкафы Hager Volta →

Какую характеристику автоматического выключателя правильно устанавливать в жилых помещениях

Для тех, кто не хочет вникать в технические тонкости, какую характеристику автоматического выключателя или дифавтомата (поскольку автоматический выключатель в нем, как часть) применить в защите вашей электросети, предлагаем вниманию рекомендации немецкого производителя HAGER – прочесть и принять:

1. Характеристика срабатывания В (3-5 In):

   Применяется преимущественно для защиты кабелей и цепей в жилых домах (цепи освещения, розетки)

2. Характеристика срабатывания С (5-10 In):

   Применяется для защиты кабелей и цепей преимущественно в приборах с повышенным пусковым током (группы ламп, электродвигатели, и т. д.)

3. Характеристика срабатывания D (10-20 In):

   Применяется для защиты кабелей и цепей, особенно в приборах с очень большим пусковым током (сварочные трансформаторы, электродвигатели и т.д.)

Т.е. компания HAGER для жилых помещений рекомендует устанавливать характеристику «В». И ей следуют немецкие электрики. В принципе, подобной рекомендации придерживаются другие европейские производители. Почему же в нашей стране электромонтажники характеристику «В» в жилом фонде не принимают за стандарт, а часто применяют «С» характеристику?

Попробуем разобраться.

Рассмотрим таблицу отключения автоматического выключателя в зависимости от характеристики отключения:

Рис.1 Характеристика «В»

Выпуск автоматических выключателей с разными характеристиками отключения и отсутствие универсальной характеристики обусловлены различными требованиями к защите электрической линии от перегрузок, пусковых токов, короткого замыкания. Из таблицы мы видим, что самый быстрый и чувствительный автомат с «В» характеристикой, самый медленный и не чувствительный к пиковым нагрузкам – автомат с характеристикой «D».

Рис.2 характеристика «C»

Характеристика «С» кажется оптимальной, поскольку находится посередине графика (см. выше). Так ли это? Тот факт, что автоматы типа C сейчас активно применяются, не означает, что тип C «лучше» или «более продвинутый». Это просто два разных типа для разных условий, но технологический уровень их исполнения одинаков. И цена, практически, тоже одинакова.

Рис.3 характеристика «D»

Следует отметить, что в современной высококачественной бытовой технике, благодаря применению специальных технологий, пусковые токи значительно меньше, чем были раньше, даже если используется импульсный блок питания. Поэтому, если вы оснастили квартиру или коттедж современной техникой, можно сделать выбор в пользу защитных автоматов типа «B». При этом можно повысить надежность энергоснабжения, реализовав принцип селективного отключения. Он заключается в том, что из-за задержки по времени в срабатывании вышестоящего защитного автомата относительно нижестоящего предотвращается отключение питания по всему коттеджу или по всей квартире. Самый экономичный способ реализации селективной защиты — поставить вводной автомат типа С, а в качестве нижестоящих использовать автоматы типа B.

Еще одно хорошее преимущество характеристики «В» в квартире. Автоматы с такой характеристикой лучше щадят вашу сеть при коротком замыкании, т.к. раньше отключаются и не настолько требовательны к сечению проводников, как характеристика «С».

Выбор характеристики автоматических выключателей остается за вами. Можно полностью установить с характеристикой «С».

Автоматы с характеристикой B, C и D: собираем схему защиты вашей проводки на пять с плюсом! | Электрика для всех

Каждому из нас знакома ситуация: где-то «коротнуло» и вся квартира или дом погрузились во тьму. Мы на ощупь пробираемся к щитку с автоматами и включаем свет вновь. Но что, если возможен и другой вариант? Что, если можно выстроить защиту так, чтобы отключался только неисправный участок проводки, не затрагивая свет и розетки в других помещениях? В этой статье мы расскажем вам, как, пользуясь малоизвестными, но очень полезными разновидностями автоматов, выстроить идеально согласованную защиту, срабатывающую именно так, как это нужно нам.

Немного теории (очень просто и коротко)

Устройство автомата и два его расцепителя

Устройство автомата и два его расцепителя

Автоматический выключатель в реальности не один прибор — а два, в одном корпусе. Первый прибор это медленный выключатель, который срабатывает от нагрева при слишком большой силе тока, а второй — быстрый электромагнитный, реагирующий на резкие скачки тока при коротком замыкании.

Характеристики автоматов — что нам нужно знать

Маркировка автомата

Маркировка автомата

Цифра, указанная на корпусе автомата это ток, на который настроен тепловой расцепитель. Однако при коротком замыкании этот ток не важен — для того, чтобы автоматы срабатывали в нужном порядке, а не вразнобой, нужно, чтобы были согласованы токи именно электромагнитных расцепителей. Если вводной (общий) автомат будет иметь ток срабатывания 500 Ампер, а следующий автомат — 100, первым при коротком замыкании сработает именно ближайший к месту аварии выключатель, что нам и нужно.

Как узнать, на какой ток настроен быстрый выключатель? Здесь нам на помощь придёт так называемая «характеристика отключения» автомата. Она маркируется латинской буквой, стоящей перед номиналом автомата — B, C или D. Автоматы с характеристикой B и D встречаются в продаже очень редко, 99% всех автоматов имеют тип C. Но автоматы B и D всё же стоит разыскать или заказать и вот почему.

У автоматов B ток быстрого расцепителя в среднем равен номиналу, умноженному на 4.

У автоматов C тока быстрого расцепителя равен номиналу, умноженному на 7.

У автоматов D ток быстрого расцепителя равен номиналу, умноженному на 15.

Если на вводе стоит автомат на 40 Ампер (частый вариант), а дальше — на 16, то токи их мгновенного отключения будут равны:

• для C40 и C16 — 280 и 112 Ампер;
• для D40 и C16 — 600 и 112 Ампер;
• для D40 и B16 — 600 и 64 Ампера.

Как видите, разница очень большая — и появилась она только из-за разных букв в обозначении — номиналы автоматов остались теми же. Для того, чтобы автомат на вводе оставался включённым, при срабатывании следующего по схеме, он должен не только быть больше по номиналу, но и иметь другую характеристику отключения — в сторону более грубого срабатывания. Например, D на входе и C дальше, либо C на входе и B после.

Более предпочтителен первый вариант (D и C), так как автоматы типа B очень чуткие и могут сработать даже от скачка тока при включении холодильника или перегорания лампы накаливания.

Дополнительные применения нестандартных автоматов

Применение автоматов с характеристикой «B» и «D»

Применение автоматов с характеристикой «B» и «D»

Настройка очерёдности срабатывания автоматов при КЗ это ещё не всё, на что способны необычные автоматы типов B и D. Автоматы D могут применяться для защиты мощных электродвигателей (это их основное назначение), а автоматы с характеристикой B желательно применять для защиты длинных линий, например для питания уличных розеток в частном доме.

Большая протяжённость провода от автомата до уличного прибора: газонокосилки, «керхера» или сварки — до 50 метров, приводит к тому, что ток короткого замыкания снижается до уровня, при котором обычный автомат типа C может просто не сработать. Это приведёт к перегреву кабеля или даже возгоранию. А автомат B чётко уловит скачок тока и защитит даже очень далёкую нагрузку.

Заключение

Несмотря на то, что автоматы D и B редко встречаются в продаже, их имеет смысл купить и установить. На ввод идеально подойдёт автомат типа D, а на линии, к которым подключается длинный провод — типа B. Остальные кабели можно оставить на совести стандартных автоматов типа C, которые хорошо срабатывают от обычных токов КЗ и в то же время не имеют склонности к ложным отключениям.

Надеемся, наша статья помогла вам разобраться в разновидностях автоматов и сделать мир электрики чуть ближе и понятнее. Удачного монтажа и надёжной защиты!

Время-токовые характеристики автоматических выключателей (В, С, D)

Время-токовые характеристики автоматических выключателей (В, С, D)

Вы наверное замечали, что на корпусах модульных автоматов изображены латинские буквы: B, C или D. Так вот они обозначают время-токовую характеристику этого автомата, или другими словами, ток мгновенного расцепления.

Согласно ГОСТ это наименьшая величина тока, при котором автоматический выключатель сработает (отключится) без выдержки времени, т. е. это его электромагнитная защита. В этом же ГОСТ говорится, что всего существует три стандартные характеристики (типы мгновенного расцепления):

B — электромагнитный расцепитель (ЭР) срабатывает в пределах от 3 до 5-кратного тока от номинального (3·In до 5·In)

C — электромагнитный расцепитель (ЭР) срабатывает в пределах от 5 до 10-кратного тока от номинального (5·In до 10·In)

D — электромагнитный расцепитель (ЭР) срабатывает в пределах от 10 до 20-кратного тока от номинального (10·In до 20·In, но встречаются иногда и 10·In до 50·In)

In – номинальный ток автоматического выключателя, тот что указан на корпусе.

Рассмотрим каждый вид характеристики более подробно на примере модульных автоматических выключателей серии ВА47-29 от производителя ИЕК.

Время-токовая характеристика типа В

Рассмотрим время-токовую характеристику В на примере автоматических выключателей ВА47-29.

Вот график время-токовой характеристики (сокращенно, ВТХ) типа В:

На нем показана зависимость времени отключения автоматического выключателя от протекающего через него тока. Ось Х — это кратность тока в цепи к номинальному току автомата (I/In). Ось У — время срабатывания, в секундах. Время-токовые характеристики практически всех автоматов  изображаются при температуре +30°С.

График разделен двумя линиями, которые и определяют разброс времени срабатывания зон теплового и электромагнитного расцепителей автомата. Верхняя линия — это холодное состояние, т.е. без предварительного пропускания тока через автомат, а нижняя линия — это горячее состояние автомата, который только что был в работе или сразу же после его срабатывания. Пунктирная линия на графике — это верхняя граница (предел) для автоматов с номинальным током менее 32 А.

1. Токи условного нерасцепления (1,13·In)

У каждого автомата есть такое понятие, как «условный ток нерасцепления» и он всегда равен 1,13·In. При таком токе автомат не отключится в течение 1 часа (для автоматов с номинальным током менее 63А) и в течение 2 часов (для автоматов с номинальным током более 63А). Точку условного нерасцепления автомата (1,13·In) всегда отображают на графике. Если провести прямую, то видно, что прямая уходит как бы в бесконечность и с нижней линией графика пересекается в точке 60-120 минут. Например, автомат с номинальным током 10 А. При протекании через него тока 1,13·In = 11,3 А его тепловой расцепитель не сработает в течение 1 часа. Еще пример, автомат с номинальным током 16 А. При протекании через него тока 1,13·In = 18,08 А его тепловой расцепитель не сработает в течение 1 часа.

Вот значения «токов условного нерасцепления» для различных номиналов:

• 10 А — 11,3 А
• 16 А — 18,08 А
• 20 А — 22,6 А
• 25 А — 28,25 А
• 32 А — 36,16 А
• 40 А — 45,2 А
• 50 А — 56,5 А
• 63 А – 71,2 А

2. Токи условного расцепления (1,45·In)

Есть еще понятие, как «условный ток расцепления» автомата и он всегда равен 1,45·In.  При таком токе автомат отключится за время не более 1 часа (для автоматов с номинальным током менее 63А) и за время не более 2 часов (для автоматов с номинальным током более 63А). Кстати, точку условного расцепления автомата (1,45·In) практически всегда отображают на графике. Если провести прямую, то видно, что прямая пересекает график в двух точках: нижнюю линию в точке 40 секунд, а верхнюю — в точке 60-120 минут (в зависимости от номинала автомата).

Таким образом, автомат с номинальным током 10 А в течение часа, не отключаясь, может держать нагрузку порядка 14,5 А, а автомат с номинальным током 16 А — порядка 23,2 А. Но это при условии, что автоматы изначально были в холодном состоянии, в ином случае время их отключения будет находиться в пределах от 40 секунд до одного часа.

Вот значения «токов условного расцепления» для различных номиналов:

• 10 А — 14,5 А
• 16 А — 23,2 А
• 20 А — 29 А
• 25 А — 36,25 А
• 32 А — 46,4 А
• 40 А — 58А
• 50 А — 72,5 А
• 63 А — 91,4 А

Вот об этом не стоит забывать при выборе сечения проводов и кабелей для электропроводки.  Представьте себе, что кабель сечением 2,5 кв.мм Вы защищаете автоматом на 25 А. Вдруг по некоторым причинам Вы перегрузили линию до 36 А. Автомат 25 А может не отключаться в течение целого часа, а по кабелю будет идти ток, который в значительной мере превышает его длительно-допустимый ток — 25 А. За это время кабель сильно нагреется и может расплавиться, что может привести к пожару или короткому замыканию. А если еще учесть то, что в последнее время многие производители кабельной продукции преднамеренно занижают сечения жил, то ситуация тем более усугубляется.

Допустимые токи для проводов различного сечения приведены в таблице

Можно рекомендовать защищать кабели следующим образом:

• 1,5 кв.мм — защищаем автоматом на 10 А
• 2,5 кв.мм —  защищаем автоматом на 16 А
• 4 кв.мм —  защищаем автоматом на 20 А и 25 А
• 6 кв.мм —  защищаем автоматом на 25 А и 32 А
• 10 кв.мм — защищаем автоматом 40 А
• 16 кв.мм — защищаем автоматом 50 А

Для удобства все данные сведем в одну таблицу:

3. Срабатывание теплового расцепителя при токе 2,55·In

Согласно ГОСТ , если через автоматический выключатель будет проходить ток, равный 2,55·In, то он должен отключиться за время не менее 1 секунды из горячего состояния и не более 60 секунд из холодного состояния (для автоматов с номинальным током менее 32А) и не более 120 секунд из холодного состояния (для автоматов с номинальным током более 32А).  На графике Вы можете видеть, что нижний предел по отключению взят с небольшим запасом, т.е. не 1 секунду, а 4 секунды. На то есть право у производителей автоматов. Вот поэтому они всегда к каждому автомату прикладывают свою ВТХ, которая, естественно, что удовлетворяет всем требованиям ГОСТ.

