基于小波包变换和SVM的三电平逆变器故障诊断

针对中性点箝位型(NPC)三电平逆变器开路故障诊断计算复杂、准确率低等问题,提出一种基于小波包变换和支持向量机(SVM)的故障诊断方法。采用小波包变换将具有各自时频特征的故障信号分解为若干个频段,并重构提取小波包能量作为故障特征向量;将该故障特征向量作为SVM的输入量,运用交叉验证径向基核函数,通过训练数据集得到多类SVM模型,将随机选取的测试集输入训练好的模型中。仿真试验结果表明,该方法可对IGBT开路故障进行诊断并具有更高的故障识别准确率。     

基于能量谱熵及小波神经网络的有源中性点钳位三电平逆变器故障诊断

功率开关器件是逆变器核心组成部分,其故障特征参数的提取及分类方法是故障诊断和预测的重要技术基础,对于提高逆变器可靠性具有重要意义。以有源中性点钳位(ANPC)三电平逆变器的IGBT开路故障诊断为例,首先提出一种基于能量谱熵及小波神经网络的故障诊断方法,采用ANPC三电平逆变器上、中、下桥臂电压作为测量信号,通过小波包能量谱熵提取桥臂电压信号特征,并利用核主成分分析对特征向量进行优化;其次利用自适应矩估计小波神经网络(A-WNN)建立故障字典;最后通过搭建实验平台验证了算法的可行性。实验结果表明,A-WNN具有故障特征辨识速度快、精度高等优点,适用于ANPC三电平逆变器实时故障诊断。     

基于独立量分析的NPC光伏逆变器故障诊断

功率开关器件是逆变器的核心部件,功率开关器件的故障诊断对逆变器的可靠运行意义重大,而功率开关器件故障特征提取技术是实现其故障诊断的技术基础。分析三电平逆变器中常见的功率开关器件开路故障,将故障类型分成典型故障与非典型故障两大类。对于非典型故障应用基于独立量分析的稀疏编码算法对逆变器输出相电压信号进行故障特征提取,并采用BP神经网络的分类器对非典型故障进行诊断。通过仿真验证其可行性,故障诊断准确率达到95%,并通过与小波分析及主元分析的特征提取算法的对比试验,说明独立量分析算法的在逆变器开关器件开路故障特征提取应用的合理性和优越性。     

NPC三电平逆变器的开关管开路故障诊断

开关管故障诊断是三电平逆变器系统实现可靠运行的前提。针对二极管中点箝位型NPC（neutral-poi-nt-clamped）三电平逆变器,提出了一种新颖的开关管开路故障诊断方法。选取开关状态、负载相电流的极性及桥臂相电压作为故障特征,在不同的电流流通路径下进行开路故障特征分析,实现对故障开关管地准确定位。实验验证了所提故障诊断方法的正确性和有效性,与其它开关管开路故障诊断方法相比,该方法不需要复杂的算法,具有诊断迅速、可靠性高的优点。     

基于Prony算法的三电平逆变器开路故障诊断方法

针对传统基于信号分析的中性点箝位(NPC)逆变器故障诊断方法存在频谱易泄露,及难以分析非稳态、非线性故障信号的问题,提出一种基于Prony算法的三电平逆变器开路故障诊断方法。首先,采用小波变换对原始测量信号去噪预处理,克服Prony法对噪声敏感的缺点。其次,通过Prony分析拟合逆变器的三相电流信号,提取其幅值、频率、相位、衰减因子四维故障特征。然后,应用支持向量机(SVM)对中性点箝位逆变器故障进行分类。最终,在仿真平台上验证文中所提算法,仿真结果表明,对中性点箝位逆变器开路时瞬变非线性电流信号可以有效的提取故障特征,实现单、双管的开路故障诊断。     

基于小波包分解的逆变器单管开路故障分析

应用开关函数的双傅里叶变换技术,分析逆变器的直流侧电流在正常运行、单管开路故障时的频谱。利用小波包分解的分频特性对逆变器直流侧电流信号进行小波包分解,求得故障特征频率相应子频带的小波包分解系数的均方根值,并将其作为逆变器单管开路故障的故障特征,以此作为逆变器单管开路故障诊断的依据。试验结果证明了该方法应用于逆变器单管开路故障诊断的可行性。     

基于小波包分解的逆变器—相开路故障诊断

应用开关函数的双傅里叶变换技术,分析逆变器的直流侧电流的频谱,得出逆变器一相开路故障时的故障特征频率.利用小波包分解的分频特性,对逆变器直流侧电流信号进行小波包分解,求得故障特征频率相应子频带的小波包分解系数的均方根值,并将其作为逆变器一相开路故障的故障特征,以此作为逆变器一相开路故障诊断的依据.试验结果证明了该方法应用于逆变器一相开路故障诊断的可行性.     

