Межосевой дифференциал что это
что это такое и принцип работы? + Видео
На автомобилях с передним или задним приводом на ведущей оси устанавливается такой узел, как колесный дифференциал, механизма же его блокировки не предусмотрено по понятным причинам. Основная задача данного узла — распределение крутящего момента на колеса ведущей оси. Например на поворотах или во время езды по грунтовым дорогам колеса крутиться с одинаковой скоростью не могут.
Если же вы являетесь владельцем транспортного средства с полным приводом, то помимо колесного дифференциала на кардан устанавливают и межосевой дифференциал с механизмом блокировки. Естественно, у читателей возникает вопрос: зачем нужна блокировка, какую функцию выполняет, какие существуют виды блокировки межосевого дифференциала?
Зачем нужна блокировка межосевого дифференциала и принцип ее работы
Мы уже частично затрагивали данную тему на сайте vodi.su в статье об вязкостной муфте (вискомуфта). Если говорить простыми словами, то межосевой дифференциал необходим для повышения проходимости транспортного средства и включения полного привода.
Принцип его работы довольно прост:
- когда машина едет по нормальной дороге, все тяговое усилие приходится лишь на основную тяговую ось;
- вторая ось посредством отключения механизма блокировки, не входит в сцепление с трансмиссией машины, то есть в данный момент она выступает в качестве ведомой оси;
- как только авто выезжает на бездорожье, где нужно, чтобы работали две оси для повышения проходимости, водитель либо принудительно включает блокировку межосевого дифференциала, либо происходит ее автоматическое подключение.
Когда блокировка включена, обе оси оказываются в жесткой сцепке и вращаются за счет передачи момента вращения на них посредством трансмиссии от двигателя транспортного средства. Так, если установлена вискомуфта, то на дорожном покрытии, где не требуется мощь обеих осей, тяговое усилие поступает лишь на передние или задние колеса. Ну, а когда выезжаете на грунтовую дорогу и начинаются пробуксовки, колеса разных мостов начинают вращаться с разной скоростью, происходит сильное перемешивание дилатантной жидкости, она затвердевает. Тем самым создается жесткая сцепка между мостами и момент вращения поровну распределяется между всеми колесами машины.
Преимущества механизма блокировки межосевого дифференциала:
- существенное повышение проходимости транспортного средства в сложных условиях;
- отключение полного привода автоматически или принудительно, когда в нем нет необходимости;
- более экономное расходование топлива, ведь с подключенным полным приводом двигатель потребляет больше горючего для создания дополнительной тяги.
Блокировка межосевого дифференциала в зависимости от модели автомобиля включается различными способами. На более старых моделях, например УАЗ, НИВА или грузовые авто, необходимо выбрать соответствующую передачу на раздаточной коробке. Если стоит вискомуфта, блокировка происходит автоматически. Ну, а на самых совершенных на сегодняшний момент внедорожниках с муфтой Haldex блокировка контролируется электронным блоком управления. Сигналом же к ее включению является нажатие на педаль газа. Так, если вы желаете эффектно разогнаться с пробуксовкой, то блокировка сразу включится, а отключение произойдет автоматически, когда машина будет двигаться на стабильной скорости.
Разновидности механизмов блокировки межосевого дифференциала
Если говорить про принцип действия, то выделяют несколько основных групп, которые в свою очередь делятся на подгруппы:
- жесткая 100-процентная блокировка;
- дифференциалы с ограниченным проскальзыванием — жесткость сцепки зависит от интенсивности вращения колес разных осей;
- с симметричным или ассиметричным распределением тягового усилия.
Так, вискомуфту, можно отнести к второй и третьей группам одновременно, так как в разных режимах езды может наблюдаться проскальзывание дисков, например на поворотах. Соответственно, тяговое усилие ассиметрично распределяется между осями. В наиболее же сложных условиях, когда одно из колес сильно буксует, то происходит 100-процентная блокировка за счет полного затвердевания жидкости. Если же вы ездите на УАЗ Патриот с раздаткой, то там предусмотрена жесткая блокировка.
Портал vodi.su отмечает, что при включенном полном приводе, особенно на асфальте, происходит быстрый износ резины.
Выделяют также различные конструкции блокировки межосевого дифференциала:
- фрикционная муфта;
- вискомуфта;
- кулачковая муфта;
- блокировка Torsen.