4. Срабатывание электромагнитного расцепителя при токе 3·In

Согласно ГОСТ, если через автоматический выключатель будет проходить ток, равный 3·In, то он должен отключиться за время не менее 0,1 секунды. Верхний предел по времени не определен, и у автоматов разных производителей здесь может наблюдаться небольшой разброс в пределах от 1 до 10 секунд. При токе 3·In электромагнитный расцепитель может еще не сработать и по факту автомат отключается от теплового расцепителя. Вот именно поэтому измеренное значение петли фаза-ноль сравнивают   с током не 3·In, а с 5·In, учитывая коэффициент 1,1. Автомат ВА47-29 с номинальным током 10 А при токе 30 А должен отключиться за время не менее 0,1 секунды.

5. Срабатывание электромагнитного расцепителя при токе 5·In

Согласно ГОСТ, если через автоматический выключатель будет проходить ток, равный 5·In, то он должен отключиться за время менее 0,1 секунды. Автомат ВА47-29 с номинальным током 10 А при токе 50 А должен отключиться за время менее 0,1 секунды.

Автоматы с характеристикой В применяются для защиты распределительных и групповых цепей с большими длинами кабелей и малыми токами короткого замыкания преимущественно с активной нагрузкой, например, электрические печи, электрические нагреватели, цепи освещения. Но почему-то в магазинах их количество всегда ограничено, т.к. по мнению продавцов наиболее распространенными являются автоматы с характеристикой С. С чего это вдруг?! Вполне логично и целесообразно для групповых линий цепей освещения и розеток применять именно автоматы с характеристикой типа В, а в качестве вводного автомата устанавливать автомат с характеристикой С (это один из вариантов). Так хоть каким-то образом будет соблюдена селективность, и при коротком замыкании где-нибудь в линии вместе с отходящим автоматом не будет отключаться вводной автомат и «гасить» всю квартиру. Но о селективности я еще расскажу Вам более подробно в другой раз.

Время-токовая характеристика типа С

1. Токи условного нерасцепления (1,13·In) и Токи условного расцепления (1,45·In)

По графику видно, что в зоне срабатывания теплового расцепителя все аналогично характеристики В, так же видим условный ток нерасцепления равеный 1,13·In и условный ток расцепления равеный 1,45·In. Их значения для различных номиналов автоматов характеристики С совпадает с аналогичными значениями автоматов характеристики В. Отличия начинаются в зоне срабатывания электромагнитного расцепителя 

2. Срабатывание теплового расцепителя при токе 2,55·In

Согласно ГОСТ , если через автоматический выключатель будет проходить ток, равный 2,55·In, то его тепловой расцепитель должен сработать за время не менее 1 секунды и не более 60 секунд для автоматов с номинальным током ≤ 32 А, или не менее 1 секунды и не более 120 секунд для автоматов с номинальным током > 32 А.

3. Срабатывание электромагнитного расцепителя при токе 5·In

Согласно ГОСТ, если через автоматический выключатель будет проходить ток, равный 5·In, то он должен отключиться за время не менее 0,1 секунды. Верхний предел по времени не определен, и у автоматов разных производителей здесь может наблюдаться не большой разброс в пределах от 1 до 10 секунд.

4. Срабатывание электромагнитного расцепителя при токе 10·In

Согласно ГОСТ,если через автоматический выключатель будет проходить ток, равный 10·In, то он должен отключиться за время менее 0,1 секунды.

Автоматы с характеристикой С применяются в основном для защиты трансформаторов и двигателей с малыми пусковыми токами. Также их можно использовать для питания цепей освещения. Это, наверное, одна из самых распространенных и применяемых характеристик в жилом секторе, хотя порой ее применение не всегда оправдано.

Время-токовая характеристика типа D

По графику видно, что, как и в случае характеристики С, отличия от характеристики В начинаются в зоне срабатывания электромагнитного расцепителя. Тепловой расцепитель ведет себя одинаково во всех случаях.

1. Токи условного нерасцепления (1,13·In) и токи условного расцепления (1,45·In) полностью аналогичны таковым для характеристик В и С,
2. Если через автоматический выключатель будет проходить ток, равный 2,55·In, то он должен отключиться за время не менее 1 секунды в горячем состоянии и не более 60 секунд в холодном состоянии (для автоматов с номинальным током менее 32А) и не более 120 секунд в холодном состоянии (для автоматов с номинальным током более 32А).
3. Если через автоматический выключатель будет проходить ток, равный 10·In, то он должен отключиться за время не менее 0,1 секунды.
4. Если через автоматический выключатель будет проходить ток, равный 20·In, то он должен отключиться за время менее 0,1 секунды.

Автоматы с характеристикой D применяются в основном для защиты электрических двигателей с частыми запусками или значительными пусковыми токами (тяжелый пуск).

Изменение характеристик расцепления автоматов

Как мы уже говорили в начале, все характеристики автоматов изображаются при температуре окружающего воздуха +30°С. Поэтому, чтобы узнать время отключения автоматов при других температурах, необходимо учитывать следующие поправочные коэффициенты:

1. Температурный коэффициент окружающего воздуха — Кt.

Думаю тут все понятно из графика. Чем ниже температура воздуха, тем значение коэффициента больше, а значит и увеличивается номинальный ток автомата, другими словами, его нагрузочная способность. Или, наоборот, чем жарче, тем нагрузочная способность автомата становится меньше. Ведь не зря, в жарких помещениях или летнюю жару многие замечают частые отключения автоматов, хотя нагрузка вовсе не изменялась. Ответ кроется в этом графике.

2. Коэффициент, учитывающий количество рядом установленных автоматов — Кn.

Здесь тоже никаких премудростей нет. Когда в одном ряду установлено несколько автоматов, то они передают свое тепло рядом стоящим автоматам. Этот график учитывает конвекцию тепла и выдает корректирующий коэффициент, учитывающий этот фактор. Логика проста. Чем больше в ряду автоматов, тем больше уменьшается их нагрузочная способность.

Далее необходимо найти ток, приведенный к условиям нашего окружающего воздуха и монтажа:

In* = In · Кt · Кn

Как эти два коэффициента применить на практике?

Для этого рассмотрим пример. Щиток стоит на улице, в нем установлены 4 автомата — один вводной (ВА47-29 С40) и три групповых (ВА47-29 С16). Температура окружающего воздуха составляет -10°С.

Найдем поправочные коэффициенты для группового автомата ВА47-29 С16:

Кt = 1,1

Кn = 0,82

Найдем ток, приведенный к нашим условиям:

In* = In · Кt · Кn = 16 · 1,1  · 0,82 = 14,43 А

Таким образом, при определении времени срабатывания автомата по характеристике С кратность тока нужно брать не как отношение I/In (I/16), а как I/In* (I/14,43).

Заключение

Как видите, разницей между время-токовыми характеристиками В, С и D являются только значения срабатывания электромагнитного расцепителя. По тепловой защите они работают в одних интервалах времени. Можно сказать, что характеристики отличаются током срабатывания электромагнитного расцепителя как D > C > B.  Срабатывание за время менее 0,1 сек для характеристики В вызывает ток 5* In, для С – 10* In, для D – 50* In. Таким образом видно, что для бытового применения подходят автоматы с характеристикой В, автоматы с характеристикой С также можно использовать, но, желательно как входные или там, где есть электромоторы с большими пусковыми токами. Характеристика D не пригодна для бытового применения.

Выбор автоматического выключателя по характеристикам.

Автоматический выключатель – низковольтный коммутационный аппарат, обеспечивающий защиту электрической цепи от токовых перегрузок, связанных с подключением большого количества приборов (суммарная мощность которых превышает допустимую), неисправностью приборов или тока короткого замыкания (КЗ). Если выключатель не сработает вовремя и не обесточит линию, большая сила тока может вывести из строя бытовые приборы, а также привести к высокому нагреву кабеля с последующим возгоранием изоляции. Поэтому основная задача автоматического выключателя – определить появление чрезмерного тока и отключить сеть раньше, не допуская пожароопасной ситуации или повреждений приборов. В соответствии с требованиями Правил устройств электроустановок (ПУЭ), эксплуатация сети без автоматов защиты – запрещена. Для того, чтобы правильно подобрать необходимые автоматы защиты, нужно знать основные характеристики автоматических выключателей: это номинальный ток и время-токовая характеристика.

Номинальный ток – максимальный ток, который может протекать через автоматический выключатель бесконечно долго, не отключая защищаемую электрическую сеть.
Время-токовая характеристика — это зависимость времени срабатывания от силы тока, протекающего через автоматический выключатель.

Принцип работы автоматического выключателя

Основные органы срабатывания автоматического выключателя – Тепловой расцепитель (биметаллическая пластина) и электромагнитный расцепитель (соленоидом с сердечником). При нормальной работе электрической сети и подключенных в сеть приборов, через автоматический выключатель протекает электрический ток. Биметаллическая пластина от воздействия повышенного тока нагревается и изгибается приводя в действие механизм расцепления. В зависимости от категории автоматического выключателя, время срабатывания будет происходить быстрее или медленнее.

Категории (типы) автоматических выключателей

Автоматические выключатели делятся на типы в зависимости от чувствительности мгновенного расцепителя. Обозначаются класс латинскими буквами A, B, C и D.

Автоматические выключатели типа А (2 – 3 значения номинального тока) срабатывают без выдержки времени (неселективные). Применяются в основном для защиты цепей с большой протяженностью и для защиты микропроцессорных устройств.
Автоматические выключатели типа B (от 3 до 5 значений номинального тока). То есть выключатель с маркировкой В16 сработает при силе тока от 48А до 80А. Данные выключатели широко используются в быту, в основном в домах со старой проводкой, на дачах или в сельской местности.
Автоматические выключатели типа C (от 5 до 10 значений номинального тока). Выключатель с маркировкой С16 сработает при силе тока от 80А до 160А. Используются выключатели типа С в основном в новых многоквартирных домах, где в сеть может быть подключено много бытовой техники (стиральная машина, утюг, холодильник, кондиционер, посудомоечная машина, электрический чайник, микроволновая печь, пылесос и пр.).
Автоматические выключатели типа D (от 10 до 20 номинальных токов) используются для защиты цепей, питающих электрические установки с высокими пусковыми токами (компрессоры, электромоторы, станки, насосы и подъемные механизмы) и применяются в основном в производственных помещениях. Также устройства с характеристикой D используют в общих сетях зданий, где они выполняют подстраховочную роль, если в отдельных помещениях по каким-то причинам не произошло своевременного отключения электроэнергии.

Зависимость времени отключения от силы тока нагляднее всего можно изобразить в виде графика.

Автоматические выключатели типа  K приборы типа K имеют большой разброс в величинах тока, необходимых для электромагнитного расцепления. Так, для цепи переменного тока этот показатель должен превышать номинальный в 12 раз, а для постоянного – в 18. Срабатывание электромагнитного соленоида происходит не более чем через 0,02 сек. Срабатывание теплового расцепителя в таком оборудовании может произойти при превышении величины номинального тока всего на 5%.

Автоматические выключатели типа  Z приборы типа Z тоже имеют разные токи срабатывания соленоида электромагнитного расцепления, но разброс при этом не столь велик, как в АВ категории K. В цепях переменного тока для их отключения превышение токового номинала должно быть трехкратным, а в сетях постоянного – величина электротока должна быть в 4,5 раза больше номинальной.

Количество полюсов автоматических выключателей

Однополюсные автоматические выключатели используются для защиты цепей с приборами освещения и розетками, куда подключаются обычные однофазные бытовые приборы.

Для защиты однофазной проводки, куда подключаются отопительные приборы, водонагреватели, электрические плиты, стиральные машины в качестве защиты между щитом и помещением устанавливаются двухполюсные автоматические выключатели.

Двухполюсные АВ при отключении обеспечивает разрыв не только «фазы», но и «нуля».

Нельзя устанавливать два однополюсных выключателя для защиты фазного и нулевого провода! Для этих целей применяют двухполюсные автоматы, которые отключают «ноль» и «фазу» одновременно.

В трехфазной сети, в основном в промышленности, применяются 3-х полюсные автоматические выключатели.

4-х полюсные выключатели являются вводными автоматами и обеспечивают защиту 3-х фазной электросети: 3 фазы + нейтраль.

Вводной автоматический выключатель обязательно должен отключать все фазы и рабочий «ноль», так как имеется вероятность поражения электрическим током при проведении обслуживания или работ с проводкой.

Автоматические выключатели Easy9 Schneider-Electric

Перегрузка возникает при подключении к цепи нагрузки, больше расчетной. Это приводит к чрезмерному нагреву проводов, а как следствие повреждению изоляции и последующему короткому замыканию.

Короткое замыкание (КЗ), чаще всего, возникает при повреждении изоляции и не редко по вине персонала, обслуживающего электроустановку (пресловутый «человеческий фактор»).

