| 三电平逆变器开路故障诊断研究 |
| |
| 引用本文： | 万红,任晓红,范晋瑜,俞啸,丁恩杰.三电平逆变器开路故障诊断研究[J].工矿自动化,2020,46(4). |
| |
| 作者姓名： | 万红 任晓红 范晋瑜 俞啸 丁恩杰 |
| |
| 作者单位： | 中国矿业大学物联网(感知矿山)研究中心,江苏徐州 221008;中国矿业大学信息与控制工程学院,江苏徐州 221008;中国矿业大学物联网(感知矿山)研究中心,江苏徐州 221008;中国矿业大学信息与控制工程学院,江苏徐州 221008;中国矿业大学物联网(感知矿山)研究中心,江苏徐州 221008;中国矿业大学信息与控制工程学院,江苏徐州 221008;中国矿业大学物联网(感知矿山)研究中心,江苏徐州 221008;中国矿业大学信息与控制工程学院,江苏徐州 221008;中国矿业大学物联网(感知矿山)研究中心,江苏徐州 221008;中国矿业大学信息与控制工程学院,江苏徐州 221008 |
| |
| 基金项目： | 国家重点研发计划;国家重点研发计划;国家重点研发计划 |
| |
| 摘 要： | 针对传统三电平逆变器开路故障诊断方法存在计算复杂、准确率低等问题,提出了一种基于小波分析与粒子群优化支持向量机的三电平逆变器开路故障诊断方法(WT-PSO-SVM).在分析三电平逆变器三相电流信号特征的基础上,利用三层小波对电流信号进行分解,提取各频带能量作为故障特征;小波变换提取到故障能量特征后,部分故障下所提取的能量十分接近,无法有效区分,进而引入正半周比例系数作为辅助特征;将归一化的能量和正半周比例系数作为特征向量输入支持向量机进行分类训练,同时利用粒子群算法优化支持向量机的参数以达到最好的分类效果,最终实现故障诊断.实验结果表明:WT-PSO-SVM方法可以有效识别三电平逆变器的开路故障,较其他故障诊断方法有更高的诊断精度和速度,在变负载和有噪声影响情况下仍有较高的故障识别准确率,准确率达到97.3%.
|
| 关 键 词： | 三电平逆变器 开路故障 故障诊断 正半周比例系数 小波变换 支持向量机 粒子群优化算法 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