Так, фрикционы работают примерно по той же схеме, что и вискомуфта или сухое сцепление. В нормальном состоянии фрикционные диски не взаимодействуют между собой, но как только начинаются пробуксовки, происходит их зацепление. Муфта Haldex Traction является фрикционной, в ней установлено несколько дисков, которые контролируются электронным блоком управления. Минус данной конструкции — износ дисков и необходимость их замены.
Блокировка Torsen является одной из наиболее совершенных, ее устанавливают на такие авто как Audi Quattro и универсалы Allroad Quattro. Схема довольно сложная: правая и левая полуосевая шестерни с сателлитами, выходные валы. Блокировка обеспечивается за счет разных передаточных чисел и червячной передачи. В нормальных режимах стабильной езды все элементы вращаются с определенным передаточным числом. Но в случае пробуксовки сателлит начинает вращаться в обратном направлении и происходит полная блокировка полуосевой шестерни и момент вращения начинает поступать на ведомую ось. Причем распределение происходит в соотношении 72:25.
На отечественных авто — УАЗ, ГАЗ — устанавливают кулачковый дифференциал повышенного трения. Блокировка происходит за счет звездочек и сухарей, которые при пробуксовке начинают вращаться с разными скоростями, в результате чего возникает сила трения и блокируется дифференциал.
Существуют и другие разработки. Так, современные внедорожники оснащают антипробуксовочной системой TRC, в которой весь контроль осуществляется через ЭБУ. А избежать пробуксовки удается за счет автоматического подтормаживания буксующего колеса. Есть также гидравлические системы, например DPS на автомобилях Хонда, где на заднем редукторе установлены насосы, вращающиеся от карданного вала. А блокировка происходит за счет подключения пакета многодискового сцепления.
У каждой из перечисленных систем существуют свои достоинства и недостатки. Нужно понимать, что езда с включенным полным приводом приводит к скорейшему износу шин, трансмиссии и двигателя. Поэтому полный привод используют лишь там, где он действительно нужен.
Загрузка...Поделиться в социальных сетях
Эта статья представляет собой краткое введение в дифференциальную конфиденциальность. Читая, вы будете исходить из интуиции и причин, лежащих в основе важных концепций дифференциальной конфиденциальности, таких как потеря конфиденциальности, взаимосвязь между потерей конфиденциальности и точностью (результатов дифференциальной конфиденциальности). Таким образом, эти интуиции будут объяснены конкретными иллюстративными историями и подкреплены качественным и количественным анализом посредством программирования. В конце статьи ожидается применение частного ИИ с алгоритмом частного объединения учителей (PATE) в наборе рукописных цифр MNIST.
Примечание: приложение требует, чтобы читатель был знаком с Pytorch.
«Дифференциальная конфиденциальность позволяет техническим компаниям собирать и обмениваться сводной информацией о привычках пользователей, сохраняя при этом конфиденциальность отдельных пользователей».
Беседа
Каковы практические применения дифференциальной конфиденциальности?
В 21-м веке мы столкнулись со многими нарушениями больших данных, которые требуют от правительств, организаций и компаний пересмотра конфиденциальности.В отличие от этого, почти прорыв в машинном обучении происходит от методов обучения, которые требуют большого количества обучающих данных. Кроме того, исследовательские учреждения часто используют и обмениваются данными, содержащими конфиденциальную или конфиденциальную информацию о лицах. Неправильное раскрытие таких данных может иметь неблагоприятные последствия для личной информации субъекта данных или даже привести к гражданской ответственности или телесным повреждениям.
Разработка формальных моделей конфиденциальности, таких как Дифференциальная конфиденциальность, помогает в решении проблемы.Таким образом, все большее число организаций и компаний применяют Дифференциальную конфиденциальность для защиты конфиденциальной информации, такой как личная информация, события пользователя, местоположение человека в режиме реального времени, как упомянуто в этом посте: «Введение в дифференциальную конфиденциальность высокого уровня». Существует даже проект дифференциальной конфиденциальности с открытым исходным кодом для выполнения запросов дифференциальной конфиденциальности в любой стандартной базе данных SQL.
