基于自适应滑模观测器的高铁牵引系统单相三电平整流器开路故障诊断

为了提升高速列车牵引系统的稳定性和可靠性,本文针对其单相三电平整流器,提出了一种基于自适应滑模观测器的开关管开路故障诊断方法.本文首先建立了单相三电平整流器开路故障下的状态空间模型,然后设计了收敛速度快且显著抑制高频抖振的自适应滑模观测器准确估计网侧电流,其次利用整流器网侧电流与观测器输出电流提出了基于电流绝对值均方根的开关管开路故障检测方法,在此基础上采用电流残差构造初次故障定位量进行开关管初步定位,最后利用开路故障开关函数建立故障状态下的自适应滑模观测器实现故障开关管精确定位.本文提出的方法能够实现单相三电平整流器所有开关管故障检测与定位,诊断速度快,鲁棒性强,且不需要额外注入脉冲控制信号.实验结果验证了本文所提诊断方法的准确性和鲁棒性.     

三相四开关有源电力滤波器故障诊断研究

为解决三相四开关有源电力滤波器系统中IGBT开路故障诊断问题,提出了一种基于电压检测的IGBT开路故障诊断方法。该方法只需采集一个线电压信号,再结合系统控制器已经检测出的电流和IGBT开关信号,便可快速准确地诊断出故障并能确定故障位置。该方法适用于单管和多管的开路故障诊断。仿真和实验结果验证了该方法的有效性和可靠性。     

逆变器开关管故障诊断方法综述

逆变器作为电机驱动系统的核心部分,其安全性和可靠性对电机驱动系统的正常运行甚至整个系统的运行是至关重要的。针对逆变器开关管故障,文中主要从基于解析模型、基于信号处理和基于数据驱动三个方面对现有逆变器开关管开路故障诊断方法进行了综述,具体叙述了各种逆变器故障诊断方法的原理,并从这些方法的应用系统、诊断时间、算法实现难易和可靠性等角度对各种方法进行对比,突出了各自的优缺点。最后探讨了今后逆变器开关管故障诊断方法的研究难点和方向。     

闭环状态下并网逆变器故障诊断

目前针对并网逆变器的故障诊断方法主要应用于开环系统中,而实际的并网逆变器多数为闭环控制系统。因此针对闭环状态下的并网逆变器,提出一种基于相电流的故障诊断方法。通过分析闭环状态下并网逆变器在正常和各开路故障类型下的相电流,得出发生多管开路故障下的相电流平均值和平均绝对值残差的故障特征。首先利用闭环控制回路中Park变换所产生的相电流与实测相电流进行平均值运算,然后根据归一化的相电流平均值和平均绝对值残差相结合来进行故障诊断。最后通过实验验证该诊断方法能够在闭环控制下快速检测和识别单管和多管开路故障。     

基于EEMD模糊熵和PSO-KELM的NPC三电平逆变器故障诊断

功率开关器件是逆变器的核心部件,但其易发生开路故障,故对其进行故障诊断方法研究很有必要。针对中点钳位型（Neutral Point Clamped,NPC）三电平逆变器功率开关管器件的开路故障,提出一种基于总体经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）模糊熵和粒子群算法（Particle Swarm Optimization,PSO）优化的核函数极限学习机（Kernal Extreme Learning Machine,KELM）的故障诊断方法。首先采样功率开关器件的桥臂输出端的三相电压作为故障信号以区分各种故障类型,然后利用EEMD模糊熵提取故障特征向量,最后将其划分为训练集和测试集送入PSO-KELM中,识别故障类型并输出诊断结果。经MATLAB平台仿真实验得到该方法的故障诊断率超过98%,通过与其他方法的对比实验分析,该方法的有效性与优势得到验证。     

基于Park变换的三电平逆变器开路故障诊断

针对现有二极管钳位式(NPC)三电平逆变器开路故障诊断方法存在计算量大、准确率受噪声和负载等影响的问题,提出了一种基于Park变换的三电平逆变器开路故障诊断方法。对三电平逆变器三相输出电流进行Park变换,计算平均电流Park矢量;利用滑动窗口取得单周期电流信号,根据逆变器电路结构分析IGBT故障时输出电流变化;采用迭代法确定平均电流Park矢量模值的阈值,结合相角和模值进行三电平逆变器功率管13种开路故障的识别和定位。仿真结果表明,该方法故障诊断准确率达到了98.31%。与传统的开路故障诊断方法相比,该方法不需要对13种开路故障数据进行学习和训练,大大减少了计算量,提高了故障诊断效率和准确率。     