Основные особенности автоматических выключателей Easy9:

Технические характеристики автоматических выключателей Easy9:

Таблица выбора автоматических выключателей Easy9:

Габаритные размеры и вес автоматических выключателей Easy9:

Выбор автоматического выключателя в зависимости от тока нагрузки, сечения провода/кабеля и способа прокладки ГОСТ Р 50345−2010 (МЭК 60364−5-52):

Ном. ток автоматического выключателя		Однофазная цепь								Трёхфазная цепь
Сечение кабеля (мм2)		1.5	2.5	4	6	10	16	25	35	1.5	2.5	4	6	10	16	25	35
Тип установки		Макс. номинальный ток (А) используемого автоматического выключателя
А: в кабелепроводе или непосредственно в теплоизолированной стене, молдинге, наличнике, оконной раме
Одножильный кабель		10	16	25	32	40	50	80	80	10	16	20	25	40	50	70	80
Многожильный кабель		10	16	25	32	40	50	70	80	10	16	20	25	32	50	50	80
В: в кабелепроводе в стене, в кабельном жёлобе или канале в стене, в пустотелом элементе здания
Одножильный кабель		16	20	32	40	50	70	100	125	10	20	25	32	50	63	80	100
Многожильный кабель		16	20	25	32	50	50	80	80	10	20	25	32	40	63	80	80
С: непосредственно в стене, подвеска под потолком, в неперфорированном кабельном лотке, в кирпичной стене
Одножильный или многожильный кабель		16	25	32	40	63	80	100	125	16	20	32	40	50	70	80	100
D: в кабелепроводе в земле
Многожильный или одножильный кабель		20	25	32	40	50	70	80	80	16	20	25	32	50	63	80	80
D: непосредственно в земле
Многожильный или одножильный кабель		20	25	32	40	63	80	100	125	16	20	32	40	50	70	80	100
Е: на открытом воздухе, на кабельной лестнице, в перфорированном лотке
Многожильный кабель		20	25	40	40	70	80	100	125	16	25	32	40	50	80	100	125

Как не оконфузиться при выборе автоматического выключателя / Хабр

Краткая заметка по поводу выбора автоматических выключателей. Искренне надеюсь, что читатель не узнает для себя ничего нового.

У поста есть видеоверсия на моем ютуб канале. Реалии времени заставляют меня делать еще и видео:

Определимся с целью

Для начала нужно определиться — для чего нам автоматический выключатель в электрощите. Задача автоматического выключателя — прежде всего защитить стационарную кабельную линию от протекания токов свыше предельно допустимых. Если ток превышен — то проводники нагреваются, с плавлением и разрушением изоляции или расплавлением самих проводников. И если не случится пожара, то случится дорогостоящий ремонт, с работами по замене замурованной в стенах электропроводки. А ток может быть превышен, если к линии подключили слишком много потребителей (происходит перегрузка) или если происходит короткое замыкание.  Неправильный выбор характеристик автоматического выключателя — путь к дорогостоящему ремонту, а при особенной везучести — к пожару.

Номинальный ток

Поняв, что автоматический выключатель должен защитить кабельную линию от протекания тока свыше допустимого, мы должны понять, какой же ток допустимый. Чаще всего ссылаются на вот эту табличку из ПУЭ (таблица 1.3.4):

Но, на мой субъективный взгляд, у этой таблички есть существенный недостаток, и он указан в источнике — эта табличка составлена для окружающей температуры +25, температуры земли +15 и температуры жилы (!!!) +65. Длительная работа изоляции при повышенной температуре ускоряет процесс старения полимеров, поэтому мое личное мнение — указанные в таблице цифры стоит уменьшить хотя бы на 1/4. Если кабель проложен таким образом, что его охлаждение затруднено, то предельно допустимый рабочий ток также уменьшают. Например если кабель расположен в пучке с другими кабелями или под слоем теплоизоляции.

И вот в этом месте подходим к самой неочевидной вещи. В таблице указаны предельно допустимые токи, а на автоматических выключателях указан номинальный ток. Номинальный ток автоматического выключателя, указанный  на нем — это ток, который может длительно проходить через автоматический выключатель и не вызывать его отключения. Для определения тока отключения заглянем в документацию, в график время-токовых характеристик:

Но это график конкретного экземпляра автоматического выключателя. В реальном мире, у автоматических выключателей есть разброс характеристик, даже у выключателей взятых из одной коробки. Поэтому на графике изображена область, в которой  окажется характеристика случайно взятого автоматического выключателя.

В результате, если взять определенный ток, то мы получим диапазон значений времени, за которое сработает автоматический выключатель. От и до, как например вот здесь:

Думаю  очевидно, что в расчетах стоит полагать, что нам попался самый плохой экземпляр, и берется самое худшее значение.

В автоматическом выключателе есть два расцепителя — тепловой, который достаточно точный, но медленный, и электромагнитный — очень быстрый, но неточный.  (В посте (https://serkov.su/blog/?p=5563) я разбирал, как к такому пришли, и почему лучше пока ничего не придумали.) В итоге получается нелинейная зависимость времени срабатывания от протекающего тока. Для наглядности возьмем автоматический выключатель, на котором указан номинальный ток 16А. При перегрузке будет работать тепловой расцепитель:

До тока в 1,13 от номинального, расцепления совсем  не произойдет (16*1,13=18,08А)

При токе в 1,45 от номинального тепловой расцепитель сработает, но за время менее 1 часа (!). (16*1,45=23,2А)

При токе в 2,55 от номинального тепловой расцепитель сработает за время менее 60 сек. (16*2,55= 40А)

При превышении тока еще сильнее — сработает электромагнитный расцепитель, но об этом чуть позже.

Все это становится понятнее, если взглянуть на график:

Откуда взялись эти магические цифры? Из стандарта (у нас в стране — ГОСТ 60898-1-220). Просто разработчики условились, что разброс параметров срабатывания расцепителей должны быть в этих пределах. Причем скорее всего взяли просто две удобные точки времени — 1 час и 1 минута, и воспользовались статистическими данными, чтобы получить кратности номинального тока.

Ну и чтобы совсем жизнь мёдом не казалась, стоит добавить, что в зависимости от температуры окружающей среды применяют коэффициенты. На жаре тепловой расцепитель прогревается и срабатывает быстрее, а вот на морозе наоборот.

А теперь сценарий везунчика по жизни. В частный дом заходит кабель, сечением 1,5 мм2. Щиток с автоматическим выключателем находится в холодном предбаннике, когда на улице мороз -35. Кабель от щитка идет через стену под слоем утеплителя. Автоматический выключатель на 16А почти час (!) будет пропускать ток в (16*1,45*1,25(поправочный на температуру, рис.4) = 29А. При 19А по табличке из ПУЭ у нас жилы будут горячими — +65С, а под слоем утеплителя изоляция уже начнет плавиться.

Еще раз резюмирую: Номинальный ток автоматического выключателя НЕ РАВЕН предельно допустимому току кабеля. Предельный ток кабеля должен вызывать отключение автоматического выключателя в адекватное время.

Тип электромагнитного расцепителя

Тепловой расцепитель медленный, что плохо при коротком замыкании — токи могут быть огромными, и даже за одну секунду могут наделать бед. Поэтому в конструкцию автоматического выключателя добавили электромагнитный расцепитель, который срабатывает за доли секунды. Но он настроен на ток в разы превышающий номинальный.

Дело в том, что некоторые виды потребителей при включении потребляют ток в разы, превышающий ток в рабочем режиме. Например мотор в пылесосе в момент включения кратковременно потребляет ток в 2-3 раза больший, но после разгона мотора, потребление снижается. Возможно вы замечали, как лампочки накаливания слегка притухают в момент включения чего-то как раз из-за этого. Вот график потребления тока мотора пылесоса:

Чтобы эти пусковые токи не заставляли сработать электромагнитный расцепитель, его характеристику сдвинули в зону бОльших токов, что бы такие кратковременные превышения тока были в зоне теплового расцепителя, который в силу своей инерционности такие краткосрочные процессы не замечает.

В итоге получилась линейка автоматических выключателей с одинаковыми тепловыми расцепителями, но с разными электромагнитными. Из-за огромного разброса параметров электромагнитных расцепителей — получились большие разбросы кратности тока срабатывания:

Характеристика В — электромагнитный расцепитель сработает при превышении тока в 3-5 раз

Характеристика С — электромагнитный расцепитель сработает при превышении тока в 5-10 раз

Характеристика D — электромагнитный расцепитель сработает при превышении тока в 10-20 раз

Вот они на графике:

Есть и другие характеристики (K, Z и т.д) но встречаются крайне редко и под заказ, поэтому опустим их.

Если по какой-то причине стартовые токи кратковременно попадут в зону действия электромагнитного расцепителя то возможны ложные срабатывания. И именно для исключения таких ложных срабатываний и сделали несколько типов характеристик.

Некоторые производители для упрощения указывают стартовые токи, вот например светодиодный драйвер уважаемой фирмы при включении кушает солидные 55А (из-за зарядки конденсатора в блоке питания), производитель даже сразу посчитал, сколько светодиодных драйверов можно подключить параллельно на один автоматический выключатель:

4 штуки с характеристикой В и 7 штук на автомат с характеристикой С. Кто бы мог подумать, что 150 ватт светодиодного света могут вышибать 16А автомат! Ситуация становится еще хуже, если используются некачественные светодиодные светильники,  где производитель не только не  предусмотрел плавный старт, да даже пусковой ток не регламентирует!

Если используется большое количество светодиодных светильников — то придется делить их на группы, чтобы одновременный пуск не вызывал срабатывание автоматического выключателя. Пытливый читатель задастся вопросом — а почему бы не взять просто автоматический выключатель  с характеристикой «C» или «D»? Тогда бы пусковые токи не вызывали бы ложных срабатываний! Но не все так просто….

Ток короткого замыкания

Можно иногда услышать выражение «сопротивление цепи фаза-нуль», оно по сути про то же. Ток короткого замыкания — это величина тока в цепи, в случае если из-за повреждения случается короткое замыкание (прямое соединение фазного проводника и нейтрального, или соединение фазного и заземления) в самом дальнем участке. В идеальном мире с идеальными проводниками ток короткого замыкания был бы бесконечным. Но в реальном мире кабели имеют собственное сопротивление, и чем они длиннее  тоньше — тем выше их собственное сопротивление. При обычной работе это не так важно — их собственное сопротивление много меньше сопротивления нагрузки. Но если случится короткое замыкание, ток будет ограничен именно этим собственным сопротивлением всех проводников в цепи + внутреннее сопротивление источника тока.

А теперь смотрим. В деревне Вилларибо измеренный ток короткого замыкания линии 278 Ампер, и электрик поставил автоматический выключатель С16:

Как видим все отлично — при коротком замыкании тока будет достаточно, чтобы электромагнитный расцепитель сработал. А вот в деревне Вилабаджо очень плохая проводка, и ток короткого замыкания всего 124 А. Смотрим на график:

В самом худшем случае, электромагнитный расцепитель типа «С» сработает при токе в 10 раз больше номинального (16*10=160А). А значит при 124А возможна ситуация, когда электромагнитный расцепитель при коротком замыкании не сработает, а пока тепловой расцепитель успеет сработать — по линии будет гулять ток в 124А, что может закончиться плохо. В таком случае деревне Вилабаджо нужно или менять проводку, чтобы уменьшить потери, или использовать автоматический выключатель типа В16, у которого электромагнитный расцепитель сработает в худшем случае при токе 5*16=80А. Теперь вы понимаете, почему характеристика типа D (10-20 *Iном) в некоторых случаях изощренный способ стрелять себе в ногу?

Как же определить ток короткого замыкания? Для  проектируемых линий его можно расчитать — длина кабеля известна, сечение тоже. Для линий уже находящихся в эксплуатации — только измерять, поскольку никто не знает, на что пришлось пойти электрикам при ремонте поврежденных участков.

Для определения тока короткого замыкания есть специальные приборы. Показывать современные не интересно, поэтому покажу суровый советский олдскул, который есть у меня. М-417 измеряет сопротивление цепи путем измерения падения напряжения на известном сопротивлении, а ток короткого замыкания необходимо рассчитывать:

Щ41160, творение сумрачного советского гения.   Устраивает короткое замыкание на доли секунды и измеряет ток непосредственно. В коричневой коробочке на проводе — предохранитель на 100А.:

Как правило, ток короткого замыкания измеряют при введении линии в эксплуатацию, и планово, раз в несколько лет. Только после измерения тока короткого замыкания можно сказать, правильно ли подобрана защита.

Ток короткого замыкания равен …Oh shi….

Если ток короткого замыкания будет черезчур большим? Вот тут мы сталкиваемся с отключающей способностью автоматического выключателя.  В момент размыкания контактов выключателя загорается электрическая дуга, которая сама по себе проводит ток и гаснет неохотно. Для ее принудительного разрушения в конструкции автоматических выключателей предусмотрены дугогасительные камеры. Вот здесь на высокоскоростной съемке видно как работает дугогасительная камера:

На автоматическом выключателе в прямоугольной рамке нанесена величина  отключающей способности в амперах — это максимальный ток, который способен разомкнуть автоматический выключатель без поломки. Вот на фото автоматические выключатели с отключающей способностью в 3000, 4500, 6000 и 10000 А:

Для наглядности я их разобрал. Большая отключающая способность заставляет не только делать дугогасительные камеры больше, но и усиливать другие конструктивные части, например защиту от прогара вбок.

Отключающая способность автоматического выключателя должна быть больше тока короткого замыкания в линии. Как правило, 6000 А достаточно для большинства применений. 4500А обычно достаточно для работы в линиях старых домов, но может быть недостаточным в новых сетях.

Коммутационная стойкость

При каждом включении/отключении автомата меж контактов загорается дуга, которая постепенно разрушает контактную группу. Производитель часто указывает количество циклов включения/отключения, который должны выдержать контакты:

Отсюда легко видеть, что автоматический выключатель не замена нормальному выключателю при частом использовании. Если пожадничать, и вместо пускателя с контактором  заставить сотрудника включать/отключать мешалку дергая автомат по 10 раз в  день, то автомат может прийти в негодность менее чем за пару лет. Вот фото автоматического выключателя, контакты которого пришли в негодность из-за большого тока:

Помните, каждая коммутация и срабатывание автоматического выключателя «съедает» его ресурс.

