基于极值比值法和神经网络的逆变器故障诊断.docVIP

基于极值比值法和神经网络的逆变器故障诊断 袁国森，张彼德，李明昆，姚伟 （西华大学 电气信息学院，成都 610039） 摘要：针对PWM三相逆变器，根据开路故障下的各相输出电流的特性，以故障电流作为故障信息，提出了一种基于三相电流极值比值和概率神经网络的开路故障诊断方法。该方法以各相输出电流极值比值作为故障特征量，利用概率神经网络的非线性映射分类能力实现逆变器的故障诊断。仿真实验结果表明该方法不但能准确检测、定位故障功率管，而且对噪声具有很好的鲁棒性。 关键词：逆变器；开路故障诊断；极值比值；神经网络 Fault diagnosis for inverter based on extremum value ratio and probabilistic neural network Yuan Guosen，Zhang Bide，Li Mingkun，Yao Wei (School of Electrical and Electronic Information，Xihua University，Chengdu 610039，China Abstract：According to the open-circuit fault of each phase current characteristics，taking fault current as the fault information，this paper proposes a switch open-circuit fault diagnosis method based on extremum ratio of three-phase current and probabilistic neural network for the three-phase PWM inverter. This method takes the extremum value ratio of each phase output current as the fault characteristic，using the nonlinear mapping classification ability of the probabilistic neural network to realize the fault diagnosis of inverter. The simulation results show that th method can accurately detect and locate failure power switch and has good robustness for noise. Keywords: inverter，switch open-circuit fault diagnosis，extremum ratio，neural network 0 引言 随着电力电子技术的不断发展，电力电子装置应用越来越广泛，其可靠性问题越来越突出，一旦发生故障，将可能会对装置和设备造成损坏甚至会威胁人身安全，因此实现快速、准确检测和定位故障功率管变得非常重要[1-3]。 由于电力电子装置的过载能力较小，损坏速度较快，且故障信息存在时间短，因此需要进行动态监测与在线诊断。近些年来，国内外电力电子故障诊断技术得到了快速发展，现已有多种故障诊断方法应用于逆变器[4-5]。针对逆变器故障诊断的研究，目前研究主要分为在电流与电压故障诊断上，其中Rothenhagen 提出了IGBT 开路的故障诊断方法[6]，但该方法需要大量的传感器，使电路更加复杂同时增加了成本。文献[7-8]提出了在不同故障模式下不同输入，多次的利用数值积分方法进行仿真，得到故障电流、正常波形与转矩波形之间的对比进行逆变器的故障诊断，显得较为繁琐。文献[9-11]采用了小波变换对逆变器输出电流进行多层分解，并使用BP神经网络来对故障进行分类的故障诊断，该方法需要进行小波包能量提取，在特征量提取上较为繁琐。 论文以三相PWM逆变器为例，系统地分析了逆变器发生各种开路故障的电流波形特征，提出了较为简单的极值比值特征量提取方法，首先通过对逆变器的各相输出电流提取极值，并得到各极值之间的比值，然后利用极值比值的数学关系作为特征量，再通过概率神经网络强大的非线性映射能力，来实现故障识别与定位。 1 逆变器的故障分析 三相桥式逆变电路如图1所示。该结构广泛的应用于航空航天、交通、太阳能发电等领域。逆变器常见的故障主要有功率开关管的短路故障与开路故障。目前针对短路故障由于其会产生过电流，诊断和保护起来较为容易，针对短路故障的诊断技术均较为成熟，而开路故障不会引起过电流与过电压，需要先通过故障诊断并根据