Короче говоря, дифференциальная конфиденциальность разрешает:
- Компании получают доступ к большому количеству конфиденциальных данных для исследований и ведения бизнеса без нарушения конфиденциальности.
- Исследовательские институты могут разрабатывать технологию дифференциальной конфиденциальности для автоматизации процессов конфиденциальности в сообществах совместного использования облачных технологий в разных странах. Таким образом, они могут защитить конфиденциальность пользователей и решить проблему обмена данными.
Что такое дифференциальная конфиденциальность?
- Дифференциальная конфиденциальность (DP) - это строгое математическое определение конфиденциальности в контексте статистического анализа и анализа машинного обучения. Согласно этому математическому определению, DP - это критерий защиты конфиденциальности, которому было разработано много инструментов для анализа
конфиденциальной личной информации.[1].
Приведенная выше диаграмма представляет информацию, содержащуюся в данных под представлением DP. Таким образом, общая информация - это любая информация, которая не является специфической для какого-либо отдельного субъекта данных. Общая информация может быть понята как информация всего населения в данных (не только отдельное лицо или группа субъектов данных). Контраст общей информации - это личная информация, которая специфична для любого отдельного субъекта данных.
Рисунок 2 [1]: Дифференциальная конфиденциальность. Как мы можем различить личную информацию и общую информацию?
- С точки зрения DP, частная информация - это изменение информации в данных до и после отказа от отдельного субъекта данных (показано на рисунке 2).Это также объясняет «дифференциальное» слово в названии.
- Что это гарантирует?
- Дифференциальная конфиденциальность математически гарантирует, что любой, увидевший результат дифференциально-частного анализа, по существу сделает такой же вывод относительно личной информации любого человека, независимо от того, включена ли личная информация этого человека во входные данные для анализа. [1]
- DP обеспечивает математически доказуемую гарантию защиты конфиденциальности от широкого спектра атак на неприкосновенность частной жизни ( включают разностных атак , атак с использованием связывания, и атак восстановления) [2]. - Что это не гарантирует?
DP не гарантирует, что кто-то считает, что его секреты останутся в тайне. Важно определить, какая информация является общей, а какая - частной, чтобы получить выгоду от зонтика DP и снизить вред. DP гарантирует защиту только частной информации (упомянутой выше). Так что, если секретом является общая информация, она не будет защищена!
Чтобы понять это, давайте рассмотрим сценарий, когда вы, курильщик, решили принять участие в опросе.Затем анализ данных опроса показывает, что курение вызывает рак. Вы, как курильщик, пострадаете от анализа? Возможно. Исходя из того, что вы курите, можно судить о состоянии вашего здоровья. Это, безусловно, тот случай, когда он узнал о вас больше после исследования, чем было известно ранее (это также является причиной того, что это «общая информация», а не «публичная информация»), но была ли ваша информация утечка? Дифференциальная конфиденциальность будет исходить из того, что это не так, с обоснованием того, что воздействие на курильщика одинаково независимо от того, участвовал он в исследовании или нет.Именно выводы, сделанные в исследовании, влияют на курильщика, а не на его присутствие или отсутствие в наборе данных. [2]
Как это работает?
Давайте рассмотрим канонический пример, чтобы увидеть, как работает алгоритм DP, который удовлетворяет критерию DP: Представьте, что вы - специалист по социальным данным, который хочет провести анализ данных опроса о очень запретном поведении. Каждая запись в данных является ответом (правдой) отдельных лиц, «да» или «нет», среди обследованного населения. Из-за политики конфиденциальности владелец данных или куратор никогда не разрешает вам прямой доступ к данным.
Вы, эксперт DP, предложили куратору алгоритм DP для удаления частной информации из данных, с помощью которого вы можете выполнить анализ данных. Таким образом, для каждой записи куратор будет применять этот алгоритм:
- Бросить монетку (смещение монеты - это вероятность того, что ее исход является головным, и она будет обозначаться как p_head .).
- Если головы, верните ответ в записи.
- Если хвост, то подбросьте вторую монету и верните «да», если голова, и «нет», если хвост.
