基于CNN的Buck-Boost变流器开路故障诊断

针对三电平Buck-Boost变流器开关管与续流二极管开路故障特征耦合问题,根据功率器件开路故障前后的时频特征变化,提出一种基于一维卷积神经网络(1D-CNN)的功率器件开路故障检测方法。首先,采用变分模态分解(VMD)算法计算开关模态分量瞬时频率特征,构建变流器输入电流、瞬时频率和电容电压差的特征组合。然后,建立1D-CNN模型并通过Matlab/Simulink仿真数据进行训练。最后,在半实物硬件在环测试平台进行实验验证。实验结果表明,功率器件开路故障会使运行电流瞬时频率发生二倍频突变,通过时频特征数据驱动方法能够准确检测IGBT与续流二极管的开路故障,准确率大于98%,而且时频特征组合具有更高的准确率和工况鲁棒性。