基于中点电流的ANPC逆变器故障诊断策略与容错控制

有源中点箝位型(ANPC)逆变器具有输出波形畸变率低、传输效率高等优点,获得了广泛的应用,但大量的开关器件降低了逆变器的可靠性.分析了三电平ANPC逆变器在不同开关器件开路故障下的电流路径,得到不同故障下输出电平及输出电压空间矢量的变化情况.结合各矢量作用下中点电流与输出电流的关系,提出了一种基于中点电流的故障诊断方法.根据ANPC逆变器电路特点,对其桥臂器件和箝位器件提出了不同的容错模式,并提出了一种具有不降额容错能力的容错电路结构.通过搭建仿真模型及实验平台对提出的故障诊断方法及容错策略进行验证,仿真和实验结果验证了该故障诊断方法及容错策略的有效性.     

基于神经网络的模拟电路的故障诊断

根据 BP神经网络的特点和性能以及电路故障诊断的要求 ,采用了 BP网络的权值与故障模式相对应的方法来进行电路的故障诊断 .该方法利用改进的 BP算法 ,首先建立故障模式 ,然后将故障模式与 BP网络的权值相对应 ,最后将权值作为故障诊断知识 .对模拟电路的软故障进行了仿真 ,仿真结果良好     

模拟电路故障信号的小波预处理

针对模拟电路故障诊断的神经网络存在结构规模较大的问题,提出一种基于小波一神经网络的模拟电路故障诊断方法。该法采用冲激响应来获取模拟电路的故障信号,采用小波变换作为模拟电路故障信号的预处理器,利用Haar小波分层次分解提取故障信号特征,该信号特征经主元分析和数据标称化后,作为用于故障诊断的神经网络的输入。基于该法故障诊断的基本原理,对一实例电路进行故障划类、小波函数及故障特征选择,给出计算故障特征的仿真编程及故障类别的识别方法。该法大大减少用于故障诊断的神经网络的输入数目,简化它的结构和减少其训练处理的时间。仿真结果表明,该法可以提高模拟电路故障诊断的效率和辨识故障类别的能力。     

基于小波包能量熵和随机森林的级联H桥多电平逆变器故障诊断

为了提升级联H桥多电平逆变器故障诊断的准确性和高效性,提出一种基于小波包能量熵和随机森林的故障诊断方法 .首先对级联H桥多电平逆变器的输出电压进行小波包分解,提取小波包能量熵构建故障特征;然后采用主成分分析法对故障特征进行维数约简,以降低诊断模型的训练时间;最后采用经参数调优后的随机森林模型对逆变器故障进行分类诊断.基于Matlab平台,将该诊断策略与传统的基于快速傅里叶变换的SVM(Support Vector Machine)方法以及基于小波变换的BP(Back Propagation)神经网络方法进行对比.仿真结果表明,针对级联H桥多电平逆变器中功率开关晶体管开路故障,基于小波包能量熵和随机森林诊断策略的故障识别率更高,可有效提升故障诊断率至97%左右.     

多频率法进行电路多故障诊断的通用程序

前言近年来,模拟电路的故障诊断问题越来越受到人们的重视。在这一领域的研究中,对线性的和非线性网络的故障诊断相继提出了一系列新方法。多频率法就是其中之一。以往的模拟电路故障诊断方法,均要求可测端口数大于故障元件数。但是,网络的可测端口数在网络设计好以后就不易再增加。这就限制了可诊断故障数的取值。参考文献[1]提出的多频率法优于其它方法的特点是:在适当选取测试频率后,可诊断故障的数目可多于可测端口数。然而对于较大型网络的故障诊断,无论是数值解诊断法,还是人工智能方法,离开计算机都是很难实现的。FORTRAN语言是目前世界上广为流行的一种语言,各类计算机大都配备了这种语言的编译程序。为此,本程序基于模拟电路故障诊断的频率法,采用FORTRAN77语     

容差模拟电路复杂故障的测试与诊断

改进了模拟电路故障参数识别法.对容差模拟电路的复杂故障提出了基于节点电压方程的故障诊断方程,方便了方程的建立.将不可及节点电压作为辅助未知参量,降低了方程的非线性.采用改进的Newton-Raph-son迭代法求解故障诊断方程,加快了求解速度.最后,诊断实例验证了本方法的可行性和有效性.     