Теперь каждый человек защищен «правдоподобным отрицанием», потому что человек правдоподобен, чтобы отрицать ответ случайностью подбрасывания монеты. Предположим, вы хотите вывести процент невинных в популяции ( p_innocent ) из этих зашумленных данных. Это можно сделать следующим образом:
- Вычислить вероятность возврата «да», учитывая, что человек не невиновен: P («да» | не невиновен) = p_head + ( 1 - p_head ) * p_head.
- Вычислить вероятность возврата «да», учитывая, что человек невиновен: P («да» | невинно) = (1– p_head ) * p_head.
- Вычислить p_innocent :
p_innocent = (P («да») - P («да» | не невинно)) / (P («да» | невинно) -P («да» | не невиновен)) = 1- (P («да») - (1- p_head ) * p_head ) / p_head. (доказательство вычетом)
Примечание. Выше приведен асимптотический результат, гарантированный законом больших чисел.
Рисунок 4: Вычислите данные смоделированного опроса 20 000 человек. Монеты с низким смещением добавляют больше шума к данным. Следствием добавления шума является снижение потери конфиденциальности.- Что DP говорит нам?
Как видно на рисунке 4, дисперсия p_innocent резко возрастает и приближается к бесконечности, когда p_head приближается к 0, что приводит к быстрому снижению потери конфиденциальности. DP также дает нам такой же вывод. Таким образом, когда p_head равен 0, распределение возвращаемого результата идентично, независимо от того, является ли человек невинным или нет (расстояние 2 распределений равно P («да» | не невинно) -P («да» | невинно ) = p_head , смещение).Если количество невинных участвует в измененных данных, это не приводит к каким-либо изменениям информации в зашумленных возвращаемых данных. Это означает, что в зашумленных возвращаемых данных нет личной информации.
Причины дифференциальной конфиденциальности
DP обладает ценными свойствами [2], что делает его мощной платформой для анализа конфиденциальной личной информации и защиты конфиденциальности:
- Количественная оценка потери конфиденциальности.
Потеря конфиденциальности является мерой в любых механизмах и алгоритмах DP.Это позволяет сравнивать различные методы. Потеря конфиденциальности контролируется, что обеспечивает компромисс между ней и точностью общей информации. - Композиция.
Количественная оценка потерь позволяет анализировать и контролировать кумулятивную потерю конфиденциальности при нескольких вычислениях. Понимание поведения дифференциально-частных механизмов при построении позволяет проектировать и анализировать сложные дифференциально-частные алгоритмы из более простых дифференциально-частных строительных блоков. - Групповая конфиденциальность.
DP позволяет анализировать и контролировать потерю конфиденциальности, понесенную группами, такими как семьи. - Закрытие в процессе последующей обработки.
DP невосприимчив к постобработке: аналитик данных, не имея дополнительных знаний о частной базе данных, не может вычислить функцию вывода дифференциально частного алгоритма и сделать его менее дифференцированным частным.
Теперь мы готовы к математическому определению дифференциальной конфиденциальности.Давайте посмотрим на это:
Рандомизированный алгоритм K дает ε-дифференциальную конфиденциальность , если для всех наборов данных D и D 'различаются не более чем на одну строку, и любой S ⊆ Range (K),
Эти две величины должны учитываться в алгоритмах DP:
- Эпсилон (ε): показатель потери конфиденциальности при дифференциальном изменении данных (добавление, удаление 1 записи). Чем меньше значение, тем лучше защита конфиденциальности.
- Точность: близость вывода алгоритмов DP к чистому выводу.В части «Частное машинное обучение с PATE » я буду использовать точность классификации в наборе тестов в качестве статистики для оценки точности.
Примечание: для механизмов, отличных от механизма Лапласа, не упоминается другая величина, это дельта (δ) [2] .
Есть кое-что, что вам нужно наверстать:
- Уменьшение ε приводит к снижению точности.
Если ваш алгоритм - 0-дифференциальная конфиденциальность, которая хорошо защищает конфиденциальность, то он имеет очень низкую точность, он будет бесполезен.Потому что вы не получите ничего, кроме шума. Это также показано на рисунке 4. Вы можете проверить это здесь: https://georgianpartners.shinyapps.io/interactive_counting/. - ε = 0 (и δ = 0 в общем случае) эквивалентно абсолютной конфиденциальности.
