基于隐马尔科夫模型的DCDC变换器故障检测.pdfVIP

基于隐马尔科夫模型的DO／DO变换器故障检测 张翼翔 杨铁宝 (西南交通大学电气工程学院，四川I 成都 610000) [摘 要] 将语音信号处理领域的隐马尔科夫模型HMM 引)X．DC／DC变换器故障检测。在简要介绍HMM)~其优点 的基础上，提 出了一种基于HMM 的DC／DC变换器故障检测方法。首先分析开关电源的失效机理 ，选择输 出电压、电感电流 作为特征参数 ；然后对每个状态的观察样本序列训练并建立HMM模型；最后以典型boost电路模型进行了仿真实验。实验结 果表明该方法能可靠识别内部故障，效果明显，并且所需样本少，训练速度快。 [关键词] DC／DC变换器；隐马尔可夫模型；特征提取；归一化 ；故障检测 中圈分类号：TP277 文献标识码：A 文章编号：1008—6609(2015)01—0063—04 隐马尔可夫模型是从马尔可夫模型发展起来的一种统 1 引言 计模型，其 内层隐含的状态不能被直接观测，而是通过外在 DCD／C变换器是电力电子技术应用的一个重要分支，采 表现出的观察序列进行观测，观察序列是马尔科夫模型隐含 用高频开关DCD／C变换器技术构成的高频开关电源广泛应 状态的一种表现，通过概率密度分布函数与 内层隐含状态联 用在 电气、电子、通讯 以及家用电器等领域 。开关电源是各 系。所 以，隐马尔可夫模型是一个双重随机过程 ，它包含 种电子设备的基础部件，故障的发生会导致设备功能失效， 两个层面即不能被观测的包含状态数的马尔可夫链和外在 严重地甚至会引起系统的瘫痪，造成巨大的经济损失和人员 的显示随机观察序列。创立 以来，HMM 已经成功应用在语 伤亡。所以准确的故障诊断n显得尤为重要，及时采取预防 音识别，并取得重大成功。HMM 以概率模型描述观察值序 性维修措施，以减少维修周期，减轻企业损失。目前，国内外 列，具有很好的数学结构，能够比较完整地表达观察值序列 对DCD／C变换器故障检测的研究内容主要集中在变换器关 的特征 。 键元器件的故障检测，如：基于卡尔曼滤波的电解 电容器故 HMM 可以记为： (N ，M，n ，A，B)，其中 障检测 ；基于高斯回归的MOS．FET剩余寿命检测 。由于 (1)N：Markov链中隐含状态的个数。N个状态可以用 DCD／C变换器中各个元件的非线性、容差等 问题，这些方法 01,0，…0表示，任意时刻的状态 qE(0，0，…0)。 在应用中都存在各自的局限性 ，无法对变换器进行整体性能 (2)M：各状态对应 的观测状态 。M个观察值可 以用 评估。 ，2，V 表示，t时刻的观测值OE(VI，V2，，… )。 隐马尔可夫模型(HiddenMarkovModel，HMM)作为一 (3)H ：初 始 状态 概率 矩 阵，叮r=(叮r。， ，…订)，其 中 种统计分析模型，创立于20世纪7O年代。在80年代得到了 盯=e{q= }，1 J Ⅳ。t=1时，q表示初始时刻的状态。 传播和发展，成为信号处理的一个重要方向，现 已成功地用 于语音识别、行为识别、文字识别以及故障诊断等领域 。近 (4)A：隐含 状 态 转 移 概 率矩 阵 ，A= }NXN，其 中 年来，HMM也成功地应用于多种设备的故障诊断 中，如基