[发明专利]一种电力电子器件及模块状态检测监测系统及方法

权利要求书

1.一种电力电子器件及模块状态监测方法，其特征在于，包括如下步骤：

根据特征参数与电力电子器件及模块状态对应关系，建立预测模型；

设置机械应力波采集参数；

采集待测器件机械应力波信号，并进行分析，得到实测特征参数；

将实测特征参数输入预测模型，反演得到待测器件的状态指标；

其中，所述建立预测模型步骤具体包括：固定测试电压等级，改变脉冲宽度，在线采集电力电子器件及模块产生的机械应力波信号；

对不同状态的器件重复上述步骤，提取同一型号器件在不同状态下的机械应力波；

分析不同状态下的器件的机械应力波信号，提取特征参数；

建立特征参数与电力电子器件及模块状态的对应关系，构建预测模型；

所述步骤“分析不同状态下的器件的机械应力波信号，提取特征参数”具体包括：对机械应力波信号的时域特征参数进行时序排列和直接显示，采用单参数分析法、能量分析法、幅度分析法和经历分析法来分析机械应力波源的活动情况、发展趋势以及特征；

采用频域分析法对不同状态下的机械应力波信号的频域特征进行提取分析，并借助时域分析法同时分析机械应力波特征参数在时域和频域上的变化规律；

经模态分解首先将机械应力波信号分解为若干固有模态分量，选择特征明显的固有模态分量重构机械应力波信号；对重构的机械应力波信号进行希尔伯特-黄变换，得到机械应力波信号的时频分布；然后，将机械应力波信号的时频分布与结构中导波传播的群速度进行对比，确定信号中的模态和频率组成；最后，利用得到的信号组成模式，建立机械应力波源的模。

2.如权利要求1所述的电力电子器件及模块状态监测方法，其特征在于，所述机械应力波采集参数包括但不限于采样频率、检测阈值以及采样频段。

3.如权利要求1所述的电力电子器件及模块状态监测方法，其特征在于，所述步骤“建立特征参数与电力电子器件及模块状态的对应关系，构建预测模型”具体包括：将机械应力波特征参数与器件和模块的电气参数在声压-声阻抗-电气参数的三维空间上通过仿真实验法建立特征参数与器件和模块状态的数学模型；

根据仿真和实验建立的机械应力波特征参数与电力电子器件及模块状态对应关系，分析测量得到的机械应力波特征参数，进而得出电力电子器件及模块的导通电阻电气特征参数；

将模型和试验获得电力电子器件及模块的特征参数作为输入量，可表征电力电子器件及模块状态的指标作为输出量；输入量和输出量构成一个训练样本，多个训练样本组成训练集；

采用卷积神经网络的机器学习算法建立反演模型，把训练集输入反演模型，对模型进行训练，得到机械应力波特征参数与电力电子器件及模块状态的预测模型。

4.如权利要求1所述的电力电子器件及模块状态监测方法，其特征在于，所述“采集待测器件机械应力波信号”具体包括：确定测试电压等级以及器件或模块的关断电流范围；

对于不同状态的电力电子器件及模块，保持电压等级不变，改变触发脉冲宽度来改变关断电流大小；

使用机械应力波采集模块测量并记录不同状态下的电力电子器件及模块的机械应力波信号。

5.一种电力电子器件及模块状态监测系统，其特征在于，包括：控制系统，用于驱动电力电子器件及模块和设置机械应力波的采样参数；

试验电路，通过控制电力电子器件及模块通断以产生机械应力波；

机械应力波采集模块，采集电力电子器件及模块在关断过程中所产生的机械应力波信号；

信号处理模块，用于对所提取到的机械应力波信号进行分析，提取实测特征参数；

诊断模块，所述诊断模块预存有特征参数与电力电子器件及模块状态对应关系和预测模型；所述诊断模块用于根据实测特征参数通过预测模型反演得到待测器件的状态指标。

6.如权利要求5所述的电力电子器件及模块状态监测系统，其特征在于，具体的，所述诊断模块包括标定模块和评估模块；所述标定模块采用仿真、实验或人工神经网络建立特征参数与电力电子器件及模块状态对应关系并存储；所述评估模块内预设有预测模型，所述评估模块根据获得的实测特征参数及调用特征参数与电力电子器件及模块状态对应关系反演得到电力电子器件及模块的内部状态，并进一步评估电力电子器件及模块的性能或健康状态。