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。     

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。     

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。     

基于人工神经网络的逆变器开路故障诊断

三相四桥臂逆变器具有优良的带不平衡负载能力,因此对于应用在航空电源、不间断电源(UPS)等领域具有重要意义.同时,由于第4桥臂的引入,使得四桥臂逆变器表现出的故障特征进一步复杂,从而增加了逆变器开关管开路故障诊断的难度.在此对三相四桥臂逆变器不同桥臂开关管出现开路故障时的变换器工作机理和工作过程进行了深入分析,构建了基...     

逆变器并联系统功率管开路故障诊断研究

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。     

逆变器功率管开路故障诊断方法综述

作为各种新能源发电设备和驱动系统的核心部分,逆变器的安全性和可靠性对整个系统的安全稳定运行至关重要。近年来,高电压等级、高功率密度和高集成化的逆变器已成发展趋势,但增加更多的开关器件也会增大其故障概率,因此,采取快速有效的方法对逆变器的故障进行诊断十分重要。针对逆变器功率管故障诊断,目前的分类方法主要分为基于解析模型、基于信号处理和基于数据驱动3种。为使诊断方法分类简单直观,从实际电路中检测变量的角度,在电流、电压和功率3个方面对国内外文献进行整理,阐述了各类方法的原理、适用范围和优缺点,最后概述了逆变器故障诊断的难点和未来的发展趋势。     

基于直流侧电流检测的逆变器开路故障诊断方法

针对变频驱动系统中的逆变器开关管开路故障,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、单管开路故障及一相开路故障时的频谱：逆变器正常运行时,其直流侧电流频谱的低频部分只包含直流成分;逆变器单管开路故障时,其直流侧电流频谱的低频部分会出现调制信号的频率成分;逆变器一相开路故障时,其直流侧电流频谱的低频部分除了直流成分外,还会出现调制信号的二次谐波成分。通过检测直流侧电流的频率成分就可实现逆变器单管开路故障及一相开路故障的故障诊断。实验结果验证了该方法的正确性和有效性。     

三电平逆变器的功率管开路故障诊断

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。     

无刷直流电机驱动系统逆变器的开路故障诊断

逆变器的故障诊断是实现容错控制的前提,有助于提高电机驱动系统的可靠性。针对上桥臂PWM调制、下桥臂常开调制方式下的无刷直流电机驱动系统逆变器,提出了一种新颖的开路故障诊断方法。该方法将PWM周期内ON时的线电压与OFF时的线电压的差值作为特征量进行故障检测;在逆变器的下一工作模式中定位出具体的故障功率管。为了降低应用成本,提出了分时采集端电压来估计线电压差的软件算法与检测电路。最大诊断时间为1个电周期。该方法硬件电路简单、实现方便、可靠性高、成本低,且不受开环、闭环控制等策略的影响。实验结果表明了所提方法的正确性和有效性。     

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。     

小波包与神经网络在电机故障诊断中的应用研究

文章对电机的故障特点进行分析,根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,结合小波包的能量特性,提出了故障信号在不同分解频段的能量特征概念及算法,并将其与BP神经网络相结合,提出了一种新的电机故障诊断方法,实验结果证实了该方法的正确性和有效性。     

基于小波分解的发电机转子匝间短路故障诊断

针对傅里叶变换在信号奇异点检测上存在的很多缺点,提出一种基于小波分解的故障特征信号提取方法。介绍了探测线圈法的基本原理,分析了小波变换用于突变信号检测的机理。通过仿真建立发电机转子绕组匝间短路故障的信号模型,并利用小波分解和重构准确地找出信号的突变点。仿真结果验证所提理论的正确性和可行性,为现场早期发现汽轮发电机转子绕组故障和处理故障提供了理论依据。     

基于小波分析的电机故障诊断研究

交流异步电机是广泛使用的能量转换装置,对其常见故障进行分析及诊断,提高电机故障的在线诊断水平,具有明显实用价值。文章利用小波包分析算法提取出电机故障特征向量,并针对轴承故障特征,提出峭度值指标计算和小波包分析相结合的算法,分析获得轴承故障特征频率,由此确定故障的类型。仿真结果证明了该方法的有效性。     

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。     

基于因果模型的级联型差补逆变器的故障诊断

当级联型逆变器采用差补PWM技术时 ,开关器件的开路故障可观测性大大增加。本文通过对两重级联型差补逆变器的分析 ,建立了故障与输出波形之间的因果模型 ,并且证明这一模型是一一对应的。介绍了采用BP神经网络对输出波形进行故障识别的方法 ,实验证明了该方法的有效性     

基于小波包的异步电动机故障分析

小波包分析是一种能有效进行时一频定位和微弱信号提取的方法,它对信号具有最优降噪处理能力。采用小波包分析法来提取异步电动机振动信号的故障特征,并将电机故障信号和正常信号的特征频段能量进行对比,给出定量对比的结果,充分说明故障与无故障之间存在明显差异,从而实现异步电动机的故障诊断。实例证明该方法正确有效。     

基于小波包的异步电动机故障分析

小波包分析是一种能有效进行时-频定位和微弱信号提取的方法,它对信号具有最优降噪处理能力。采用小波包分析法来提取异步电动机振动信号的故障特征,并将电机故障信号和正常信号的特征频段能量进行对比,给出定量对比的结果,充分说明故障与无故障之间存在明显差异,从而实现异步电动机的故障诊断。实例证明该方法正确有效。     

基于小波包变换预处理的模拟电路故障诊断方法

阐述了利用神经网络进行模拟电路故障诊断的方法 ,并在此基础上提出了一种新的改进方法———基于小波包变换预处理的神经网络故障字典法。这两种方法对于模拟电路故障诊断都是有效的。但是 ,由于基于小波包变换预处理的神经网络故障字典法利用小波包对电路的输出样本进行了预处理 ,所以它比直接采用神经网络故障字典法进行故障诊断所用的神经网络规模小 ,收敛速度快。     

小波包在电机故障诊断中的应用

针对常用的时域和频域分析在诊断电机故障时存存不能同时诊断出故障时间和类型的瓶颈问题，利用在时频两域都具有表征信号特征能力的小波，对采集来的电机振动信号进行小波包分解。利用分解的小波系数，在各个频段上进行小波信号重构，并计算信号各个频段的能量特征值，提取故障特征，诊断故障发生的时间和故障类型。