[发明专利]一种基于小波分析和SVM的逆变器故障诊断方法

说明书

本发明涉及一种基于小波分析和SVM的逆变器故障诊断方法，首先建立二极管NPC三电平逆变器模型并确定分类原则，将逆变器无故障时的交流输出侧3个相电压Ua、Ub、Uc与每种故障时的交流输出侧3个相电压进行相减，得到ΔUa、ΔUb、ΔUc，然后对ΔUa、ΔUb、ΔUc进行d‑q变换，将三相变为两相，得到Ud和Uq，并利用小波变换对Ud和Uq进行分析；其次对Ud、Uq经小波变换后的各频带信号分别进行能量提取，确定故障特征向量，以此建立数据样本；最后利用MATLAB软件和LIBSVM工具箱建立多值分类器，从而实现二极管NPC三电平逆变器交叉双相桥的故障诊断。

技术领域

本发明涉及电力电子装置故障诊断领域，尤其是一种基于小波分析和SVM的逆变器故障诊断方法。

背景技术

多电平变换器是一种通过改变变换器自身拓扑结构来实现高压大功率输出的新型变换器，它无需升降压电路和均压电路。与二电平逆变器相比，多电平逆变器具有功率开关电压应力低、功率器件串联均压、输出电压波形谐波含量低、电磁干扰问题小、开关损耗小和工作效率高等优点，因而这种结构的逆变器在高电压、大电流、大功率领域应用广泛，如上海磁悬浮列车以及和谐号CRH列车等等。在多电平变换器中最典型的是二极管NPC(Neutral Point Clamped)三电平逆变器，其电路原理图如图1所示。

然而，二极管NPC三电平逆变器较二电平逆变器使用了更多的开关器件，电路结构和控制更加复杂，这使得电力电子设备的故障增多，系统的可靠性大大降低。多电平一旦发生故障，轻则造成企业工厂停产，重则造成灾难性事故，给社会造成巨大损失与影响。因此尽早发现电路的故障对于提高二极管NPC三电平逆变器的工作可靠性具有重大意义。

基于数据驱动的思想，利用逆变系统运行过程中不断产生着反应运行机理和状态的数据，通过适当有效的分析和提取，可以快速实现逆变系统的故障检测与识别，这比传统的只靠人工检测和维修去定位故障有效率得多。

小波变换是20世纪80年代中期发展起来的一种时频分析方法，比DCT(DiscreteCosine Transform)这样的傅里叶变换的性能更优越，具有多分辨分析功能，被誉为数学显微镜。SVM是一种基于统计学习理论的机器学习算法，逆变器复合故障诊断属于多值分类问题。多值分类问题也是SVM研究的一个重要方向。

发明内容

针对上述背景技术的不足，本发明的目的是提供一种基于小波分析和SVM的逆变器故障诊断方法。

本发明为解决上述技术问题采用以下技术方案：

一种基于小波分析和SVM的逆变器故障诊断方法，包括如下步骤：

步骤一，建立二极管NPC三电平逆变电路的模型，仅考虑交叉双相桥同时两只IGBT功率管的开路故障的情况，并将故障类型进行分类；

步骤二，通过仿真软件分别获得无故障和所述故障条件下交流输出侧的三个相电压Ua、Ub、Uc，将逆变器无故障时的交流输出侧3个相电压与每种故障时的交流输出侧3个相电压进行相减，得到各故障条件时交流输出侧的三个相电压差值ΔUa、ΔUb、ΔUc，然后对所述差值ΔUa、ΔUb、ΔUc进行d-q变换，得到Ud和Uq，选取小波基函数db3分别对各故障下的Ud、Uq进行6层的小波分解，提取各个频段下的信号；

步骤三，计算步骤二获得的Ud、Uq小波分解后的各频段的能量，提取各个故障下的Ud、Uq的能量特征，构造特征向量；

步骤四，获取数据样本；根据步骤一划分故障种类和步骤三获得的所有故障的特征向量，从不同种类中各选择一个作为样本，并分别对选择的故障特征向量添加5％的随机噪声，每类故障选取若干组样本，得到故障样本；

步骤五，根据步骤四获得的故障样本，将其输入至处理器中，并利用处理器对所述故障样本进行分类，建立针对各种故障的数据模型，在后期出现故障时直接调取故障数据进行比对，判断故障类型。