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。     

单相光伏微网逆变器的建模与电流跟踪数值模拟

以光伏微网逆变器的输出电压为控制信号,输出电流为输出信号,并考虑线路等效电阻,先对单相光伏微网逆变器电路进行简化并分析其工作原理,然后根据电压回路方程,建立单相光伏微网逆变器的微分方程,接着建立求解方程的四阶龙格-库塔法的迭代模型,再从微分方程的解析解中进行简化和离散化后,利用线性预测控制方法得到逆变器输出控制信号表达式,最后进行数值模拟和分析。通过数值模拟,对逆变器的输出电压、电流的时域波形和频域波形进行分析,并对输出电流的误差信号进行测量,结果表明：所建立的单相光伏微网逆变器模型及求解迭代模型是有效的,在耦合电感为1mH、开关频率为10KHz条件下,逆变器输出电流、电压总谐波失真度分别为1.76%、3.99%,逆变器输出电压的纹波峰值达50V,但其输出信号总谐波失真度满足国家并网的标准(≤5%)。     

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。     

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%.     

PWM逆变器开路故障模式分析及识别

分析PWM逆变器的结构及故障特性,利用MATLAB软件建立其故障仿真模型,对逆变器各种故障仿真波形进行分析,根据输出波形可以识别故障。     

预测电流控制光伏并网逆变器的研究

介绍了一种适用于光伏并网逆变系统的控制方法,可以解决经典PI控制方法参数整定难、系统静差大等问题。针对经典PI调节无法解决逆变器输出电流静差等问题,使用了基于预测电流的无差拍方法进行闭环调节,分析了控制算法中电感参数对采样延时、系统稳定性的影响,该方法能有效降低入网电流总谐波失真。经仿真和样机实验证实该改进方案的正确性和可行性。     

三相光伏并网电流型PWM逆变器的研究

基于三相电流型PWM逆变器装置,将直接电流控制方法应用于该逆变器中,设计了一套1kW实验装置。通过仿真分析和实验验证表明,该方法不仅实现了逆变器网侧电流正弦化并与网侧电压同相位,而且实现了直流侧电压宽范围调节,提高了系统动态性能,更适合于光伏并网。     

电流型多重化光伏并网逆变器的研究

在光伏发电系统光伏逆变器的研究中,针对太阳能电池的电流源特性,在光伏发电系统中采用电流型逆变器可以获得良好的控制效果。为了适应大功率的应用场合,以电流型多重化逆变器为研究对象,论述了电流型逆变器多重叠加的原理,并采用移相控制的方法对输出电流的进行调节。在上述基础上,研究了整个系统的控制策略。最后在MATLAB/SIMULINK环境下进行了系统的建模与仿真,通过FFT分析了并网电流,仿真结果证明了改进控制方法的可行性,为大功率光伏并网逆变器的研究奠定了基础。     

三相光伏逆变器并网时故障状态仿真分析

当光伏发电系统在并网点处发生故障时,会对光伏微网内部的电能质量包括电流、电压和相位产生严重的影响,采取合适的控制策略使光伏逆变器恢复并网点电能质量是目前的研究热点和难点之一.在Matlab/Simulinkh建立光伏发电系统并网运行时故障仿真模型,对单相接地故障、两相接地故障、断路器单相重合闸故障以及三相重合闸故障进行仿真.以分布式光伏并网逆变器电路的拓扑结构为基础,三相光伏逆变器利用软件锁相环技术为坐标系变换提供相位支撑,PQ控制策略采用功率和电流的双闭环控制.当故障排除后,通过三相光伏逆变器的调节控制作用,使得光伏微网内部的电能质量能在很短的时间内恢复到正常值,锁相准确,谐波小,对稳定电能质量具有良好效果.     

基于逆变器模型预测的光伏发电故障诊断

为降低大型光伏发电厂的实施、运行和维护成本,在现有不需额外传感器的故障诊断体系结构基础上,优化设计算法框架,其关键技术在于可不使用日射表和温度计测量的辐照和组件温度,而使用根据光伏组件特性和光伏逆变器直流电压和电流测量值计算出的理论值。因此,可实现在最大功率点跟踪和输出功率剪裁下的故障和退化识别,优点是可解决测量设备成本远高于简单地更换故障光伏组件成本的问题,使故障检测方法更加实用。研究还表明,这种结构可对失效和退化模式进行有效检测,即“串联电阻增大”、“并联电阻减小”和“旁路二极管开启”。     

一种新的光伏阵列故障诊断与定位方法

随着太阳能光伏应用规模的不断扩大,实时地对光伏阵列进行状态监控故障诊断与定位变得越来越重要.提出了一种新的光伏阵列传感器嵌入方法,在保证故障定位精度的基础上减少了传感器的使用量.利用模糊群体决策理论对系统所获取的数据进行综合处理,解决了诊断中各检测量之间的一致性和决策问题.实验结果证明:提出的光伏阵列故障诊断与定位方法有较强的抗干扰能力,提高了诊断的准确性和可靠性.     