Класс токоограничения

Наверное самая мистическая характеристика. Указывается в виде цифры в квадратике. Про нее в рунете написано мало и чаще ерунда. Класс токоограничения, если упрощать, говорит о количестве электричества, которое успеет пройти через автоматический выключатель при коротком замыкании прежде, чем он отключит цепь, и  говорит о быстродействии. Всего классов три:

Что интересно, отечественными стандартами класс токоограничения не регламентируется, поэтому на картинке выше нет кириллицы. Цифры в таблице — это величина интеграла Джоуля. Отечественные производители указывают класс просто потому что «так принято», а не того требуют отечественные стандарты 🙂  В быту на данный параметр можно не обращать внимание — классы хуже третьего встречаются в продаже не часто.

Селективность

Вам бы не хотелось, чтобы при перегрузке или коротком замыкании срабатывал автоматический выключатель где-то на столбе у ввода в дом. При последовательном соединении автоматов защиты, подбором их характеристик можно добиться селективности — свойству срабатывать защите ближайшей  к повреждению, без срабатывания вышестоящей. И у меня две новости.

Хорошая — можно воспользоваться специальными таблицами, которые есть у многих производителей, и подобрать пары автоматических выключателей, которые при перегрузке будут обеспечивать селективность. На графике это видно как непересекающиеся графики работы  расцепителей:

Но по графику вы могли понять, что плохая новость — обеспечить полную селективность автоматических выключателей при коротком замыкании затруднительно. Кривые пересекаются в области больших токов. Поэтому чаще всего речь о частичной селективности. Например, если синий график — автомат В10, а фиолетовый В40, то ток селективности составит 120А (значение взято из таблиц одного производителя для конкретной модели автоматов). Тоесть при токах меньше тока селективности — все отлично. При токах больше — сработать могут оба устройства защиты.

В бытовой серии модульных автоматических выключателей обеспечивать селективность, даже частичную, довольно трудно. Лишь большие и мощные устройства защиты, например на подстанциях, имеют тонкие настройки уставок расцепителей для обеспечения селективности с вышестоящими устройствами защиты.

Да скажи уже что ставить!?

Прежде всего то, что предусмотрено проектом.

Ну а если уж совсем среднестатистический случай с кучей оговорок, то:

Линия 1,5 мм2 — Автомат В10 с отключающей способностью 6000А

Линия 2,5 мм2 — Автомат В16 с отключающей способностью 6000А

Применение автоматического выключателя с характеристикой «C» или «D» вместо «B» должно иметь вескую причину.

Плюшки

Автоматические выключатели разных производителей могут содержать разные приятности/полезности, которые напрямую на защитные функции не влияют, но могут быть полезны:

Это различные шторки/колпачки/крышечки для пломбирования вводного автомата по требованию электросетевой компании.

Это визуальный индикатор фактического состояния контактов, такой индикатор останется красным, если контакты из-за перегрузки сварились

Это окошки для дополнительных нашлепок с электромагнитными расцепителями, контактами

Это дополнительное окошко у клемм для использования гребенки при подключении

и прочее и прочее.

Резюме

1. Номинальный ток автоматического выключателя не равен предельно допустимому для кабеля!  В силу особенностей конструкции автоматический выключатель может длительное время пропускать через себя токи значительно больше номинальных и не отключаться.

2. Разные типы электромагнитных расцепителей позволяют избежать ложных срабатываний, но использовать тип С, и в особенности тип D нужно понимая что к чему.

3. Если ток короткого замыкания в вашей линии мал — то использование автоматического выключателя требует вдумчивого подхода.

4. Если ток короткого замыкания в вашей линии огромен, то отключающая способность автоматического выключателя должна быть еще больше.

5. А чтобы знать ток короткого замыкания, его нужно измерить специализированным прибором. И только после измерения можно сказать, будет ли правильно работать  защита

Хочу сказать спасибо всем, кто принимал участие в рецензировании черновика. Буду рад указаниям на фактические ошибки в статье и ценным дополнениям.

Изменяют ли характеристики водителя и условия аварии эффективность автоматического экстренного торможения?

Образец цитирования: Спайсер, Р., Вахабагайе, А., Мураховский, Д., Сент-Лоуренс, С. и др., «Могут ли характеристики водителя и условия аварии влиять на эффективность автоматического экстренного торможения?», SAE Int. J. Adv. & Curr. Практика in Mobility 3 (3): 1436-1440, 2021, https://doi.org/10.4271/2021-01-0874.
Загрузить Citation

Автор (ы):

Ребекка Спайсер, Амин Вахабагайе, Деннис Мураховский, Шайлер Сент-Лоуренс, Бекка Дрейер, Джордж Бахаут

Филиал:

Impact Research, LLC, Toyota Motor North America Inc, Impact Research LLC

Страницы: 5

Событие:

Цифровой саммит SAE WCX

ISSN:
2641-9637

e-ISSN:
2641-9645

Также в:

Международный журнал достижений и современной практики в области мобильности SAE-V130-99EJ

Автоматический сбор и идентификация характеристик классов обуви

Большинство свидетельств об обуви в Соединенных Штатах оценивается на основе характеристик класса без учета индивидуальной информации. К сожалению, очень сложно оценить силу совпадения характеристик класса из-за отсутствия данных о частоте характеристик класса в популяции. Этот проект решает проблему нехватки данных за счет разработки оборудования и программного обеспечения, которые могут автоматизировать процесс сбора данных. Система, которую мы предлагаем разработать на этапе 1 этого проекта, сможет записывать изображения подошв и верха обуви от пешеходов и автоматически определять характеристики класса, такие как бренд, области протектора обуви и геометрические формы.Сканер обуви будет способен собирать данные на открытом воздухе в течение 24-72 часов без вмешательства человека, а программное обеспечение автоматической обработки преобразует собранные изображения в данные, которые могут быть использованы экзаменаторами для предоставления подтверждающей информации во время дачи показаний о частоте определенные геометрические формы, марки обуви и другие важные особенности. Чтобы продемонстрировать потенциал системы, во время Фазы 2 мы будем использовать сканер и программное обеспечение для сбора данных из множества точек в Эймсе, штат Айова, в течение года. Мы будем использовать собранные данные для оценки различий в характеристиках классов в зависимости от времени и погодных условий и предоставим практическим специалистам интерактивное приложение для изучения собранных данных. Кроме того, полная база данных собранных изображений будет доступна для общественности, предоставляя ценную справочную базу данных для разработки новых методов компьютерного анализа обуви и статистического моделирования характеристик обуви. Эта работа обеспечит основу для нескольких исследовательских проектов бакалавриата, одного магистерского проекта и по крайней мере одной кандидатской диссертации по статистике и, как ожидается, приведет к созданию публикаций в журналах по оптической инженерии, статистике, компьютерному анализу изображений и криминалистике.Вся проектная документация, компьютерное программное обеспечение и данные, собранные в результате этого проекта, будут доступны для общественности. Разработка автоматических методов сбора изображений обуви у населения предоставит практикам возможность использовать статистические данные для количественной оценки значимости совпадения характеристик класса.

Примечание. Этот проект содержит компонент исследований и / или разработок, как определено в действующем законодательстве, и соответствует единым требованиям части 200 — 2 CFR 200.210 (а) (14).

CA / NCF

границ | Автоматическое распознавание характерной формы волны слуховой реакции ствола мозга на основе двунаправленной долгосрочной краткосрочной памяти

Введение

Слуховая реакция ствола мозга (ABR) — это глобальная нейронная активность в центрах слухового ствола мозга, вызванная акустической стимуляцией. Он может наблюдать функциональное состояние слухового нерва и нижнего слухового центра и отражать проводящую способность слухового пути ствола мозга (1, 2).Учитывая, что нарушение слуха пациента может быть диагностировано без его активного сотрудничества, ABR стал одним из рутинных методов записи слуха взрослых (3–5). Форма волны ABR обычно имеет диапазон задержки между волнами, и ее потенциал в микровольтах записывается. Нормальный ABR обычно имеет пять видимых пиков, то есть волны I, II, III, IV и V. Волна V обычно появляется как самый большой пик в ABR. В клинической диагностике минимальная интенсивность звуковой стимуляции, способная вызвать распознанный ABR, определяется как порог ABR, который обычно зависит от волны V или волны III (6, 7).На рисунке 1 показаны аннотированные формы волны ABR, которые клинически в основном идентифицируются как волны I, III и V. Другие характерные волны обычно не отображаются четко из-за малой амплитуды, двухволнового слияния и шумовых помех. Таким образом, они редко используются в качестве основы для диагностики.

Рисунок 1 . Аннотированная форма волны ABR (данные легенды выбраны из наборов данных, применяемых в этой работе).

В клинической диагностике минимальная интенсивность стимуляции волны V обычно используется в качестве порога ABR.Иногда, когда волна III больше, чем волна V, порог ЧСС определяется по интенсивности стимуляции волны III (8). При определении очагов поражения можно судить о их местонахождении в соответствии с задержкой между волнами I, III и V и задержкой между волнами и бинауральными волнами (9). Кроме того, о типах глухоты пациента можно судить, наблюдая за характеристиками изменения латентности формы волны ABR и особой формой формы волны ABR у одного и того же пациента при разных уровнях стимуляции.Таким образом, порог ABR и задержка между волнами I, III и V, которые имеют большое значение в клинических приложениях, могут быть получены путем определения положения характерной волны ABR. Обычно потенциал, получаемый от каждой стимуляции, слабый. В клинических испытаниях необходимо выполнить несколько стимуляций, чтобы наложить, усреднить и получить относительно стабильные результаты формы волны. Этот процесс подвержен влиянию электрических помех, возникающих из-за паразитных миогенных потенциалов или артефактов движения.Кроме того, обычно необходимо выполнение нескольких тестов на пациентах и ​​сравнение результатов, чтобы избежать неочевидных пиков, перекрывающихся пиков и ложных пиков, которые не только занимают много времени, но и подвержены ошибкам субъективного суждения. Таким образом, определение характеристик формы волны ABR и избежание помех, вызванных нечеткой дифференциацией, нечеткими характеристиками и аномальными формами волны, являются важными проблемами, которые необходимо срочно и правильно решить при записи клинического ABR.

Применение компьютерных технологий в медицинской диагностике может эффективно уменьшить количество ошибок, вызванных повторяющейся работой и сложными характеристиками сигналов.Это направление исследований долгое время было важным для консультации по ABR (10). Например, Уилсон (11) обсудил взаимосвязь между ABR и дискретным вейвлет-преобразованием реконструированных форм волны, указав, что дискретное вейвлет-преобразование формы волны ABR может использоваться как эффективное частотно-временное представление нормального ABR, но с некоторыми ограничениями. Особенно в некоторых случаях восстановленная волна дискретного вейвлет-преобразования ABR отсутствует из-за инвариантности сдвига дискретного вейвлет-преобразования.Брэдли и Уилсон (12) дополнительно изучили метод использования производной оценки вейвлета для автоматического анализа ABR, что повысило точность идентификации основной волны до высокого уровня. Тем не менее, они также упомянули о необходимости дальнейших исследований эффективности распознавания формы волны аномальных субъектов, и ручная оценка аномальных форм волны все еще требуется в клинических условиях. Zhang et al. (13) предложили метод классификации ABR, который объединяет вейвлет-преобразование и байесовскую сеть, чтобы уменьшить количество повторений стимулов и избежать нервного утомления испытуемого.Важные особенности извлекаются с помощью пороговой обработки изображения и вейвлет-преобразования. Впоследствии функции были применены в качестве переменных для классификации с использованием байесовских сетей. Экспериментальные результаты показывают, что данные ABR только со 128 повторяющимися стимуляциями могут обеспечить точность 84,17%. По сравнению с клиническим тестом, который обычно требует 2 000 повторений, эффективность обнаружения ABR значительно повышается. Однако волна I и волна V всегда удлиняются примерно на 0,1 мс и вызывают изменения диапазона волн.Следовательно, III – V / I – III будет неточным индикатором.

Таким образом, автоматическое распознавание форм волны ABR с помощью компьютерных методов может эффективно помочь клиницистам и аудиологам в интерпретации ABR. Это также снижает количество ошибок, вызванных субъективными факторами, интерференцией сигналов сложной формы и бременем большого количества повторяющихся задач для медицинского персонала. В этом исследовании предлагается метод использования сети долгосрочной краткосрочной памяти (LSTM) для идентификации волн I, III и V в форме волны ABR и предлагается новая идея для распознавания характерных форм волны ABR нейронными сетями.Структура исследования организована следующим образом: экспериментальные данные и подробное описание предлагаемого метода представлены в разделе «Материалы и методы». В разделе «Результаты» представлены план эксперимента и соответствующие результаты. Наконец, в разделе «Обсуждение» подробно излагаются результаты этой работы.

