[发明专利]基于FRFT和IFSVC的功率电子电路在线智能故障诊断方法

权利要求书

1.一种基于FRFT和IFSVC的功率电子电路在线智能故障诊断方法，其特征在于包括如下步骤：

一.离线仿真

1)对功率电子电路进行可测性分析，确定功率电子电路的可测节点和故障类型；

2)对功率电子电路施加与故障类型对应的测试激励后采用数据采集卡在步骤1所述的可测节点处采集功率电子电路的输出响应信号；

3)将步骤2所述的输出响应信号经过分数阶傅里叶分析FRFT分解并提取故障特征；

4)将步骤3所述的故障特征经过归一化得到故障样本，所述故障样本包括训练样本和测试样本；

5)将步骤4所述的训练样本经过“one against rest”SVC分类器训练得到训练参数，将步骤4所述的测试样本经过“one against rest”SVC分类器测试得到最高故障诊断精度所对应的各个参数，所述最高故障诊断精度所对应的各个参数形成故障字典；

二.在线诊断

6)依次提取步骤5所述的故障字典内的信息作为基于重要性优先原则的支持向量机分类器IFSVC的节点，即构成了基于重要性优先原则的支持向量机分类器IFSVC；

7)当待测的功率电子电路运行时，则重复步骤2至4得到实际故障样本；

8)将步骤7所述的实际的故障样本经过步骤6所述的基于重要性优先原则的支持向量机分类器IFSVC输出故障模式。

2.根据权利要求1所述的基于FRFT和IFSVC的功率电子电路在线智能故障诊断方法，其特征在于当步骤6中所述的基于重要性优先原则的支持向量机分类器IFSVC中的节点没有与步骤7所述的实际的故障样本匹配，则拒绝识别。

3.根据权利要求1或2所述的基于FRFT和IFSVC的功率电子电路在线智能故障诊断方法，其特征在于步骤5中所述故障字典的构建方法如下：

基于重要性优先原则的支持向量机分类器IFSVC能够诊断的故障模式共有N+1种，故障代码依次标记为：f₀，f₁，...，f_N，其重要性顺序为：f₀≥f₁≥...≥f_N，在进行样本训练的时候，将N+1种故障模式的样本依次经过”one against rest”SVC分类器训练得到N+1个二元SVC，将所有的二元SVC的训练参数保存在一起成为一部故障字典，其中N为自然数。