Его можно получить непосредственно из определения дифференциальной конфиденциальности . Вкратце, ε = 0 эквивалентно Pr [K (D)] = Pr [K (D ’)], приводит к тому, что алгоритм K не зависит от данных и, таким образом, идеально защищает конфиденциальность.
Осторожно!
Чем больше раз применен алгоритм к данным, тем больше потеря конфиденциальности. Это похоже на игру «Я шпион». , Ваша миссия - угадать объект, который увидел шпион. С каждым ответом от шпиона, вы получите больше информации об объекте.Итак, после определенного количества запросов вы сможете узнать, что это такое. Свойство Composition
0 DP будет полезно для анализа конфиденциальной личной информации в этом сценарии. Читатели, которым любопытно узнать об этом факте, могут прочитать концепцию «бюджета на неприкосновенность частной жизни» [1] в ссылке и этой истории.Отчет Noisy Max алгоритм
Для объяснения алгоритма PATE я расскажу об алгоритме Report Noisy Max (RNM).
Почему RNM?
Алгоритм RNM (представлен в «Алгоритмических основах дифференциальной конфиденциальности Cynthia Dwork», изобретателя «Дифференциальная конфиденциальность») применяется, когда:… «мы хотим знать, какое условие (приблизительно) является наиболее распространенным в истории медицины для группы респондентов, поэтому набор вопросов для каждого рассматриваемого состояния состоит в том, получал ли человек когда-либо диагноз этого состояния. Поскольку люди могут испытывать много условий, чувствительность этого набора вопросов может быть высокой.Тем не менее, как мы далее опишем, эта задача может быть решена путем добавления шума Lap (1 / ε) к каждому из отсчетов (обратите внимание на небольшой масштаб шума, который не зависит от общего числа условий). Важно отметить, что сами подсчеты не будут опубликованы (хотя счет «победителей» может быть выпущен без дополнительных затрат на конфиденциальность) ».
Алгоритмические основы дифференциальной конфиденциальности , стр. 35.
Наивная псевдо-реализация алгоритма RNM:
Вход: Вектор меток: X, Уровень потери конфиденциальности: ε, количество меток: n
.
Выход: АA Введение в дифференциальную конфиденциальность | Ria CheruvuНахождение баланса между конфиденциальностью и полезностью
Photo by ev на UnsplashПо мнению ученого, каждый момент вашей жизни является точкой данных. От марки вашей зубной пасты до количества раз, когда вы махаете рукой, детали, которые мы часто воспринимаем как должное, являются решающими факторами, которые можно использовать для определения нашего поведения и намерений. Эти идеи, разработанные многонациональными организациями, могут быть использованы для того, чтобы сделать аспекты нашей коллективной жизни более удобными и интересными за счет раскрытия или даже использования нашей частной информации.. ребенка, и, следовательно, отправлять этим клиентам рекламу, связанную с материнством, исходя из рассчитанной вероятности. Мы можем интерпретировать идею Target как двусторонний подход: 1. Хранение или объединение данных для анализа тенденций беременных покупателей.2. Применение метода или алгоритма для сопоставления точек данных новых клиентов с моделями покупок предыдущих клиентов для определения вероятности того, что человек ждет ребенка. Инициатива Target стала центром многих дискуссий на пересечении алгоритмов приватности и машинного обучения, когда Target отправила рекламные объявления о материнстве (смешанные с рекламой из разных отделов) девушке-подростку до того, как ее семья узнала, что ждет ребенка (Источник: Forbes). статья на тему «Как выяснилось, что девочка была беременна раньше, чем ее отец»).Эти проблемы конфиденциальности применимы не только к сбору и хранению данных в маркетинговых целях, но и к приложениям, начиная от данных переписи до социальных сетей.
Следовательно, имеет смысл, что появление больших данных, машинного обучения и науки о данных требует пересмотра конфиденциальности.
Дифференциальная конфиденциальность считается одной из самых современных концепций, которые могут помочь нам в достижении этой цели, и уже используется Apple, Uber, Бюро переписей США и другими организациями.
В этом посте я расскажу о том, что такое дифференциальная конфиденциальность, почему она актуальна, как она реализована и как она используется.
Основная предпосылка Дифференциальной Конфиденциальности (DP) заключается в том, чтобы гарантировать, что субъект данных не будет затронут (например, не поврежден) их входом или участием в базе данных, при этом максимально повышая точность полезности / данных (в отличие от случайных / пустых выходов) для запросы.
