[发明专利]一种电流频率转换电路的故障诊断方法有效

专利信息
申请号: 202010998121.5 申请日: 2020-09-21
公开(公告)号: CN112285541B 公开(公告)日: 2023-05-30
发明(设计)人: 卜雄洙;朱颖;付明睿;卜伟雄;胡隽 申请(专利权)人: 南京理工大学
主分类号: G01R31/316 分类号: G01R31/316;G06F18/2411
代理公司: 南京理工大学专利中心 32203 代理人: 陈鹏
地址: 210094 *** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电流 频率 转换 电路 故障诊断 方法
【权利要求书】:

1.一种电流频率转换电路的故障诊断方法,其特征在于,包括以下步骤:

步骤1、信号激励与数据采集:对电流频率转换电路输入0~3mA阶跃电流信号,分别在非线性故障和不同参数故障的情况下采集输出响应信号;

步骤2、特征提取与SVM建模:采用小波包分解得到各层高、低频系数,再利用小波重构的方法对数据进行降维处理,将最优特征子集构造的样本数据作为SVM的特征数据集,建立故障模型;

步骤3、参数优化与实验验证:在原有灰狼算法的基础上,引入引力搜索策略,利用引力搜索的灰狼混合优化算法优化SVM模型参数,并将该模型应用在已有的电流频率转换电路上进行验证;

引力搜索策略是根据粒子间的相互作用力不同,来改变粒子在迭代过程中的速度和方向;GSA-GWO算法是将所有粒子视为有质量的粒子,粒子之间存在着万有引力,通过万有引力提供的加速度促使粒子向质量大的粒子聚拢,如果将粒子质量和适应度相关联,计算每只灰狼的适应度值,确定父代种群中的α狼、β狼、δ狼,其中,α狼、β狼、δ狼分别代表参数优化过程中的最优解、次优解和第三优解;

具体的万有引力公式为:

式中,Fijd(t)为粒子间的万有引力;G(t)为迭代t次的引力常量;ε是极小常量;Rij(t)为粒子之间的欧氏距离;Mi(t)和Mj(t)分别为两个粒子的引力质量;xjd(t)和xid(t)分别为两个粒子的相对距离;

具体的粒子质量计算方法为:

式中,Mi(t)和fi(t)分别为第i个粒子的质量和适应度值;fbest(t)和fworst(t)分别是最优和最差适应度值;t为迭代次数;

根据牛顿第二定律可知,物体的加速度和作用力成正比,因此,灰狼个体能够产生的加速度为:

aid(t)=Fid(t)/Mi(t)(3)

式中,aid(t)表示粒子i在每个维度方向上的加速度;Fid(t)为粒子i受到的万有引力;Mi(t)表示粒子i的惯性质量;

灰狼种群依据引力搜索策略主导搜索方向,加速度会促使粒子向作用力大的方向移动,从而实现灰狼个体的位置更新,具体的速度和位置更新公式为:

式中,vdi(t+1)和xdi(t+1)表示经过t+1次迭代后粒子i的速度和位置坐标;vid(t)、xid(t)和aid(t)分别表示t次迭代后粒子i的速度、位置坐标和加速度;ri表示权重;

通过不断的更新迭代,找到灰狼个体间万有引力最大的位置即可获得参数最优解。

2.根据权利要求1所述电流频率转换电路的故障诊断方法,其特征在于,所述步骤1中电流频率转换电路故障类型包括小电流输入时的阈值非线性故障、大电流输入时的饱和非线性故障、电路元器件参数过大时的故障;在不同故障类型下,采集对应的输出电压响应信号,获得原始故障信息。

3.根据权利要求1所述电流频率转换电路的故障诊断方法,其特征在于,所述步骤2中选择3层Haar小波对输出频率信号进行小波分解,分别得到分解后的输出电压波形和各层小波包系数,计算高、低频率段上的能量得到不同故障状态下的小波系数能量矩阵,将能量值进行归一化后作为故障特征;将故障数据集作归一化处理,选择高斯径向基函数,采用交叉验证得到最佳参数C与g,进而对整个训练集进行训练得到SVM模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京理工大学,未经南京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010998121.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top