共查询到18条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
5.
6.
一种新颖的用于消除PWM逆变器输出共模电压的有源滤波器 总被引:5,自引:11,他引:5
PWM逆变器在应用中会产生共模电压,共模电压在IGBT的高速开关期间产生充放电电流,此电流通过电机内部的寄生电容产生流入地线的漏电流。漏电流过大将对电源产生电磁干扰。还会使电机轴承过早毁坏,从而影响系统运行的可靠性。文中提出了一种新颖的可以有效消除脉冲宽度调制(PWM)逆变器产生的共模电压的有源滤波器。这个有源滤波器由一个单相逆变器和一个五绕组共模变压器组成,可以产生与PWM逆变器输出的电压幅值相等,相位相反的共模电压,通过五绕组共模变压器组成,可以产生与PWM逆变器输出的电压幅值相等,相位相反的共模电压,通过五绕组共模变压器叠加到逆变器输出中,从而有效消感应电机端的共模电压。这种有源滤波器结构简单,控制容易。文中通过理论,仿真和实验结果证明了这种结构的有效性。 相似文献
7.
三电平逆变器的功率管开路故障诊断 总被引:12,自引:2,他引:12
三电平变换器因其输出谐波小、开关应力低等优点而受到广泛关注,而对变换器故障情况的诊断处理是变换器能可靠、高效运行的前提。该文针对三电平变换器的拓扑,通过理论分析和仿真实验,对变换器中的各功率管开路故障诊断进行研究。以二极管钳位三电平半桥逆变器为例,分析三电平变换器在功率管开路下的电路工作情况及故障表现形式,并由此提出根据检测逆变器输出侧PWM电压和输出电流极性来诊断功率管开路故障的故障识别方案。最后通过仿真和实验验证该方法的正确性和有效性。该方法相对于已往的功率管开路故障诊断方法,具有诊断迅速、可靠性高的优点。 相似文献
8.
逆变器中的开关元件故障是造成变频调速系统可靠性低的主要原因,研究了基于谱估计和神经网络的逆变器故障检测与诊断方法.通过理想无故障逆变器与实际逆变器输出电压信号的比较,得到了谱残差估计方程,利用复参数最小二乘估计方法获得了逆变器电压信号的实时谱残差估计,提出了简单的故障决策机制,实现了逆变器实时故障检测.对谱残差进行适当处理得到了相对谱残差,结合多层感知器神经网络实现了逆变器的故障分离.仿真结果验证了本文方法的有效性. 相似文献
9.
基于开关函数模型的逆变器开路故障诊断方法 总被引:5,自引:0,他引:5
逆变器的安全性和可靠性直接关系到电机驱动系统的正常运行。在研究逆变器在正常和故障状态下开关函数模型的基础上,提出一种功率管开路故障快速简易诊断方法。该方法根据故障和正常态器件承受电压的不同,采用简单的硬件电路来诊断和定位器件的开路故障。为保障诊断的有效性和可靠性,提出采用开关信号上升沿延时的方法来避免因IGBT开通和关断延迟造成的误诊断,并给出延时时间的确定方法。在搭建的感应电机变频调速(variable voltage and variable frequency,VVVF)控制和永磁同步电动机矢量控制系统中进行实验验证,实验结果表明,所提故障诊断方法能有效诊断逆变器单管和桥臂的开路故障。 相似文献
10.
开关管开路故障会让功率变换器的输出电压与电流产生严重畸变,因而降低了变换器输出的电能质量。开路故障出现后其余功率开关器件的损耗可能增加,所以容易在电路中引发二次故障。文中提出一种针对三相逆变器开关管开路故障的故障诊断方法。故障类型与故障器件的辨识通过分析三相逆变器在αβ平面上的输出电压轨迹实现,仅需要测量滤波后的输出线电压。所提出的方法易于实现,可以诊断三相逆变器的所有开关管开路故障情况。最后,通过仿真和实验验证所提出方法的可行性和准确性。 相似文献
11.
逆变器并联系统功率管开路故障诊断研究 总被引:5,自引:2,他引:5
冗余容错控制的关键在于故障的诊断。该文通过仿真和实验,对无输出隔离变压器的逆变器并联系统功率管开路故障诊断进行了研究。以半桥逆变器为例,分析了逆变器并联系统在功率管开路故障下的等效电路和故障表现形式,提出了几种故障识别方案。通过检测并联系统各模块电感电流,在两台并联实验样机上实现了故障识别和故障模块的在线切除,验证了方案的可行性。该方案简单,适合于任意数量逆变器并联模块。 相似文献
12.
针对无刷直流电动机逆变器功率管短路及开路故障,文中采用小波变换对电机转速信号进行时间-频率域分析,并结合傅里叶变换进行对比研究。仿真结果表明小波变换能有效地实现逆变器的故障检测。 相似文献
13.
针对传统二极管钳位式三电平逆变器故障诊断方法存在的诊断效率低且准确率不高的问题,将一种自适应正则化系数引入卷积神经网络CNN(convolutional neural network),对逆变器进行故障诊断。在传统CNN模型引入正则化去拟合中,正则化系数常采用全局统一的常数型参数,训练过程中需不断试错且效果甚微,针对此提出根据目标损失函数梯度变化,自适应调整正则化系数的CNN模型,能够加快其在逆变器故障诊断中的收敛速度,增强模型泛化能力,提高故障识别准确率。实验表明,与传统BP神经网络和原始CNN模型相比,改进的CNN模型能对逆变器复杂故障做出实时准确诊断。 相似文献
14.
15.
16.
17.