[发明专利]基于人工神经网络的四象限变流器故障诊断方法及系统

说明书

本发明公开了一种基于人工神经网络的四象限变流器故障诊断方法及系统，包括：获取电机三相电流数据并进行归一化，计算归一化电流每个基波周期的均值以及归一化电流绝对值平均值；将上述归一化的电机三相电流数据、归一化电流每个基波周期的均值以及归一化电流绝对值平均值数据作为故障特征向量，输入训练好的人工神经网络模型；输出目标向量的编码值；基于所述编码值判断变流器是否发生故障。本发明基于四象限变流器模型，以归一化电流、归一化电流均值及绝对值均值为输入，反向神经网络为训练网络，能够对系统进行快速准确的实时故障检测，为下一步的容错过程留出充足的时间裕量。

技术领域

本发明涉及四象限变流器技术领域，尤其涉及一种基于人工神经网络的四象限变流器故障诊断方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

四象限变流系统广泛应用于现代化交通、军工航天、石油化工等领域，但其中包含的功率开关器件却十分脆弱、极易受到损害。据统计，在四象限变流系统中，由功率开关器件及其焊接线损坏导致的系统故障占比高达34％。为此，该故障的迅速诊断技术已然成为制约变流器系统稳定、经济运行的关键技术。快速的故障诊断技术有助于系统及时告警、定位故障，并及时采取合理的措施(如迅速投入备用系统或进行有效的容错控制等)以降低系统二次故障率，避免重大经济损失。因此，研究四象限变流器系统的稳定经济运行具有重要科学及工程意义。

现有的故障诊断方法主要分为：①数据驱动诊断，②电路分析诊断。前者通常需使用时频复合域分析方法(如傅里叶变换、小波变换等)工具，计算负担过重，难以在工业上应用；后者通过分析对比故障前后的系统状态量(电压、电流等)的差异诊断定位故障，是目前工业应用的主流。

电压法与电流法是基于电路分析的两种典型的故障诊断方法，其中电压法通过比较变流器在健康状态与故障状态下的电压误差，分析不同故障对电压误差的影响，编制电压误差与开路故障间的关系表，最后以电压为检测量对系统进行实时监测，进行变流器的故障诊断。

然而，上述的故障诊断方案往往存在以下缺点：

①数据驱动诊断算法复杂，计算量大，控制器实现较为困难；

②电路分析诊断需根据变流器种类建立其系统模型，算法移植性和普适性较差，且部分方法需要额外配置电压传感器，增加了系统硬件成本及复杂度。

发明内容

为了解决上述问题，本发明提出了一种基于人工神经网络的四象限变流器故障诊断方法及系统，基于不同工作状态下的电流流通路径，根据故障前后电流波形的变化，将提取出的三种电流特征向量作为反向传播神经网络的输入向量；算法简单，仅利用系统中原有的电流传感器进行特征向量提取，无需额外增设硬件电路，成本较低。

为了实现上述目的，在一些实施方式中，采用如下技术方案：

一种基于人工神经网络的四象限变流器故障诊断方法，包括：

获取电机三相电流数据并进行归一化，计算归一化电流每个基波周期的均值以及归一化电流绝对值平均值；

将上述归一化的电机三相电流数据、归一化电流每个基波周期的均值以及归一化电流绝对值平均值数据作为故障特征向量，输入训练好的人工神经网络模型；输出目标向量的编码值；

基于所述编码值判断变流器是否发生故障。

在另一些实施方式中，采用如下技术方案：

一种基于人工神经网络的四象限变流器故障诊断系统，包括：

数据获取模块，用于获取电机三相电流数据并进行归一化，计算归一化电流每个基波周期的均值以及归一化电流绝对值平均值；