六相两电平逆变器的开路故障定位研究

针对六相两电平逆变器开路故障类型多、定位复杂问题,提出一种利用小波包分解获取六相逆变器电路故障相特征和基于支持向量机(SVM)的六相逆变器开路故障定位方法。在分析六相逆变器开路故障类型的基础上,利用小波包分析提取故障特征向量,再基于SVM进行故障分类。针对不同类型双管故障存在的因小波包能量值相似而出现的误判问题,提出了一种基于平均电流结合小波包分析的故障特征向量构造方法。实验结果表明,所研究的故障定位方法能实现六相两电平逆变器不同开路故障的有效定位。     

一种模拟电路故障诊断方法的研究

基于模拟电路发生故障会导致电路信号小波包系数某种对应改变以及神经网络非线性逼近的特点,提出了一种基于小波包变换和神经网络的模拟电路故障诊断方法.先仿真得到正常和故障状态下的输出电压信号,然后对输出电压信号进行Haar小波包变换并提取小波包系数,并对各频段小波包系数变化值的能量进行归一化处理提取故障特征量,最后利用故障特征矢量训练神经网络确定模拟电路故障诊断的神经网络模型.仿真结果表明基于小波包变换和神经网络的模拟电路故障诊断方法取得了较好的效果.     

一种模拟电路故障诊断方法的研究

基于模拟电路发生故障会导致电路信号小波包系数某种对应改变以及神经网络非线性逼近的特点,提出了一种基于小波包变换和神经网络的模拟电路故障诊断方法。先仿真得到正常和故障状态下的输出电压信号,然后对输出电压信号进行Haar小波包变换并提取小波包系数,并对各频段小波包系数变化值的能量进行归一化处理提取故障特征量,最后利用故障特征矢量训练神经网络确定模拟电路故障诊断的神经网络模型。仿真结果表明基于小波包变换和神经网络的模拟电路故障诊断方法取得了较好的效果。     

NPC三电平逆变器混杂建模及开路故障诊断

由逆变器、滤波器、负载和控制器等组成的逆变系统可视为一个混杂系统,传统的建模方法不能有效地揭示系统的状态特性,影响逆变器功率管故障分析和诊断的准确性。文中介绍了一种基于混合逻辑动态模型的NPC三电平逆变器故障诊断方法。分析了NPC三电平逆变器的工作原理,在混杂系统理论和建模方法基础上,构造逆变系统在无故障时的状态估计器。比较功率管发生单管开路故障时逆变器输出的三相电流真实值和状态估计器输出的三相电流估计值得到残差方程,通过对残差方程表现特性进行分析实现故障诊断。设计了相应的仿真实验,实验结果表明,文中方法可以准确快速地诊断单管开路故障,验证了所述方法的可行性。     

光伏并网逆变器参数性故障的VMD-WPE和MPA-LSTM诊断方法研究

针对三相光伏并网逆变器参数性故障的特征量提取难、诊断准确率较低等问题,提出变分模态分解的小波包能量特征与海洋捕食者算法优化长短期记忆神经网络相结合的故障诊断方法。首先,以逆变器三相线电压为原始数据,以最小样本熵为准则优化变分模态分解的模态数;然后,利用小波包分解提取变分模态分解各模态分量的小波包能量作为故障特征量;最后,利用海洋捕食者算法优化长短期记忆网络超参数实现故障的参数性辨识。对比分析结果表明,所提方法用于光伏并网逆变器参数性故障诊断具有可行性和精确性。     

基于极值比值法和神经网络的逆变器故障诊断

针对PWM三相逆变器,根据开路故障下的各相输出电流的特性,以故障电流作为故障信息,提出了一种基于三相电流极值比值和概率神经网络的开路故障诊断方法。该方法以各相输出电流极值比值作为故障特征量,利用概率神经网络的非线性映射分类能力实现逆变器的故障诊断。仿真实验结果表明该方法不但能准确检测、定位故障功率管,而且对噪声具有很好的鲁棒性。     