DP гарантирует, что:
- Необработанные данные не будут просматриваться (и их не нужно изменять).
- Поддержание конфиденциальности субъекта будет оцениваться при извлечении важных данных из данных.
- Устойчивость к постобработке; постобработка вывода дифференциально-частного алгоритма не повлияет на дифференциальную конфиденциальность алгоритма. Другими словами, аналитик данных, который не обладает дополнительными знаниями о базе данных, не может просто увеличить потерю конфиденциальности, думая о результатах алгоритма DP ( Источник: «Алгоритмические основы дифференциальной конфиденциальности» ).
Исходя из изложенных гарантий, это означает, что если бы аналитик / злоумышленник полагался на базы данных, которые отличаются только одной записью данных, то вероятность изменения конечного результата не будет зависеть от наличия / отсутствия / изменения этого ввод данных (результат будет меняться не более чем на мультипликативный коэффициент). Другими словами, аналитик или противник не могут различать базы данных на основе вывода запроса при использовании DP.
Взято из блога Яна Гудфеллоу и Николаса Паперно «Конфиденциальность и машинное обучение: два неожиданных союзника».Однако вред или выгода человека от его / ее восприятия выводов, полученных на основе данных, не защищена концепцией DP.Формальное (математическое) определение ДП приводится ниже:
, взятый из Дифференциальная конфиденциальность: обзор результатовСинтия Дворк демонстрирует ДП на простом примере в статье «Обещание дифференциальной конфиденциальности: учебное пособие по алгоритмическим методам» :
Данные собираются от людей для исследования (Мария, которая является курильщиком, является одной из участниц исследования). Исследование приводит к выводу, что курение имеет чрезвычайно высокую вероятность возникновения рака.Дифференциальная конфиденциальность гарантирует, что:
- Исследователи данных или менеджеры баз данных, анализирующие тенденции, не смогут напрямую получить доступ к необработанным данным.
- Услуги, такие как страховые взносы Мэри, не изменятся в зависимости от ее участия в наборе данных.
Однако полезность заключительного анализа исследования («Курение может вызвать рак») для вреда / пользы остается на усмотрение Марии; Мэри может предпочесть верить: «На основании результатов этого исследования я могу бросить курить, чтобы предотвратить потенциальный рак», прямо противоположное этому утверждению или что-то еще.
«Данные - это проблема загрязнения информационного века, а защита конфиденциальности - экологическая проблема». - Брюс Шнайер
Обеспечение конфиденциальности имеет решающее значение для многочисленных приложений, включая поддержание целостности конфиденциальной информации, устранение возможности для злоумышленников отслеживать пользователей на основе информации, позволяющей установить личность (PII), и т. Д. DP привлекает множество приложений. потому что он гарантирует следующие «потребности» в конфиденциальности:
DP устраняет любые потенциальные методы, которые аналитик данных может использовать, чтобы отличать конкретного человека от других участников, или связывать определенное поведение с ранее идентифицированным человеком, чтобы соответствующим образом адаптировать контент / услуги; следовательно, DP следит за тем, чтобы риск неприкосновенности частной жизни, связанный с участием в исследовании, не был значительно увеличен ( «Дифференциальная конфиденциальность» Cynthia Dwork ) .
Это связано с тем, что к необработанным данным нельзя получить прямой доступ, а использование уникальных для отдельного лица данных, специально предназначенных для конкретного человека или влияющих на него, нарушает правило о том, что присутствие этого лица в наборе данных не должно влиять на его шансы на получение услуги. , Кроме того, вам не нужно быть экспертом в области конфиденциальности или DP (т.е. иметь глубокое понимание внутренней механики DP), чтобы использовать DP, и, как уже упоминалось выше, DP устойчив к постобработке. DP также распространяется на конфиденциальность группы, хотя увеличение размера группы ослабит границы DP ( «Дифференциальная конфиденциальность: обзор результатов», , Синтия Дворк).