模拟电路故障诊断中故障重分类方法的研究

分析了模拟电路故障诊断中故障类重叠.针对在该情况下神经网络训练困难与故障诊断正确率低的问题,提出了一种适于模拟电路的、基于神经网络故障诊断的故障重分类方法,给出了该方法的数学模型.通过诊断示例表明,该方法在故障类存在重叠时,降低了神经网络的训练难度,故障诊断的正确率达到99%以上.     

基于小波与神经网络的模拟电路故障诊断融合方法

针对信息不足、噪声会导致模拟电路故障诊断效率降低问题,提出基于小波分解、主成分分析和神经网络的信息融合故障诊断方法。为了减少噪声影响和减低故障特征维数,采用该方法对电路测试信号进行小波多尺度分解、主成分分析和归一化预处理。根据不同测试激励源,分别构造独立神经网络完成故障初级定位,进而运用D-S证据融合初级诊断结果实现故障最后定位。研究结果表明:所提方法能充分利用不同信息源对容差下模拟电路故障进行诊断,且定位准确率高。     

基于故障字典法的雷达故障诊断技术研究

针对雷达故障诊断中被测电路单元的复杂性和多样性进行了分析研究,提出采用故障模式分类的方法。根据电路结构及特点建立故障字典,确定测前故障集,并采用基于故障事例推理的诊断方法,进行故障诊断,并给出了应用实例。该方法大大减少了测试时间和测后分析计算量,加快实时诊断能力。     

模拟电路故障诊断的一种系统方法

提出了模拟电路故障诊断和定位的一种系统理论方法。该方法不受电路规模和复杂程度的限制，可确定电路中哪些元件故障，辨识出故障元件参数值。测后主要解低阶线性方程，计算量小。实例表明，方法可靠。     

模拟电路故障诊断方法浅析

叙述了模拟电路故障的特点及模拟电路故障诊断的传统方法和发展现状,着重分析了新近发展起来的人工智能、神经网络和小波分析在模拟电路故障诊断中的应用及前景.     

基于故障树的智能故障诊断方法

针对传统故障诊断方法的不足,提出了一种基于故障树的故障诊断方法.该方法在对系统故障现象进行分析判断的基础上,按照任务和功能关系,建立包含各功能单元的故障树模型,求得系统的最小割集,并计算出单元关键重要度.在综合考虑平均故障检测时间因素的同时,提出了故障判明效时比的概念,并以此为依据,从大到小排序,确定故障诊断的最优程序.     

基于RBF网络的三相桥式全控整流电路的故障诊断

在分析三相桥式全控整流电路晶闸管各类故障的基础上,通过MATLAB/Simulink仿真发现对于同一类型故障,不同管子损坏时对应输出电压峰值在同一周期的时间不同.基于此,设计采用无局部极小值问题且分类特性好的径向基函数RBF网络来识别不同晶闸管的故障.MATLAB仿真结果显示,该算法在三相桥式全控整流电路故障诊断中取得了预期的效果,提高了三相整流电路故障诊断的可靠性和准确性,同时还可推广到其他变流电路的故障诊断中.     

基于参数最小灵敏度因子估计的模拟电路软故障诊断

提出了一种基于参数最小灵敏度因子估计的模拟电路软故障诊断方法.该方法通过较少的测量值,利用各测量值与电路参数之间的解析关系,计算出电路各参数的灵敏度因子,采用冒泡法取得其中的最小灵敏度因子,然后根据最小灵敏度因子对故障元件进行定位.实验结果验证了该方法对模拟电路软故障诊断的有效性.     