Материалы и методы

Источник данных

Данные предоставлены отделением отоларингологии хирургии головы и шеи Китайской больницы общего профиля.Для измерения и сбора данных используется система тестирования вызванного потенциала SmartEP, разработанная американской компанией Smart Listening. На рисунке 2 показан процесс клинического сбора, где на рисунке 2а показано обезжиривание кожи для повышения проводимости; На рис. 2b показано положение электродов на лбу и мочке уха; На рис. 2с представлена ​​диаграмма взаимного расположения предусилителя, электродов и вставных наушников. а на рис. 2d показаны детали предусилителя. Собранный сигнал хранится на сервере, рис. 2e, и его можно наблюдать с помощью монитора.Шестьсот четырнадцать клинических стимулов щелчка. Данные ABR были собраны при интенсивности стимуляции 96 дБ нПС после 1024 повторных стимуляций, которые содержат 181 нормальный и 433 аномальный слух. Набор клинических данных включает 348 мужчин и 266 женщин в возрасте от 18 до 90 лет. Что касается структуры данных, данные содержат 1024 точки выборки в диапазоне от -12,78 до 12,80 мс со средним интервалом 0,025 мс между каждыми двумя точками выборки. Все данные были отмечены тремя клиническими аудиологами с характерными волнами: волна I, волна III и волна V, и прошли перекрестную проверку. Наконец, данные были случайным образом разделены на обучающие и тестовые наборы. Всего для обучения сетевой модели использовался 491 обучающий набор, а для финального теста точности распознавания использовалось 123 тестовых набора.

Рисунок 2 . Процесс сбора клинических данных о диагностике слуха ABR. (а) Обезжиривание кожи для повышения проводимости; (б) положение электродов на лбу и мочке уха; (c) — диаграмма взаимного расположения предусилителя, электродов и вставных наушников; и (d) — детали предусилителя.Собранная форма волны сохраняется на сервере (e) , и ее можно наблюдать с помощью монитора.

Обработка данных

В данной работе предлагается новый метод обработки данных. Для количественной оценки формы волны и точек меток были сгенерированы две матрицы 1024 × 1 A и B в качестве последовательности классификации и метки, соответственно. представляет потенциал входных данных ABR. Положение серийного номера соответствует положению точки выборки данных ABR. B представляет собой дефектную (0) и характерную точки (1) соответственно. Таким образом, в соответствии с положением значения метки данных метки данные, которые соответствовали положению матрицы меток, были изменены на 1, чтобы соответствовать требованиям двоичной классификации всех точек выборки. Однако шум, создаваемый миогенным потенциалом, наблюдается в некоторых экспериментальных данных (рис. 3). В этих данных клинического испытания ABR форма волны ABR имеет необычное увеличение в точке выборки в конце из-за флуктуации характеристических волн VI и VII и результата внешних помех.Чтобы предотвратить помехи, вызванные аномальными данными, данные до 8 мс были равномерно выбраны для идентификации характерных волн.

Рисунок 3 . Аномальная форма волны ABR и метод квантования данных.

С другой стороны, начальная точка фактической стимуляции — 0 мс. Конечные входные данные потенциального значения и соответствующая обучающая метка сохранили только 321 точку дискретизации 0–8 мс, чтобы избежать вмешательства в обучение нейронной сети и уменьшить объем вычислений в процессе обучения нейронной сети.Таким образом, A и b _f обновляются следующим образом:

{A (321) = {y1, y2, …, y321} TB (321) = {t1, t2, …, t321} T (1)

При фактической обработке значение функции потерь может легко достичь низкого уровня, и невозможно получить достаточную информацию, потому что отношение помеченного значения к немаркированному значению в 321 точке выборки составляет всего 3: 318. Информация, помеченная вручную, также может приводить к определенным ошибкам. Таким образом, в этом исследовании был принят метод увеличения положения точки идентификации в обучающей метке.Четыре точки (0,1 мс) до и после исходной точки маркировки были отмечены как характеристическая область, что расширяет диапазон маркировки характеристической формы волны.

Структура сети

LSTM — это рекуррентная нейронная сеть, которая в основном улучшена на основе единицы временного шага путем добавления вывода ячеек памяти для переноса информации, которую необходимо передавать в течение длительного времени. Также добавлены три конструкции ворот. Эти структуры затвора используются для выбора сохранения значения ячейки памяти C _{t -1} , переданного с предыдущего временного шага, добавления новой информации в ячейку памяти V , а также прогнозирования и вывода информации, передаваемой посредством ячейку памяти и переходите к следующему временному шагу.

Рисунок 4 — схематическая диаграмма структуры LSTM. Во-первых, чтобы контролировать долю входной информации, сохраняемой ячейками памяти на предыдущем временном шаге, выходные данные рассчитываются следующим образом:

ft = σ (Wfht-1 + Ufxt + bf) (2)

h _{t -1} — значение скрытого состояния, переданное на предыдущем временном шаге; и W _f ,… и b _f — соответствующие веса и смещения. Функция активации обычно использует сигмовидную функцию для отображения значения активации между [0, 1]. Чтобы контролировать долю информации, обновляемой в ячейке памяти, сначала была применена функция активации сигмоида для получения выходных данных i _i . Затем для получения применяется функция активации tan h , и произведение двух используется в качестве информации для обновления ячейки памяти. i _t и a _t рассчитываются следующим образом:

это = σ (Wiht-1 + Uixt + bi) (3)

at = tanh (Waht-1 + Uaxt + ba) (4)

где W _i , U _i , b _i , W _a , U _a и b _a — веса и смещения.Наконец, ячейка памяти C, _t вычисляется до следующего временного шага с использованием уравнения (5):

Ct = Ct-1⊙ft + it⊙at (5)

, где ⊙ — произведение Адамара, которое указывает, что соответствующие позиции матрицы умножаются. t-yt) + (∂ht + 1∂ht) Tδht + 1 (9)

δCt = δCt + 1⊙ft + 1 + δht⊙ot⊙ (1-tanh3 (Ct)) (10)

В этой работе BiLSTM устанавливается как сетевая структура, позволяющая входной последовательности иметь двунаправленное соединение друг с другом (14).На рисунке 5 показано, что еще один уровень LSTM, который распространяется назад во времени, добавляется на основе однонаправленного прямого распространения LSTM во временной последовательности. Окончательный вывод определяется выводом двух уровней LSTM: прямого и обратного. По сравнению с односторонним LSTM, конечный результат избегает предсказания каждый раз, чтобы на него влиял только ввод предыдущего времени. Более того, он может лучше отражать информационные характеристики до и после каждой точки прогнозирования, тем самым делая более точные прогнозы.

Рисунок 5 . Принципиальная схема структуры BiLSTM.

Вейвлет-преобразование

В традиционном режиме вейвлет-преобразование является широко используемым методом в исследованиях выделения и распознавания ABR (15). При извлечении ABR с помощью вейвлет-преобразования можно добиться эффекта устранения шума путем выбора подробных компонентов определенных частот для восстановления и сглаживания формы волны ABR. Также возможно получение относительно четких форм волны при уменьшении повторяющейся стимуляции.Обычно непрерывное вейвлет-преобразование определяется как (16):

WT (a, τ) = 1a∫-∞∞f (t) * ψ (t-τa) dt (11)

, где f ( t ) — сигнал во временной области, а часть 1aψ (t-τa) — это вейвлет-функция, которую также можно обозначить как ψ _{a , τ} ( t ). Доступны две переменные, а именно масштаб , и перенос τ. Масштаб a применяется для управления расширением и сжатием вейвлет-функции, а величина переноса τ управляет перемещением вейвлет-функции.Масштаб a обратно пропорционален его эквивалентной частоте, которая определяется как φ ( t ). Полное вейвлет-разложение выглядит следующим образом:

f (t) = ∑k = -∞∞ckφ (t-k) + ∑k = -∞∞∑j = 0∞dj, kψ (2jt-k) (12)

, где c и d — коэффициенты соответствующей функции, j — параметр частотной области, который определяет частотные характеристики вейвлета, а k — параметр временной области, который управляет положением вейвлета. база во временной области.Хотя масштабные и вейвлет-функции сложны и имеют разные характеристики, процесс вейвлет-разложения можно рассматривать как использование фильтра нижних частот и фильтра верхних частот для разложения сигнала по частоте. Низкочастотные компоненты, разложенные на каждом уровне, называются приблизительными компонентами, а высокочастотные компоненты называются подробными компонентами. Таким образом, к восстановленной форме волны были применены приблизительные компоненты и подробные компоненты.

Результаты

Методика эксперимента

В этом исследовании были разработаны три серии экспериментов, а именно: (1) сравнение различных сетевых структур, (2) сравнительный эксперимент вейвлет-преобразования и (3) сравнительный эксперимент различных узлов скрытого слоя.На рисунке 6 показана экспериментальная блок-схема. Слой ввода последовательности использовался в качестве входного значения потенциального значения 321 точки выборки, и данные передавались на несколько слоев LSTM или BiLSTM. Впоследствии был соединен полностью связанный слой. Вероятность классификации каждого момента времени рассчитывалась с использованием функции softmax. Наконец, классификационный слой был подключен. Функция кросс-энтропии (17) использовалась для вычисления функции потерь для каждого момента времени и общей функции потерь последовательности.Затем была классифицирована временная последовательность.

Рисунок 6 . Схема эксперимента.

В сравнительном эксперименте нескольких сетевых структур семь сетевых структур, а именно: (1) однослойный LSTM, (2) двухслойный LSTM, (3) однослойный BiLSTM, (4) двухслойный BiLSTM, (5 ) трехслойный BiLSTM, (6) четырехслойный BiLSTM и (7) пятислойный сетевой уровень BiLSTM. В сравнительном эксперименте с разными узлами скрытого слоя для обучения использовалась трехслойная двунаправленная сеть LSTM и применялось разное количество скрытых нейронов.В эксперименте использовались четыре группы с разным количеством скрытых нейронов: 64, 128, 256 и 512.

В сравнительном эксперименте с вейвлет-преобразованием все данные добавляли шум в качестве помехи. Для тестирования использовалось семь различных сетевых структур. Например, данные обучения, предварительно обработанные с помощью вейвлет-преобразования, использовались в качестве экспериментальной группы, а данные обучения, обученные с использованием исходных данных, использовались в качестве контрольной группы. В этом эксперименте данные ABR были разложены на шесть слоев, а приблизительные и подробные компоненты шестого слоя, четвертого, пятого и шестого слоев были сохранены для восстановления формы волны соответственно.Конфигурация параметров согласована. Сеть была обучена с помощью пяти K-кратной перекрестной проверки ( K = 9), и был проведен тест для получения среднего значения.

Выходные результаты представлены в форме «региона». На рисунке 7 представлена ​​выходная визуализация, где кривая представляет собой исходный ABR, используемый для идентификации, а красные метки — это результаты классификации сетевого прогнозирования, уменьшенные в четыре раза. ABR первых 8 мс четко разделен на две разные метки.Часть с 1 — идентифицированный пик, а другая часть — идентифицированный характеристический непик. Постобработка определяется следующим образом: 20 точек выборки (0,5 мс) задаются в качестве порогового значения. Область в пределах 20 точек выборки между началом и концом является той же характерной областью волны. Наконец, среднее временное значение первой и последней точек вычисляется как временное значение распознанной характеристической волны. Подобные точки выборки рассчитываются для получения уникального значения характеристической волны.Наконец, степень точности распознавания вычисляется в соответствии с определенным положением волны функции ABR.

Рисунок 7 . Маркировка функций на ABR, где (a) показывает вывод по режимам. (b) — результат постобработки.

Четыре результата распознавания данных ABR были выбраны случайным образом и представлены на рисунке 8. После постобработки выходные векторы моделей были преобразованы в характерные точки. Выявленные характерные точки почти идентичны тем, которые были выбраны с использованием ручных методов маркировки, что демонстрирует потенциальную полезность этого метода в клинических условиях.Даже в некоторых сложных данных ABR ручная аннотация обычно записывает несколько наборов данных для определения правильного пика (рис. 8d). Однако модель может напрямую и точно идентифицировать пик формы волны из одной формы волны (рис. 8h). Поэтому они также проверяют возможность предлагаемого метода. Чтобы лучше проверить точность распознавания, в этой работе было проведено количественное обсуждение различных сетевых структур, обработки вейвлет-преобразования и количества скрытых нейронов.Однако модель может также привести к некоторым ошибочным суждениям. Например, на рис. 9а показан неверный результат распознавания. Поскольку волна I и волна III формы волны неочевидны, невозможно получить достаточное количество точек непрерывной идентификации. Следовательно, после постобработки получается только относительно очевидная волна V (рисунок 9c). Кроме того, на рис. 9b представлен еще один неверный результат. В этом случае полученная ошибка волны I достигла 0,67 мс. Это потому, что модель оценила неправильную волну I (рис. 9d). Таким образом, в будущей работе улучшение способности модели анализировать сложные формы сигналов по-прежнему является важным направлением.

Рисунок 8 . Результаты распознавания четырех данных, где (a – d) — ручные метки. Кроме того, (e – h) представляют собой выходные данные предлагаемой трехуровневой модели BiLSTM.

Рисунок 9 . Два результата распознавания ошибок, где (а, б) — ручные метки. Кроме того, (c, d) представляют собой выходные данные предлагаемой трехуровневой модели BiLSTM.

Сравнение нескольких сетевых структур

Обычно шкала ошибок 0. 2 мс применяется как диапазон шкалы клинически отмеченных точек. Были протестированы три значения критерия для максимального допустимого значения ошибки (ME): -0,1, 0,15 и 0,2 мс. Результат прогнозирования считался приемлемым, если точка прогнозирования и точка, определенная вручную, находились в пределах диапазона критериев ME. Согласно количеству правильных точек прогноза r _p и общему количеству отмеченных точек p _n , показатель точности (ACC) рассчитывается с использованием r _p / p _n , как показано в уравнении (13):

В этом исследовании три шкалы ошибок (ME) равны 0.1, 0,15 и 0,2 мс были рассчитаны, соответственно, для дальнейшего изучения точности распознавания и других связанных законов. Величина потерь результатов обучения с разными сетевыми структурами и ACC при разных шкалах ошибок представлена ​​в таблице 1.

Таблица 1 . Стоимость потерь и ACC каждой сетевой структуры.