基于小波变换和神经网络的逆变电路故障诊断方法

提出一种基于小波分析和神经网络的逆变器开路故障诊断方法;采用小波变换方法将逆变器的三相输出电压分解为高频系数和低频系数,以三相低频系数的平方和作为该相输出电压的特征向量,将逆变器开路故障进行分类和编码,建立一个三个输入、五个中间节点、一个输出的神经网络模型,实现逆变器故障桥臂定位,最后利用逆变三相电压同一桥臂故障电压的对称性的特点,用一种简单的判断逻辑实现故障元件的分离;仿真结果表明,该模型的诊断准确率达到98.6%以上,表明方法的有效性.     

基于时域信号的三电平逆变器复合故障诊断

针对NPC型三电平逆变器出现的单相单管和多管复合故障诊断问题,在对各类故障机理进行分析的基础上,根据故障后桥臂电压输出信号在时域的变化规律,引入新的故障特征变量,继而提出10个故障特征判据来提取故障特征信息,从而建立相应的故障特征向量表,基于此对不同故障类型进行诊断,并通过Matlab进行了仿真验证。仿真结果表明,该方法能够有效提取故障特征信息,并能对故障类型和器件进行较为准确的诊断与定位。     

三电平逆变器开路故障诊断研究

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%.     

三相开环Z源逆变器短路故障诊断研究

以三相开环Z源逆变器为例,开展了三相开环Z源逆变器短路故障诊断的应用研究。在三相开环Z源逆变器发生功率开关管短路故障及短路故障后逆变器工作状态理论分析基础上,建立三相开环Z源逆变器故障仿真模型。通过仿真实验获得短路故障状态下的输出侧交流电流信号数据,根据故障特征提出一种针对性的短路故障诊断方法直观的得到短路故障功率开关管出现的位置,并通过仿真验证该方法的可行性。     

基于小波包熵和马氏距离的级联式变频器故障诊断

针对级联式变频器内部功率管开路故障诊断中,逆变侧功率管开路故障隐蔽性较强、诊断较难的问题,提出了一种基于小波包特征熵的故障信号提取方法。为了提高级联式变频器功率管开路故障的诊断精度,采用马氏距离分类法进行故障诊断。首先,采集某型号级联式变频器在不同工况下的输入侧电流信号;其次,对采集的电流信号作小波包变换,并提取其特征熵向量作为样本数据集;最后,利用马氏距离分类法进行故障诊断。试验结果表明:采用小波包特征熵提取算法,可以有效地提取级联式变频器功率管发生开路故障时的电流信号特征;同时,采用马氏距离分类法,能够较好地对特征熵向量进行分类和识别。2种算法的结合,可以有效诊断级联式变频器功率管开路故障,也为变频器功率管开路故障的诊断提供了新方法。     

基于小波变换和神经网络的PWM逆变电路故障诊断

为了实现PWM逆变电路开路故障的诊断及定位,提出了基于小波变换和神经网络的开路故障诊断方法。该方法利用小波变换从输出电流中提取故障特征向量,并将故障特征向量输入建立的三层BP神经网络中进行训练,最后使用测试样本验证神经网络的故障诊断正确性。仿真结果表明,该方法能实现1只或2只功率器件的开路故障诊断及定位,故障诊断准确性高。     

基于极限学习机与规则推理的NPC三电平逆变器二级故障诊断方法

针对NPC三电平逆变器故障诊断问题,提出一种基于极限学习机与规则推理的二级故障诊断方法。分析了依据输出电流诊断故障的可区分性,以及故障模式的分类。然后对输出电流提取故障特征,并采用极限学习机完成故障初级分类。对于初级分类结果为电流不可区分故障情况,再根据桥臂电压信息运用规则推理法实现故障二级精确诊断。诊断实验表明,该方法能够实现NPC三电平的多模式故障诊断,且故障诊断方法简单、定位精确、快速、鲁棒性强。     