基于Kullback-Leibler距离的闭环系统传感器微小故障诊断

在闭环控制系统中,当故障幅值较小时,由故障带来的影响会被控制量所掩盖.因此,闭环系统中的微小故障诊断实现更为复杂.本文针对闭环系统中的传感器故障,提出了基于Kullback-Leibler(KL)距离的微小故障在线检测与估计方法.本文首先介绍了KL距离的定义及其在多变量故障检测中的应用,然后提出了结合KL距离与快速移动窗口主成分分析(MWPCA)的在线微小故障检测与估计模型.在高斯分布的假设下,利用系统输入输出残差构造MWPCA的数据矩阵,然后通过在线更新数据矩阵主成分的均值与方差实现KL距离的在线更新,最终实现闭环系统中传感器的在线故障检测与估计.仿真实验表明,该方法能有效实现具有低故障—噪声比(FNR)特性的微小故障诊断.     

基于Petri net的故障诊断理论研究

首先将故障概率的概念引入基于Petrinet的故障诊断方法中．针对Place和Transition．提出了P概率和T概率的概念;然后给出了它们的定义和计算定理;最后．在P概率和丁概率的基础上．对故障树分析（FTA）中“重要度”的概念略加调整,并将其引入所提出的故障诊断方法中．为Place和Transition定义了“重要度”．同时给出了计算方法．     

Induction motor fault detection and diagnosis using a current state space pattern recognition

In the last few decades the continuous monitoring of complex dynamic systems has become an increasingly important issue across diverse engineering areas. This paper presents a pattern recognition based system that uses visual-based efficient invariants features for continuous monitoring of induction motors. The procedures presented here are based on the image identification of the 3-D current state space patterns that allow the identification of distinct fault types and, furthermore, their corresponding severity. This automatic fault detection system deals with time-variant electric currents and is based on the identification of three-phase stator currents specified patterns. Several simulation and experimental results are also presented in order to verify the effectiveness of the proposed methodology.     

基于Ontology的故障诊断方法

故障诊断是质量服务的主要内容之一,故障诊断方法一直以来都是质量服务领域的研究热点。在分析传统故障诊断方法存在的问题的基础上,提出了基于Ontology的故障诊断方法。阐述了基于Ontology的故障诊断过程,给出基于Ontology的故障知识表示和故障诊断算法。实例应用效果证明了基于Ontology的故障诊断方法的有效性。     

论计算机故障诊断及解决方式

随着人们物质生活水平的不断提高,计算机的应用已经是相当普及,人们的日常生活、学习、娱乐都离不开它,但由于用户的持续增加,计算机形形色色的故障也随之出现,很多客户都依赖于售后服务人员的维护,自己却对故障一无所知,正确理解计算机故障就很有必要。一方面:售后服务人员或修理工技术水平的高低将会直接影响售后服务质量,另一方面:对于使用者来说对故障原理有一些了解可以主动避免故障的发生,从而可以在使用上处于主动地位。本文从实践出发积累多年计算机故障诊断经验,将计算机故障进行划分,并根据故障缘由对应解决方案。     

Fault diagnosis of power electronic system based on fault gradation and neural network group

We propose a new fault diagnosis approach with fault gradation using BP (back-propagation) neural network group consisting of 3 sub BP neural networks. According to the hazard extents and the occurrence frequencies of different faults, the faults are divided into different grades. The higher the fault grade, the larger the number of the used sub neural networks is. Experimental results show that our approach makes the correctness rate of the fault diagnosis rise greatly (from less than 95.0% to 99.5%) and the performance of the whole fault diagnosis system gets much better especially for the on-line complex systems. The approach proposed in this paper also can be extended to other complex fault diagnosis systems, such as mechanical systems.     

基于DPCA方法的传感器故障检测与诊断

针对多传感器的相关时序测量数据,在假设只存在传感器故障的前提下,提出了一种基于动态主成分分析（DPCA）的传感器故障检测方法。根据测量数据建立传感器的DPCA模型,在该模型基础上利用T2和SPE统计量进行传感器的故障检测。同时,将基于主成分分析（PCA）模型的传感器有效度指标SVI推广应用于DPCA模型中。通过对污水处理系统中重要传感器的故障诊断仿真实验表明：该方法能有效地检测和识别出故障传感器。     

Fault diagnosis for satellite sensors and actuators using nonlinear geometric approach and adaptive observers

This paper presents a novel scheme for diagnosis of faults affecting sensors that measure the satellite attitude, body angular velocity, flywheel spin rates, and defects in control torques from reaction wheel motors. The proposed methodology uses adaptive observers to provide fault estimates that aid detection, isolation, and estimation of possible actuator and sensor faults. The adaptive observers do not need a priori information about fault internal models. A nonlinear geometric approach is used to avoid that aerodynamic disturbance torques have unwanted influence on the fault estimates. An augmented high‐fidelity spacecraft model is exploited during design and validation to replicate faults. This simulation model includes disturbance torques as experienced in low Earth orbits. This paper includes an analysis to assess robustness properties of the method with respect to parameter uncertainties and disturbances. The results document the efficacy of the suggested methodology.     

Fault diagnosis of turbine based on fuzzy cross entropy of vague sets

The fuzzy cross entropy of vague sets, so-called vague cross entropy, is introduced by analogy with the cross entropy of probability distributions. And then a new method of the fault diagnosis is proposed on the basis of the vague cross entropy and is applied to the fault diagnosis of turbine. The vague cross entropy between a testing sample and the knowledge of system faults is evaluated in the fault diagnosis of the turbine vibration. If the cross-entropy value is small, the testing sample is near to a type of fault knowledge. Then, the type of vibration fault is determined according to the minimum cross-entropy value. The fault-diagnosis example of the turbine demonstrates that the proposed method cannot only diagnose the main fault types of the turbine, it can also detect useful information for future trends and multi-fault analysis.