На рисунке 10A показано распределение данных для визуального наблюдения корреляции с различными сетевыми структурами. Примечательно, что ACC сети BiLSTM выше, чем у сети LSTM.Кроме того, ACC однослойной сети BiLSTM и двухуровневой сети LSTM аналогичны. Причина в том, что двусторонняя сеть LSTM имеет структуру, аналогичную двухуровневой сети LSTM. Однако информация в сети BiLSTM имеет характеристики распространения в прямом и обратном направлениях, тогда как двухуровневая сеть LSTM распространяется только в прямой последовательности во времени. Это явление приводит к различиям в ACC между двумя моделями. Сети LSTM и BiLSTM увеличивают ACC с увеличением количества наложенных слоев.После того, как сеть BiLSTM достигнет трех уровней, ACC больше не будет значительно увеличиваться. Структура сети постепенно переходит в состояние переобучения и увеличивает вычислительную нагрузку из-за чрезмерных параметров. Таким образом, трехуровневая сеть BiLSTM — лучший выбор.

Рисунок 10. (A) Показатели ACC с различными сетевыми структурами. В статистических результатах трехуровневая сеть BiLSTM достигла 92,91% и является самым высоким показателем среди всех сетей. Однослойный LSTM, имеющий самый низкий индекс, составляет примерно половину от него. (B) Показатели ACC с различными скрытыми узлами, где 512 узлов занимали первое место, а 256 и 128 количества стояли на втором и третьем позициях. Кроме того, 64 узла заняли последнее место.

Эксперимент с вейвлет-преобразованием

При тестировании ACC вейвлет-преобразования данные ABR были разложены на шесть уровней. Кроме того, приблизительные компоненты шестого слоя и подробные компоненты четвертого, пятого и шестого слоев были сохранены для восстановления формы волны. На рисунке 11 показан пример результата, отфильтрованного с помощью вейвлет-преобразования.Кривая, обработанная вейвлет-преобразованием, становится более гладкой. Затем необработанные данные ABR служили контрольным экспериментом. В данной работе обнаружение и сравнение проводились на основе двух шкал ошибок 0,1 и 0,2 мс (таблица 2). Результаты распознавания ACC показаны на рисунке 12.

Рисунок 11 . Экземпляр результат вейвлет-преобразования, где (a) — исходные данные. В этом сигнале возникла очевидная интерференция. (б) получается после сглаживания.

Таблица 2 . ACC каждой сетевой структуры с исходными данными и данными вейвлет-преобразования.

Рисунок 12 . Влияние предварительной обработки вейвлет-преобразования на точность. wt представляет результаты, полученные с помощью предварительной обработки вейвлет-преобразования.

Распознавание Значения ACC предварительной обработки в сети LSTM с использованием вейвлет-преобразования немного выше, чем у контрольной группы. Однако они не так хороши, как в контрольной группе в сети BiLSTM.В частности, максимальная разница ACC достигает 6,46% при расчете со шкалой ошибок 0,1 мс. Кроме того, разница уменьшается до <3% при расчете со шкалой ошибок 0,2 мс. Результаты показывают, что предварительная обработка вейвлет-преобразования не дает более высокого ACC за счет сглаживания кривых. Из-за вейвлет-разложения и реконструкции было создано небольшое отклонение в положении гребня волны. Некоторая информация была уничтожена в форме волны ABR; следовательно, это повлияло на результаты обучения и распознавания.Это означает, что сеть BiLSTM обладает помехоустойчивостью и может обрабатывать данные ABR низкого качества.

Сравнительные эксперименты с различными узлами скрытого слоя

Исходя из приведенных выше результатов, трехуровневая сеть BiLSTM является лучшим выбором. Результаты ACC с разными номерами скрытых узлов обсуждались в данной работе (Таблица 3). На рисунке 10B показаны результаты ACC с различными узлами скрытого слоя: 64, 128, 256 и 512. Очевидно, ACC распознавания увеличивается с увеличением количества скрытых узлов, поскольку достаточное количество параметров позволяет точно подобрать сеть. Кроме того, ACC шкалы ошибок 0,2 мс медленно увеличивается в процессе изменения 256–512 узлов и в основном насыщается. Учитывая стандарт точности в практических приложениях и временные затраты на обучение, которые могут быть вызваны увеличением количества скрытых узлов, сеть из 512 скрытых узлов является лучшим выбором.

Таблица 3 . ACC с различными узлами скрытого слоя.

Кроме того, в этой работе в основном обсуждается характерный процесс распознавания волн щелчка ABR со стимулом 96 дБ нПС.Кроме того, можно получить только такие параметры, как задержка и интервал волны. В клинических приложениях многие индикаторы все еще могут использоваться в качестве диагностической основы, например, взаимосвязь между потенциальными значениями стимулов разного размера, ответом и исчезновением волны V, а также изменением латентности между волнами каждой характеристической волны. Это также дает новую идею для последующей компьютерной диагностики и лечения ABR.

Обсуждение

В данной работе предлагается метод автоматического распознавания характеристических сигналов ABR с использованием сети BiLSTM.Основная цель — определить положения характерных волн I, III и V, которые помогают медицинскому персоналу получить соответствующие параметры клинических испытаний, такие как задержка между волнами и интервал между волнами. Процесс количественной оценки данных предназначен для анализа характерной формы волны ABR, включая область выбора потенциального сигнала и расширение положения метки. Оптимальная структура сетевой модели получается с помощью нескольких наборов сравнительных экспериментов. В 614 наборах клинически собранных экспериментов с формами волны ABR общее распознавание сетью характеристических волн показало ACC 92.91%.

Экспериментальные результаты показывают, что метод предлагает новую идею для идентификации характерных форм волны ABR и помогает профессионалам получать параметры межволновой задержки в формах волны ABR. Таким образом, компьютерный метод автоматической идентификации может получить более глубокую информацию, эффективно избежать субъективных оценок медицинского персонала в процессе ручной идентификации, уменьшить количество повторных стимуляций во время теста, а также избежать утомления зрения испытуемого.Из-за помехозащищенности предложенной сетевой модели она может эффективно уменьшить повторяющееся обнаружение пациентов. В процессе крупномасштабной идентификации среднее время обработки каждых данных с помощью этого метода составляет всего около 0,05 с, что намного быстрее, чем скорость ручной идентификации. Таким образом, он имеет большие преимущества в повторяемости работы.

Были предложены некоторые усилия для анализа форм волны ABR с использованием методов глубокого обучения. Например, Фаллата и Даджани (18) предложили новый метод обнаружения ABR на основе ИНС для сокращения времени обнаружения.Перед вычислением ИНС было обработано дискретное вейвлет-преобразование для извлечения характеристик ABR. Ожидалось, что сокращение времени записи будет способствовать применению этого метода измерения в клинической практике. Маккирни и Маккиннон (19) разделили данные ABR на четкий, неопределенный или отсутствие ответа. В своей работе они построили глубокую сверточную нейронную сеть и настроили ее для реализации классификации ABR. Результаты показали, что сеть может иметь клиническое применение при помощи клиницистам в классификации форм сигналов с целью оценки порога слышимости.В отличие от существующих работ, в этом исследовании был предложен новый метод обработки данных и создана сквозная модель глубокого обучения. Модель также может быть рассчитана напрямую без сложных математических преобразований, поэтому она дает новую идею для глубокого обучения в обработке сигналов.

Заявление о доступности данных

Исходные материалы, представленные в исследовании, включены в статью / дополнительные материалы, дальнейшие запросы можно направлять соответствующим авторам.

Заявление об этике

Исследования с участием людей были рассмотрены и одобрены этическим комитетом больницы общего профиля НОАК. Письменное информированное согласие на участие в этом исследовании было предоставлено законным опекуном / ближайшими родственниками участников. Письменное информированное согласие было получено от человека (лиц) на публикацию любых потенциально идентифицируемых изображений или данных, включенных в эту статью.

Авторские взносы

CC и LZ: концептуализация и написание — подготовка первоначального проекта.CC: методология. XP: программное обеспечение и обработка данных. HQ, FX и WS: проверка. МС: формальный анализ. ФЖ: расследование. QW: ресурсы. RX и NY: написание — просмотр и редактирование. ЛЗ: визуализация. NY: надзор. ZW и XG: администрирование проекта. RX: получение финансирования. Все авторы прочитали и согласились с опубликованной версией рукописи.

Финансирование

Эта работа финансировалась Национальной программой ключевых исследований и разработок (2017YFB1002804 и 2016YFC04), Национальным фондом естественных наук Китая (61701022), Больницей общего профиля PLA (QNC19051), Проектом активного здравоохранения Министерства науки и технологий (2020YFC2004001). , Фонды фундаментальных исследований для центральных университетов (FRF-BD-20-11A) и Пекинская высшая дисциплина искусственного интеллекта в науке и технике Пекинского университета науки и технологий.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Благодарности

Эта рукопись была выпущена в качестве препринта на сайте bioRxiv (20).

Список литературы

1. Марина С.А., Антонио Э.Ф., Тобиас Р. Индивидуальные различия в модуляции внимания слухового ответа ствола мозга человека на речевую информацию о дефиците речи в шуме. Научный доклад (2019) 9: 14131. DOI: 10.1038 / s41598-019-50773-1

PubMed Аннотация | CrossRef Полный текст | Google Scholar

2. Etard O, Kegler M, Braiman C, Frote AE, Reichenbach T. Расшифровка избирательного внимания к непрерывной речи из слуховой реакции ствола мозга человека. NeuroImage. (2019) 200: 1–11. DOI: 10.1016 / j.neuroimage.2019.06.029

PubMed Аннотация | CrossRef Полный текст | Google Scholar

3. Курихара Т., Игараси Ю., Кобай К., Мизобути Т., Йокота Х.Диагностика и предсказание прогноза энцефалита ствола мозга Бикерстаффа с использованием слухового ответа ствола мозга: отчет о случае. Acute Med Surg. (2020) 7: e517. DOI: 10.1002 / AMS2.517

PubMed Аннотация | CrossRef Полный текст | Google Scholar

4. Feng S, Li X, Luo Y, Li W, Wang Z, Jiang X. Характеристики и клиническое значение слуховой реакции ствола мозга при звоне в ушах с нормальными слуховыми порогами. Chin J Otol. (2019) 17: 209–13. DOI: 10.3969 / j.исн.1672-2922.2019.02.013

CrossRef Полный текст | Google Scholar

5. Jiang Y, Wang D, Liu Z, Tan J, Li G. Сравнение слуховых реакций ствола мозга, вызванных щелчком и свип-тоном у взрослых с нормальным слухом. В: 2019 41-я ежегодная международная конференция IEEE Engineering in Medicine & Biology Society (EMBC) . Берлин: IEEE (2019). п. 5237–40.

PubMed Аннотация | Google Scholar

6. Цюй Л., Тао Л., Цзэн М. Анализ характеристик слуховой реакции ствола мозга у новорожденных с высоким риском разного гестационного возраста. Mater Child Health Care China. (2013) 28: 4322–4. DOI: 10.7620 / zgfybj.j.issn.1001–4411.2013.28.22

CrossRef Полный текст | Google Scholar

7. Сара М.К., Мэдсен Джеймс М., ХартКлаус ЭД. Точность усредненных оценок амплитуды и задержки слухового ответа ствола мозга. Int J Audiol. (2018) 57: 345–53. DOI: 10.1080 / 14992027.2017.1381770

PubMed Аннотация | CrossRef Полный текст | Google Scholar

8. Льюис Дж.Д., Копун Дж., Нили С.Т., Шимид К.К., Горга М.П.Задержка волны V звуковой волны ответа ствола мозга на импульс в нормальных и слабослышащих ушах. J Acoust Soc Am. (2015) 138: 3210–9. DOI: 10.1121 / 1.4935516

PubMed Аннотация | CrossRef Полный текст | Google Scholar

9. Ван И, Лань И, Ван Л, Ю К. , Чжао В., Ван Т. ABR в ранней диагностике и его прогнозе у пациентов с дизаудией после черепно-мозговой травмы. Prog Mod Biomed. (2016) 27: 5336–9.

Google Scholar

10.Крамбхольц К., Харди А.Дж., Бур Дж. Автоматическое извлечение латентных периодов и амплитуд слухового ствола мозга с помощью регистрации нелинейной кривой. Вычислительные методы Prog Biomed. (2020) 196: 105595. DOI: 10.1016 / j.cmpb.2020.105595

PubMed Аннотация | CrossRef Полный текст | Google Scholar

11. Wilson WJ. Связь между слуховой реакцией ствола мозга и его реконструированными волновыми формами после дискретного вейвлет-преобразования. Clin Neurophysiol. (2004) 115: 1129–39. DOI: 10.1016 / j.clinph.2003.11.019

PubMed Аннотация | CrossRef Полный текст | Google Scholar

13. Чжан Р., Макаллистер Дж., Скотни Б., Макклин С., Хьюстон Г. Объединение вейвлет-анализа и байесовских сетей для классификации слуховой реакции ствола мозга. IEEE Trans Inform Technol Biomed. (2006) 10: 458–67. DOI: 10.1109 / TITB.2005.863865

PubMed Аннотация | CrossRef Полный текст | Google Scholar

14. Кросс Дж., Хуан Л.Пошаговый синтаксический анализ с минимальными функциями с использованием двунаправленного LSTM. В: Труды 54-го ежегодного собрания Ассоциации компьютерной лингвистики . Берлин (2016) doi: 10.18653 / v1 / P16-2006

CrossRef Полный текст | Google Scholar

15. Сунь Y, Чен ZX. Метод быстрого извлечения слухового ответа ствола мозга на основе вейвлет-преобразования. Int Conf Wave Anal Patt Признание. (2007) 4: 1862–4. DOI: 10.1109 / ICWAPR.2007.4421758

CrossRef Полный текст | Google Scholar

16.Рушайдин М.М., Саллех С.Х., Хафизи О, Махьяр Х., Арифф А.К. Обнаружение волны V с использованием непрерывного вейвлет-преобразования звукового сигнала ответа ствола мозга. Prog Electromag Res Symp. (2012) 2012: 1889–93.