基于特征融合的提升机逆变器故障诊断

矿井提升机逆变器故障诊断的难点在于提取表征故障的特征,目前主要利用信号处理方法得到故障统计特征,或通过神经网络提取故障深度特征。提升机逆变器在实际工作环境中,受背景噪声和负载变化等因素影响,运用单一的特征提取方法难以获得能有效表征故障的特征,导致提升机逆变器故障诊断准确率低。针对上述问题,提出了一种基于统计特征与深度特征融合的提升机逆变器故障诊断方法。首先,利用希尔伯特-黄变换(HHT)对逆变器输出电流信号进行优化集合经验模态分解(MEEMD),提取故障统计特征,同时利用压缩激励密集连接卷积网络(SE-DenseNet)提取输出电流信号的深度特征;然后,利用局部线性判别分析(LFDA)对2种特征的组合进行融合降维处理,得到统计特征和深度特征的低维融合特征;最后,将低维融合特征输入极限学习机,实现逆变器故障分类。针对提升机逆变器中单个IGBT开路故障进行实验,结果表明,该方法得到的低维融合特征比单一特征的故障表征能力更强,有效提高了故障识别准确率。     

基于SOM神经网络的三电平逆变器的故障诊断

针对三电平逆变器的开路故障,采用一种基于小波包变换与自组织映射神经网络(SOM)的故障诊断方法。测量三电平逆变器的上、中、下桥臂电压进行故障模式的分类,桥臂电压经过小波包分解后进行故障特征向量提取,将故障向量作为SOM神经网络的输入进行故障模式识别。仿真和实验表明,该诊断方法对三电平逆变器故障的分类准确且快速,能够降低检修人员的故障识别难度,有效提高诊断效率,对于实现三电平逆变器的在线故障诊断具有广阔的应用前景。     

一种开关磁阻电动机功率变换器故障诊断方法

针对现有开关磁阻电动机功率变换器故障诊断方法存在可靠性不高等问题,提出了一种新型的功率管故障诊断方法。该方法以不对称半桥型功率变换器主电路为研究对象,以常见的功率管开路和短路2种故障情况为诊断对象,通过比较母线电流估算值和实测值来判断故障,结合故障相绕组电流实现故障相的识别,必要时通过中断测试来确定故障点。选取电动机空载、低速度和高速度运行等较难实现故障诊断的工况进行了试验分析,结果表明,该方法均能完成故障类型的定性及故障点的准确定位。     

小波包特征熵在级联式变频器故障诊断中的应用

为精确诊断级联式变频器功率器件开路故障,提出了一种基于小波包特征熵的故障信号提取方法.对采集到的级联式变频器相电压信号进行三层小波包分解,提取特征熵构造电压信号的特征熵向量,并以此作为故障诊断样本,利用概率神经网络进行故障诊断.仿真结果表明,基于小波包特征熵的信号提取方法在级联式变频器故障诊断的应用中具有较高的有效性与可行性.     

基于信息融合的神经网络模拟电路故障诊断研究

针对目前神经网络模拟电路故障诊断中存在的难点,提出了基于信息融合思想的多神经网络故障诊断方法;该方法测试电路中节点电压信号、供电电流信号,利用小波变换对检测信号进行预处理,基于主成分分析对特征矢量进行降维,根据模拟电路的不同故障模式分别建立诊断神经网络,用概率统计数据融合方法从多个神经网络中选出最优网络用于诊断故障;通过电路实例验证了新故障诊断方法的有效性,实验结果表明新方法可有效提高故障诊断性能。     

基于EEMD和GA-BP的列车辅助逆变器开路故障诊断研究

地铁列车随着运营年限增加,辅助逆变器故障频发,严重制约轨道交通安全运营,故障及时诊断至关重要。针对列车辅助逆变器典型的大功率器件开路故障,提出了一种基于集合经验模态分解(EEMD)和遗传算法优化的BP神经网络(GA-BP)的故障诊断方法,该方法以辅助逆变器输出的三相半波电压值为监测信号,通过EEMD分解采用能量矩的方法提取故障特征向量,基于GA-BP神经网络实现故障智能诊断。仿真实验结果表明该方法故障诊断准确率能达到95.5%。     

逆变电路智能故障诊断系统

针对逆变器由于具有非线性的特征而无法采用精确数学模型进行故障诊断的情况,本文提出一种基于小波分析和神经网络的新型逆变电路故障检测与诊断方法。建立三相SPWM逆变电源的非线性MATLAB仿真模型,以三相输出故障电压作为故障信息,利用小波分析的方法提取低频能量值作为特征向量,通过神经网络实现逆变器故障桥臂定位,最后利利用逆变三相电压同一桥臂故障电压的对称性的特点,用一种简单的判断逻辑实现故障元件的分离。设计了基于DSP的PWM逆变电路在线智能故障诊断系统。测试结果表明,该系统具有良好的故障诊断效果,具有一定的实用价值。