基于相似度的电力电子电路故障诊断技术

采用一种基于S变换相似度的电力电子电路故障诊断方法,首先建立各种故障类型信号的S变换模时频矩阵,然后计算故障信号S变换模时频矩阵与已建立的标准模时频矩阵的相似度,以相似度最大为判别依据,实现故障的诊断.三相桥式可控整流电路晶闸管故障诊断仿真结果表明:该方法能准确对电力电子电路故障进行类型的识别和故障元的定位,对噪声具有鲁棒性,且算法简单.     

基于小波包分析和相关向量机的电路故障诊断

针对模拟电路故障变化的复杂性,提出一种小波包分析和相关向量机的电路故障诊断模型,首先采集模拟电路不同故障状态下的输出信号,将输出信号进行小波包分解,提取分解信号的归一化能量特征,然后将特征向量输入相关向量机中进行训练,建立模拟电路故障诊断模型,实现不同的故障状态分类识别;最后通过仿真实例对模型性能进行测试.测试结果表明,相对于其他模拟电路故障诊断模型,该模型不但提高了模拟电路故障诊断的正确率,而且减少了故障诊断时间.     

采用多目标粒子群算法的模拟电路故障诊断研究

提出了一种容差条件下基于多目标粒子群(MOPSO)算法的模拟电路软故障诊断方法.通过灵敏度分析,建立模拟电路故障诊断的约束线性规划方程组,以元件参数变化量与标称值的百分比作为故障判据.针对MOPSO中目标空间增加时种群选择压力影响算法性能的问题,采用阶有效优化准则代替传统的Pareto优化准则,引入最优折中解作为全局最优解,从而提出基于阶有效的平衡全局搜索策略多目标粒子群(ESEO-MOPSO)算法,并将其用于模拟电路故障诊断的约束线性规划方程组的求解中.仿真结果表明,该方法兼顾故障元件的定位和故障元件参数变化量的估计,可以有效地实现模拟电路在容差条件下的软故障定量诊断.     

基于小波包变换-主元分析-神经网络算法的多电平逆变器故障诊断

针对级联多电平逆变器的故障诊断问题,提出了一种基于小波包变换-主元分析-神经网络算法的故障诊断方法。首先,通过小波包变换对故障信号进行多尺度小波包分解,并重构提取小波包能量作为故障特征向量;然后,采用主元分析方法提取主元信息以降低故障特征的维数;最后,利用BP神经网络进行故障分类和识别。通过仿真实验,验证了该方法相对于传统方法具有更高的故障诊断和故障识别的准确率,并且对噪声具有较好的鲁棒性。     

基于神经网络的三相全控桥整流电路故障诊断

电力电子电路的诊断具有相当的复杂性,主要原因之一是由于功率器件的损坏造成主电路结构的改变.而晶闸管是整流装置中最容易损坏的器件,因此,晶闸管的故障诊断成为电力电子电路故障诊断的首要重点.提出一种用前向神经网络来诊断三相全控桥整流电路晶闸管故障的方法.对电路发生故障时输出的波形进行分析,用故障波形的采样数据制作的样本对神经网络进行训练,将训练好的神经网络用于故障诊断.仿真和实验表明该方法是有效的.     

高斯模糊核聚类的模拟电路在线故障诊断算法

为提高模拟电路故障在线诊断的运算速度与可靠性,采用高斯模糊核聚类算法对模拟电路故障进行非监督学习。该故障诊断算法的关键是利用已知故障数据类中心点确定故障类。利用模糊核聚类的高效识别树型结构减少训练样本规模、处理模糊类中的野值点,以提高分类器的训练速度和精确度。根据每一类故障数据得到的故障参数均值,设其为故障判断阈值,并赋予类标。在三种不同故障条件下,对Sallen-Key低通滤波器电路进行故障诊断的仿真实验。结果表明：与RBF监督学习方法相比,β-MKFCM方法能够高效地辩识已知故障与未知故障。该研究为电路在线故障诊断提供了参考依据。