Google Scholar

17. Наср Г.Е., Бадр Е.А., Джоун К. Функция кросс-энтропийной ошибки в нейронных сетях: прогнозирование спроса на бензин . Альберта, Калифорния: Исследовательское общество Флориды. (2002).

Google Scholar

18. Fallatah A, Dajani HR.Точное обнаружение речевых слуховых ответов ствола мозга с помощью метода ИНС на основе спектральных характеристик. Биомедицинский знак управления процессом. (2018) 44: 307–13. DOI: 10.1016 / j.bspc.2018.05.007

CrossRef Полный текст | Google Scholar

20. Chen C, Zhan L, Pan XX, Wang ZL, Guo XY, Qin HD, et al. Автоматическое распознавание характерной формы волны слуховой реакции ствола мозга на основе BiLSTM. bioRxiv. [Препринт] . (2020). DOI: 10.1101 / 2020.10.03.324665

CrossRef Полный текст | Google Scholar

Автоматический метод генерации случайных величин с заданной характеристической функцией в JSTOR

Абстрактный

Разработан автоматический метод компьютерной генерации случайных величин с характеристической функцией, удовлетворяющей определенным условиям регулярности. Метод основан на обобщении метода отклонения и использует двойственность между плотностями и их преобразованиями Фурье. Это почти наверняка занимает конечное время, не использует аппроксимации или инверсии и не требует явного знания характеристической функции (предполагается только ее вычислимость — отсюда прилагательное «автоматический»). В качестве побочного продукта мы показываем, как сумма n независимых случайных величин с общей плотностью f может быть сгенерирована за время, практически не зависящее от n, по крайней мере, когда ее характеристическая функция удовлетворяет вышеупомянутым условиям регулярности.

Информация о журнале

SIAM Journal on Applied Mathematics содержит исследования
статьи по математическим методам и их приложениям в физике,
инженерные, финансовые и биологические науки.

Информация об издателе

«Общество промышленной и прикладной математики является ведущим
международная ассоциация прикладной математики и ее публикации
мог бы стать ядром адекватного собрания по математике. Один из
Целями этой организации является обеспечение обмена информацией между
университет и промышленность стали более гладкими. Он превосходно выполняет эту задачу.
и многие из ведущих академических институтов мира являются его членами ».
— Журналы для библиотек, восьмое издание, 1995, Р. Р.
Боукер, Нью-Провиденс, Нью-Джерси

Общество промышленной и прикладной математики (SIAM), штаб-квартира
в Филадельфии, была основана в 1951 году для продвижения применения
математики в науку и промышленность, продвигать математические исследования и
предоставлять средства массовой информации для обмена информацией и идеями между
математики, инженеры и ученые.SIAM имеет обширную программу публикаций в прикладных и вычислительных
математика, в том числе 11 престижных исследовательских журналов. Для полного
описание наших журналов и недавно анонсированных SIAM Journals Online,
доступ http://www.siam.org/.

Получить предложение, запрос предложений, цену или купить

PowderPro A1 от Bettersize Instruments — это тестер характеристик порошка 14-в-1, который обеспечивает быстрые, простые и точные научные результаты испытаний, включая угол шпателя, угол падения, угол естественного откоса , Насыпная плотность и насыпная плотность, индекс текучести Карра и т. Д.PowderPro A1 включает в себя несколько передовых технологий, интеллектуальное управление через соединение Wi-Fi, вращающуюся технологию измерения плотности, трехмерную электромагнитную вибрацию и технологию обработки изображений.

Кредит изображения: Bettersize Instruments Ltd.

Этот новый тип прибора позволяет быстро, точно и легко количественно определять физические свойства порошков. PowderPro A1 — это интеллектуальный анализатор характеристик порошка, который является важным элементом оборудования, помогающим пользователям понимать и изучать порошковые материалы.

Предметы измерения и расчета

Кредит изображения: Bettersize Instruments Ltd.

Характеристики

Угол измерения с технологией обработки изображений

Для получения изображения кучи порошка реализована технология визуализации с помощью камеры с зарядовой связью (CCD) высокой четкости. Такие параметры, как угол шпателя, угол падения, угол естественного откоса и т. Д., Достигаются с хорошей воспроизводимостью и высокой точностью благодаря эксклюзивной технологии обработки изображений.

Компактная конструкция

PowderPro A1 можно использовать для достижения девяти количественных показателей, таких как угол шпателя, угол падения, угол естественного откоса, когезия, объемная плотность, диспергируемость, пустотность, утряска, размер сита и пять расчетных параметров, таких как разность углов, однородность, сжимаемость, индекс плавучести, индекс текучести — все с помощью одного прибора.

Передача данных

Электронные весы подключены к прибору, и данные о весе могут фиксироваться системой управления для дополнительной обработки и расчета.

Вывод уникальных данных

Мини-принтер PowderPro A1 прост и эффективен для своевременной печати данных измерений.

Передовая технология утряски

Плотность утряски достигается за счет идеального сочетания переменной частоты и технологии вращательной вибрации. Частоту вибрации от 50 до 300 раз в минуту можно постоянно регулировать; амплитуда колебаний может быть 3 или 14 мм. При возникновении вибрации цилиндр находится в состоянии равномерного вращения, что обеспечивает горизонтальную поверхность порошка и повышает точность считывания.

Техника автоматического регулирования

Полностью автоматическое компьютерное или мобильное управление гарантирует простое использование и быструю работу. Точные и надежные результаты могут быть достигнуты с помощью стандартной операционной процедуры (СОП).

Одно приложение. Несколько устройств

Приложение

Powder Tester для планшетов и смартфонов — единственное приложение, доступное на рынке характеристик порошка. Он был разработан, чтобы предоставить пользователям самый простой способ количественной оценки до 14 физических свойств их образцов.

Приложение простое и интуитивно понятное для использования на различных устройствах. Пользователям больше не потребуется руководство пользователя, чтобы начать измерение.

Программное обеспечение PowderPro также предоставляется пользователям ПК, и оно так же просто, как приложение Powder Tester.

Изображение предоставлено: Bettersize Instruments Ltd.

Соответствие

• ASTM D6393-08 / D6393-14
• ISO 3953: 1993
• USP32-NF27 <616>
• EP7.0 07/2010: 20934E

Приложения

Инструмент находит применение в следующих областях:

Изображение предоставлено: Bettersize Instruments Ltd.

Кажется, мы не можем найти эту страницу

(* {{l10n_strings.REQUIRED_FIELD}})

{{l10n_strings.CREATE_NEW_COLLECTION}} *

{{l10n_strings.ADD_COLLECTION_DESCRIPTION}}

{{l10n_strings. COLLECTION_DESCRIPTION}}
{{addToCollection.description.length}} / 500

{{l10n_strings.TAGS}}
{{$ item}}

{{l10n_strings.PRODUCTS}}

{{l10n_strings.DRAG_TEXT}}

{{l10n_strings.DRAG_TEXT_HELP}}

{{l10n_strings.LANGUAGE}}
{{$ select.selected.display}}

{{article.content_lang.display}}

{{l10n_strings. AUTHOR}}

{{l10n_strings.AUTHOR_TOOLTIP_TEXT}}

{{$ select.selected.display}}

{{l10n_strings.CREATE_AND_ADD_TO_COLLECTION_MODAL_BUTTON}}
{{l10n_strings.CREATE_A_COLLECTION_ERROR}}

ExaCT: автоматическое извлечение характеристик клинических исследований из журнальных публикаций | BMC Medical Informatics and Decision Making

Ключевой частью системы ExaCT является ее механизм IE, который извлекает фрагменты информации (предложения и / или фрагменты текста) из пробной публикации, чтобы заполнить места в заранее определенном шаблоне. Шаблон включает 21 информационный элемент (Таблица 1), основанный на заявлении CONSORT [32, 33] и на анализе информационных потребностей систематического обзора [34]. На рис. 1 представлен пример шаблона, заполненного информацией, содержащейся в аннотации публикации исследования. Примечательно, что элементы сильно различаются по своей структуре. Некоторые из них представляют собой короткие и точные фрагменты информации, например количество включенных субъектов (размер выборки ). Другие, такие как критерия отбора , представляют собой длинные описания в виде произвольного текста, состоящие из нескольких предложений.Несмотря на то, что вся эта информация важна для исчерпывающего описания исследования, часто некоторые части пропускаются (например, дата начала и дата окончания регистрации ) или плохо определены в публикации (например, «основные результаты» вместо различия между первичными и вторичными исходами ().

Рисунок 1

Пример аннотации и соответствующего шаблона заполнения . В верхней части рисунка показан отрывок из журнальной статьи о рандомизированном контролируемом исследовании.В нижней части представлен шаблон с местами, заполненными текстовыми отрывками из аннотации. Некоторые слоты остаются пустыми, так как информация отсутствует в аннотации.

Механизм IE

ExaCT ищет отрывки текста, наиболее точно описывающие интересующие элементы информации о судебном разбирательстве. Для каждого элемента (за исключением сведений о публикации, т. Е. имя автора , дата публикации и DOI , которые извлекаются непосредственно из PubMed) система выводит пять лучших предложений-кандидатов в порядке убывания достоверности ( Инжир.2). Фрагменты текста, идентифицированные как содержащие целевую информацию об элементе, выделяются в извлеченных предложениях. Если уровень достоверности конкретного предложения слишком низкий, фрагменты текста не выделяются, даже если предложение входит в пятерку лучших. Для критерия соответствия целевым считается все предложение, поэтому в этих предложениях не выделяются фрагменты. Обратите внимание, что в публикации для каждого информационного элемента может быть

Рисунок 2

Пример вывода системы .Детали публикации статьи извлекаются непосредственно из PubMed. Для других информационных элементов система выводит пять предложений-кандидатов в порядке убывания достоверности. Фрагменты текста, идентифицированные системой как содержащие целевую информацию, выделяются в извлеченных предложениях, оценка достоверности которых превышает определенный порог. Для критерия соответствия целевым считается все предложение, поэтому в этих предложениях не выделяются фрагменты.Приговоры, написанные черным цветом, были подтверждены полевым экспертом как правильные ответы.

• нет ответа или

• ровно один ответ, предоставленный одним экземпляром текста, или

• один ответ повторяется в нескольких экземплярах текста, или

• несколько внятных ответов.

Для текущего исследования все отдельные ответы должны быть идентифицированы системой (например, для критерия приемлемости ), в то время как только один ответ требуется для набора повторяющихся примеров (например, для название экспериментального лечения ).

Проектирование системы

Общая архитектура

Наш единый подход основан на парадигме машинного обучения. Собираются вручную помеченные учебные материалы, чтобы система могла автоматически узнать правильный контекст для каждого информационного элемента.Затем набор созданных вручную «слабых» правил применяется к идентифицированным контекстам для извлечения точных значений для каждого элемента. Например, в предложении, которое содержит достаточно языковых подсказок (то есть слов и фраз), чтобы система могла распознать контекст для начальной даты регистрации , первое появление даты возвращается как цель для этого элемента. Этот подход основан на двух основных предположениях. Во-первых, « слабое » правило извлечения, слишком неспецифичное для извлечения точной части информации из всей статьи, скорее всего, будет точным в достаточно узком контексте (например,г., приговор). Во-вторых, сегментация на уровне предложения обеспечивает контекст, достаточно узкий, чтобы напрямую перейти к целевой информации, и достаточно широкий, чтобы правильно судить о ее релевантности.

Встраивание этой двухэтапной процедуры в общий рабочий процесс привело к следующему проекту системы:

1. 1.

   Предварительная обработка текста, включая разбиение предложений, автоматическое аннотирование общих сущностей, идентификацию заголовков разделов, удаление нерелевантных разделов;

2. 2.

   За каждый информационный элемент:

   1. а.

      классификация / ранжирование компетенции (компонент классификации)

   2. б.

      Применение «слабых» правил извлечения (компонент извлечения)

3. 3.

   Постобработка результатов.

Предварительная обработка

Публикации клинических испытаний представлены в различных стандартах документов и схемах форматирования, от подробных XML до различных форм HTML, PDF, документов текстовых редакторов и даже документов в формате OCR в ASCII. Документы PDF или текстового процессора преобразуются в формат HTML (если возможно) или простой текстовый формат. Формат HTML / XML предпочтительнее, так как он лучше сохраняет исходную структуру документа.

Дальнейшая предварительная обработка текстового документа полностью автоматическая. Сначала определяются основные разделы и подразделы статьи. XML-документы часто имеют разделы и их заголовки, четко обозначенные соответствующими тегами (например, section content ). В HTML-документах теги, обозначающие заголовки разделов, используются неравномерно от журнала к журналу, но довольно последовательно в рамках одной и той же статьи.Предполагая эту согласованность, мы используем следующий алгоритм для обнаружения сечения. Для каждой статьи собираются последовательности HTML-тегов, окружающих фразы, которые обычно являются заголовками разделов в научных публикациях (например, «Аннотация», «Методы», «Результаты»); впоследствии все фразы, окруженные идентичными или похожими последовательностями тегов в статье, считаются заголовками разделов или подразделов. Как ранее отмечалось в [35], обнаружение границ раздела — нетривиальная задача.Вышеупомянутый алгоритм дает только приблизительные границы для основных участков. Однако случайные наблюдения показали, что этот этап предварительной обработки часто бывает полезным и никогда не вредным. Поскольку этот шаг не является критическим компонентом всей системы, мы обнаруживаем, что независимая оценка этого алгоритма выходит за рамки текущей работы.