光伏并网系统二电平逆变器的故障诊断

为避免因采集多元信息带来成本的提高和因处理多元数据影响诊断系统的快速性问题,同时为进一步提高故障诊断的准确性,提出采用基于小波分解和直流分量进行充分提取三相逆变器输出电流的信息进行故障诊断的方法。首先进行小波分解提取故障特征并进行归一化处理;同时为了进一步提高定位故障功率管的精准度,再提取三相输出电流信号的直流分量值,并将以上两种信息融合;最后采用自适应动量梯度下降法的BP神经网络进行训练。仿真结果表明,该方法在避免采集和处理多元数据的同时,进一步提高了故障功率管的识别和定位,准确率达98.15%,实现了逆变器开路情况的故障诊断。     

三电平逆变器的决策树SVM故障诊断

针对二极管箝位型三电平逆变器的开路故障诊断问题,提出一种基于决策树支持向量机(decision tree support vector machines,DT-SVM)的故障诊断方法。以逆变状态为例,首先分析逆变器主电路的运行情况并进行故障分类,然后以中、上、下三种桥臂电压为测量信号,采用小波多尺度分解法提取特征信号,进而利用粒子群聚类算法(particle swarm clustering algorithm)生成决策树SVM分类模型,最终实现了三电平逆变器的多模式故障诊断。仿真结果表明,本方法在使用了较少分类模型的情况下完成故障诊断任务,相较于BP神经网络、一对一结构的支持向量机和极端学习机等方法,在10%白噪声扰动下对于三电平逆变器多模式开路故障的诊断精度可达98.46%,算法具有更好的准确性和鲁棒性。     

三电平逆变器IGBT的开路故障诊断研究

针对三电平逆变器开关器件中IGBT的开路故障,研究单桥臂上多种故障形式,提出了测量二极管桥臂上两端电压作为故障信息,以分析每一种故障情况的诊断模型,然后根据故障信号和小波函数的特点,利用小波变换将故障信号转化为故障特征向量,采用SVM来进行故障诊断。为了提高诊断精度利用改进的布谷鸟优化算法进行参数寻优,得到最优模型,实现了多种故障的诊断分类。通过对二极管钳位三电平逆变器仿真进行验证,诊断结果准确可靠,验证此方法的可行性。     

基于小波包分析和概率神经网络的电磁法三电平变换器故障诊断方法

针对基于三电平变换器的电磁法发射机中功率开关器件开路故障特点和复杂工作环境,提出了针对性的故障诊断方法。该方法以变换器输出电压为原始信号,利用变采样频率的小波包分析方法提取特征向量,以提高对信号频率的分辨准确度。然后利用核主成分分析对特征向量进行降维,可以简化分类器的结构,提高诊断时间。采用概率神经网络建立故障分类器,可以提高诊断方法的鲁棒性。在一台5 k W电磁法三电平变换器实验样机上进行实验和分析,实验结果表明该方法可以准确地进行故障诊断,有较好的诊断准确度、实时性和较强的鲁棒性,具有一定的工程应用价值。     

基于状态观测器的三电平逆变器故障检测与识别

针对NPC三电平逆变器单相桥臂半导体器件的开路故障,在建立三电平逆变器状态空间模型的基础上,通过分析各类故障特征提出了相应的故障后逆变器状态空间模型,由此构建状态观测器,并基于此对相应的故障检测与识别算法进行研究,最终通过仿真建模对故障诊断策略的有效性进行了验证。仿真结果表明,基于状态观测器的方法可以快速检测故障发生,并能准确识别故障器件和类型,达到了预期目标。     

基于电压偏差的三电平逆变器故障诊断与定位

针对二极管中点箝位(NPC)三电平逆变器的开关管开路故障,提出了一种基于三相电压偏差的诊断方法。该方法根据NPC三电平逆变器的混合逻辑动态(MLD)模型预估逆变器正常工作状态下的三相电压,将预估电压与实际电压进行比较得到电压偏差,通过分析三相电压偏差的表现特征实现开关管的故障诊断与定位。该方法无需增加额外的电压、电流传感器,具有诊断精准、迅速的优点。仿真和实验结果验证了所提故障诊断方法的有效性。     

基于小波包变换和神经网络的逆变器故障诊断

本文提出了一种基于小波包变换和神经网络的PWM逆变器故障诊断方法。利用小波包分解的分频特性对逆变器机侧电流信号进行小波包分解,求得故障特征频率相应子频带的信号能量值,将此作为神经网络的输入,通过对神经网络的训练,确定网络参数,对故障数据的分析,达到故障诊断的目的。仿真结果表明该方法的有效性。