Теперь мы можем видеть, что приведенный выше пример прогноза материнства по поведению покупателя в Target может быть нарушением концепции дифференциальной конфиденциальности. В случае предсказания беременности девочки-подростка (как описано здесь), Target предположительно соотнесла тенденции покупок индивидуума с другими моделями других клиентов, ожидающих ребенка, и начала адаптировать для нее рекламные объявления специально на основе ее участия в наборе данных. Если она была удалена из данных
.Что такое процентное дифференциальное реле? Определение, рабочая, эксплуатационная характеристика и типыОпределение: Дифференциальное реле в процентах определяется как реле, которое работает на разности фаз двух или более одинаковых электрических величин. Это усовершенствованная форма дифференциальной защиты реле. Единственная разница между ними - сдерживающая катушка. Дифференциальное дифференциальное реле состоит из ограничивающей катушки для преодоления проблемы, возникающей из-за различий в коэффициенте тока для высокого значения тока короткого замыкания.
Дифференциальная система в процентах состоит из сдерживающей катушки, подключенной к управляющему проводу, как показано на рисунке ниже, и ток, индуцированный в обоих трансформаторах тока, протекает через него. Рабочая катушка располагается между средней точкой ограничительной катушки.
Ограничительная катушка контролирует чувствительную характеристику реле. Это ограничивает нежелательное отключение трансформатора из-за дисбаланса тока. Ограничительная катушка также ограничивает гармоники пускового тока.
Рабочее процентного дифференциального реле
Крутящий момент из-за ограничивающей катушки предотвращает замыкание цепи отключения, в то время как крутящий момент из-за рабочей катушки стремится замкнуть контакты цепи отключения. При нормальных условиях эксплуатации и при нагрузке крутящий момент, создаваемый удерживающей катушкой, превышает крутящий момент рабочей катушки. Таким образом, реле остается неработоспособным.
Когда происходит внутренняя неисправность, рабочий крутящий момент превышает сдерживающий крутящий момент, тогда контакты цепи отключения замыкаются, чтобы размыкать автоматический выключатель.Удерживающий момент может регулироваться путем изменения количества витков удерживающей катушки.
Дифференциальный ток, необходимый для использования этого реле, является переменной величиной из-за влияния сдерживающей катушки. Дифференциальный ток в рабочей катушке пропорционален (I 1 -I 2 ), а ограничивающая катушка пропорциональна (I 1 -I 2 ) / 2, так как рабочий ток подключен к средняя точка удерживающей катушки. Для внешних неисправностей I 1 и I 2 увеличиваются и, следовательно, увеличивается сдерживающий момент, что предотвращает неправильное функционирование.
Эксплуатационная характеристика процентного дифференциального реле
Рабочие характеристики реле показаны на рисунке ниже. Приведенный выше график показывает, что соотношение их рабочего тока и ограничивающего тока составляет фиксированный процент. Это реле также называется смещенным дифференциальным реле, поскольку ограничивающая катушка также называется смещающей катушкой, поскольку она обеспечивает дополнительный поток.
Типы процентных дифференциальных реле
Дифференциальное дифференциальное реле в основном подразделяется на два типа.Они
- Трехконтактное системное применение процентного дифференциального реле.
- Реле смещения индукционного типа.
Такие типы реле используют для защиты генераторов, трансформаторов, фидеров, линий электропередачи и т. Д.
1. Применение системы с тремя терминалами - Это реле может быть применено к элементу, имеющему более двух клемм. Каждая из трех клемм имеет одинаковое количество витков, и каждая из этих катушек развивает крутящий момент, который не зависит друг от друга.Их крутящие моменты складываются арифметически.
Характеристика процентного наклона реле будет изменяться в зависимости от распределения тока между ограничительными катушками. Эти реле являются мгновенными или высокоскоростными.
2. Дифференциальное дифференциальное реле индукционного типа - Это реле состоит из поворотного диска, который перемещается в воздушных зазорах двух электромагнитов. Часть каждого полюса снабжена медным кольцом. Это кольцо может далее двигаться от, в или из полюса.
,
Диск испытывает два момента - один из-за управляющего элемента, а другой из-за ограничительного элемента. Если бы кольцо затенения находилось в одном и том же положении каждого элемента, то сдерживающий момент, испытываемый кольцом, был бы равен нулю. Но если заштрихованное кольцо удерживающего элемента будет перемещено дальше в железный сердечник, крутящий момент, прилагаемый удерживающим элементом, будет превышать крутящий момент удерживающего момента.