Затем удаляются разделы статьи, не относящиеся к описанию испытания (например, ссылки, статьи по теме, примечания редакторов).Остающийся текст разбит на предложения, и каждое предложение аннотировано разделом и вложенными подразделами происхождения (например, раздел «Методы» → подраздел «Пациенты»). Кроме того, некоторые объекты помечены тегами для обобщения. Сущности включают числа, единицы измерения, измерения, даты и людей. Например, «17 женщин участвовали» помечается как « 17 женщин участвовали».

Классификация предложений

Классификация предложений основана на компоненте статистического машинного обучения, основанном на алгоритме машины опорных векторов (SVM), который изучает статистическую модель из статей, которые полевой эксперт вручную аннотировал. Для каждого информационного элемента создается отдельная статистическая модель. Затем на этапе классификации модель каждого элемента применяется ко всем предложениям, чтобы определить, какие предложения наиболее похожи на обучающие примеры для этого элемента. На этапе классификации предложение представлено набором терминов, где термины представляют собой слова и аннотационные теги, а также словосочетания из нескольких слов (н-граммы слов). Для каждого информационного элемента выходом этапа классификации является ранжированный список из пяти лучших предложений, оцененных классификатором как наиболее многообещающие для содержания целевой информации.Если оценка достоверности наиболее подходящего предложения очень низка, пользователю отображается сообщение «не найдено».

Эта традиционная структура классификации была расширена за счет иерархии элементов. Информационные элементы были разделены на несколько групп, а именно параметры вмешательства, описание населения, результаты и источники финансирования. Поскольку элементы в группе тесно связаны семантически, они также имеют тенденцию появляться вместе в предложении. Кроме того, эти семантические отношения можно распространить на многоуровневую иерархию.Четырехуровневая иерархическая структура, разработанная для этого проекта, показана на рисунке 3. Чтобы воспользоваться преимуществами этой иерархической организации информационных элементов, мы вписываем наш обучающий компонент в вероятностную иерархическую структуру сверху вниз [36]. В этой структуре статистическая модель изучается для каждого информационного элемента (конечных узлов), а также для каждого внутреннего узла иерархии. Затем оценки достоверности классификаторов на всех узлах на пути к узлу элемента (узел и его предки) объединяются, чтобы сделать окончательный прогноз для информационного элемента.Таким образом, собираются свидетельства всех связанных элементов для принятия более обоснованного решения.

Рисунок 3

Иерархия информационных элементов . Иерархия из 21 информационного элемента, используемого в ExaCT. Элементы семантически сгруппированы в четырехуровневую иерархическую структуру для улучшения метода классификации предложений.

Извлечение фрагмента

Набор «слабых» правил извлечения регулярных выражений был вручную создан для каждого информационного элемента.В большинстве правил используется структура элемента, будь то число, дата или измерение. Например, начальная дата регистрации извлекается как первая строка, которая выглядит как «дата», размер выборки — целое число со ссылкой на людей (пациентов, женщин, субъектов и т. Д.), финансирующая организация. — это последовательность слов с заглавной первой буквой. Другие правила концентрируются на конкретном контексте информационного элемента, например «случайным образом назначается для получения наименование экспериментального лечения или наименование контрольного лечения ».

Иногда ни один из стандартных шаблонов, реализованных как «слабые» правила извлечения, не появляется в предложении. В этом случае мы применяем вторую процедуру, которая пытается извлечь фрагменты текста, ища избыточную информацию среди пяти верхних предложений. Обычно в журнальной публикации информация о ключевых характеристиках исследования повторяется на протяжении всей статьи (например, в аннотации, разделе о методах и заключении). Модуль извлечения ищет слова и фразы, общие для предложений с высокими оценками, отфильтровывает известные несоответствующие фразы и выводит остальные в качестве целевой информации.Эта процедура подходит только для элементов, которые, как правило, выражаются словами и фразами, не имеющими четкой базовой структуры или шаблона, например, , названия первичных и вторичных результатов, и , названия экспериментального лечения, .

В случае критерия приемлемости , все предложение имеет тенденцию быть целью, поэтому дальнейшее извлечение фрагментов не требуется.

Постобработка

Модуль классификации выводит пять предложений с наивысшими оценками в порядке убывания их оценок достоверности. Был добавлен этап постобработки, который повышает показатель достоверности для предложений со «слабым» соответствием с образцом, а также для предложений с фрагментами, извлеченными с помощью алгоритма избыточности. Это может привести к переупорядочению предложений в первой пятерке. Например, предложение s
₁
без информации о дате с меньшей вероятностью описывает дату начала исследования , чем предложение с несколько более низкой оценкой s
₂
со строкой ‘date’, даже если предложение s
₁
содержит несколько слов и фраз, общих для контекста этого элемента (например,г. «проектная установка», «завербованы», «проведены испытания»).

Подробная информация о публикации доступна в Medline. Отдельный модуль в программе связывает статью с ее цитированием в Medline путем поиска в PubMed по словам заголовка. Затем он извлекает структурированную запись Medline и анализирует из нее соответствующие информационные элементы.

Пользовательский интерфейс (UI)

В нашем практическом контексте критическим требованием к автоматической системе IE является пользовательский интерфейс, который позволяет куратору просматривать и, при необходимости, исправлять извлеченную информацию перед дальнейшим использованием.Поскольку система не совсем точна, этап оценки и пересмотра необходим для обеспечения правильности и полноты извлеченных данных.

В интерфейсе ExaCT информационные элементы разделены на пять семантических групп и отображаются на отдельных вкладках: информация о публикации (первый автор, DOI, дата публикации), метаинформация (источники финансирования и регистрация исследования), зачисление (критерии отбора, размер выборки) , дату начала и дату окончания включения в исследование, было ли исследование прекращено досрочно), вмешательства (включая дозу, частоту, маршрут и продолжительность) и исходы (первичные и вторичные исходы и их временные точки).Для каждого элемента сначала отображается только решение с наивысшей оценкой с высокой степенью достоверности или сообщение «не найдено», чтобы не перегружать куратора. Позже куратор может просмотреть список всех пяти предложений системы и выбрать одно или несколько предложений как наиболее релевантных информационному элементу. Если целевого предложения нет среди пяти кандидатов системы, куратор может добавить предложения из статьи. Автоматически извлеченные фрагменты выделяются в предложениях. Куратор может изменить выделение с помощью мыши.

Этот базовый пользовательский интерфейс стал отправной точкой в ​​нашей оценке системы IE. Во время оценки пользователи предложили несколько модификаций, которые были реализованы в окончательной версии пользовательского интерфейса (рис. 4). Пользовательский интерфейс полностью интегрирован с ExaCT; коммуникация программы осуществляется посредством базы данных. На экране одновременно отображаются две панели: левая панель показывает предложения системы, а правая панель показывает исходную статью. Такой дизайн призван сэкономить время куратора, поскольку куратору постоянно нужно обращаться к тексту статьи.Каждое предложенное предложение можно просмотреть в более широком контексте, нажав кнопку рядом с ним, которая выделяет предложение в исходной статье (см. Рис. 4). Просмотр предложения в контексте помогает куратору быстро оценить достоверность и полноту извлеченной информации. Куратор может добавить предложение прямо из статьи, (1) скопировав и вставив или (2) перетащив его в текстовую область соответствующего элемента, или (3) щелкнув выделенный текст правой кнопкой мыши и выбрав из menu элемент, к которому относится предложение.По окончании просмотра извлеченной информации куратору отображается сводка с выбранными предложениями (для критериев приемлемости) и выделенными фрагментами (для остальных элементов) для окончательного утверждения перед сохранением данных в базе данных.

Рисунок 4

Интерактивный пользовательский интерфейс для курирования . Пользовательский интерфейс состоит из двух панелей, одновременно отображаемых на экране: на левой панели отображаются предложения системы, а на правой панели отображается исходная статья.Кнопка рядом с каждым предложением на левой панели выделяет то же предложение в статье на правой панели. Информационные элементы разделены на пять вкладок: информация о публикации, метаинформация, зачисление, вмешательства и результаты. Для каждого элемента сначала отображается решение с наивысшей оценкой с высокой степенью достоверности или сообщение «не найдено». Пользователь может расширить список предложений системы до пяти решений с наивысшей оценкой и выбрать одно или несколько предложений как наиболее релевантных элементу.Если целевого предложения нет среди пяти вариантов выбора системы, куратор может добавить предложение прямо из статьи, скопировав и вставив или перетащив его в соответствующее текстовое поле элемента или щелкнув правой кнопкой мыши и выбрав соответствующий элемент из меню. Автоматически извлеченные фрагменты выделяются в предложениях. Куратор может изменить выделение с помощью мыши.

Видео, демонстрирующее возможности интерфейса, можно найти в разделе дополнительных материалов (дополнительный файл 1: ExaCTDemo.mp4). Демонстрационная версия системы находится в открытом доступе по адресу http://exactdemo. iit.nrc.ca.

Дополнительный файл 1: Демонстрация возможностей интерактивного пользовательского интерфейса в ExaCT (ExaCTDemo.mp4). 5-минутный видеоролик в формате MPEG-4 (MP4), демонстрирующий основные функции пользовательского интерфейса ExaCT. Файл можно просмотреть с помощью любого современного медиаплеера, способного воспроизводить файлы MP4 (например, QuickTime Player, RealPlayer). Размеры: 640 × 480. (MP4 9 Мб)

Оценка

Сбор данных

Для целей оценки мы собрали два неперекрывающихся набора полнотекстовых журнальных статей, описывающих РКИ.Первый набор использовался для обучения компонента классификации предложений и для разработки вручную созданных правил извлечения для компонента извлечения. Первоначально этот набор содержал 78 статей, случайно выбранных из пяти основных клинических журналов: Annals of Internal Medicine, New England Journal of Medicine, PLoS Clinical Trials, JAMA и The Lancet. Эти журналы были выбраны как репрезентативные для общей медицины (т. Е. Не ограниченные одной клинической областью), а также потому, что их статьи достаточно полны с описанием деталей исследования.Статьи были вручную аннотированы полевым экспертом, чтобы разграничить информационные элементы в тексте. Позже еще 54 статьи из более широкого пула журналов были добавлены в обучающую выборку полу-контролируемым образом: сначала статьи были обработаны ExaCT, а затем результаты системы были проверены полевым экспертом. Таким образом, общее количество статей в обучающей выборке составило 132 (из 22 клинических журналов). Статьи из клинических испытаний PLoS были в формате XML, соответствующем PubMed DTD, в то время как все другие статьи были в формате HTML для конкретного журнала.

Второй набор статей использовался исключительно в тестовых целях. Этот набор состоял из 50 полнотекстовых статей с описанием РКИ из 25 медицинских журналов. Статьи были отобраны одним из авторов (SC) с помощью поискового интерфейса PubMed. Отбор производился по следующим критериям. Все статьи

• были написаны на английском языке;

• были опубликованы в основных клинических журналах (по определению PubMed) в 2009 г .;

• имел аннотации и полные тексты, доступные в формате HTML;

• сообщил о РКИ с участием людей.

Рассматривались только испытания лекарственных препаратов, чтобы свести к минимуму вариативность естественного языка, используемого для описания экспериментальных и контрольных условий. Были исключены перекрестные и кластерно-рандомизированные испытания, а также исследования, которые представляли фазы или подисследования испытаний (например, вторичный анализ РКИ). Из набора также были исключены статьи, в которых информация о целевом исследовании была представлена ​​в виде таблиц, хранящихся в отдельных файлах.

Исходные статьи из тестового набора были обработаны ExaCT, а результаты были представлены куратору (SC) через пользовательский интерфейс. Тридцать восемь статей были просмотрены с использованием базового интерфейса, а оставшиеся 12 статей были оценены в окончательной версии пользовательского интерфейса. Куратор оценила и исправила результаты работы системы, а ее ответы сравнили с исходными решениями. Эта установка была направлена ​​на оценку адекватности и полезности предложений системы для человека-куратора.

Оценка производительности системы

Существует два уровня производительности системы. Уровень предложения Производительность касается способности системы идентифицировать предложения, несущие релевантную информацию о конкретном элементе. Один только соответствующий выбор предложений значительно помогает куратору, резко сужая текстовую область, которую необходимо учитывать при заполнении целевого слота. Уровень фрагмента Производительность представляет способность системы правильно заполнять информационные ячейки фрагментами предложения. Двухуровневая архитектура ExaCT была разработана для отражения этого двухуровневого представления производительности. Эффективность уровня предложения в первую очередь определяется компонентом классификации предложений. Компонент классификации ранжирует предложения в соответствии с их релевантностью конкретному информационному элементу и выводит пять лучших кандидатов. Однако порядок этих пяти предложений можно изменить с помощью компонента извлечения, что повысит оценки релевантности кандидатов, которые соответствуют правилам извлечения.Наконец, предложение с наивысшей оценкой представляется куратору как предложение системы , если его оценка превышает определенный порог. В противном случае предложение системы пусто и отображается сообщение «не найдено».

Мы сообщаем о различных уровнях производительности с помощью показателей точности (положительная прогностическая ценность) и отзыва (чувствительность). Точность определяется как доля действительно релевантных возвращенных экземпляров; а отзыв — это доля соответствующих экземпляров, возвращаемых системой [37]:

Pi = TPireturnedinstancesi; Ri = TPirelevantinstancesi,

где TP
_я
(истинные положительные результаты) — это количество возвращенных экземпляров, которые действительно актуальны для элемента i .