[发明专利]一种费舍尔判别与K邻近的逆变器开路故障识别方法

权利要求书

1.一种费舍尔判别与K邻近的逆变器开路故障识别方法，其特征在于，包括以下步骤：

S1：故障数据的提取，将已经记录的逆变器三相电流作为三维数据矩阵输入，费舍尔线性判别方法对正常数据和故障数据进行特征提取，将已经记录的逆变器三相电流作为三维数据矩阵输入，利用记录的数据构造出目标函数使得正常数据与故障数据相对离散，而正常和故障的类内数据相对聚合，从而找到正常和故障数据的鉴别矢量空间；

S2：故障类型分类。

2.如权利要求1所述的费舍尔判别与K邻近的逆变器开路故障识别方法，其特征在于，所述步骤S1中，根据不同类的数据在鉴别空间上的投影位置不同，在鉴别矢量空间投影点的位置对新引进的数据进行正常和故障判别，从数据的判定结果可以推断故障是否发生。

3.如权利要求2所述的费舍尔判别与K邻近的逆变器开路故障识别方法，其特征在于，所述步骤S1中，提取出被判定为故障的数据，用K邻近方法对故障数据进行下一步判断，KNN方法根据输入的带有标签的数据来判断不带有标签数据所属的标签类型。

4.如权利要求1所述的费舍尔判别与K邻近的逆变器开路故障识别方法，其特征在于，所述步骤S2包括以下步骤：

S21：输入逆变器三相电流值进行测试；

S22：根据带有标签的样本数据对新引进的数据进行分类，计算带有标签的样本数据与新引进数据之间的距离并取得K个最近的样本，KNN算法中的距离公式为：

其中x^(a)、y^(a)、z^(a)为带有标记样本的逆变器三相电流值，x^(b)、y^(b)、z^(b)为测试的逆变器三相电流值；

S23：然后根据K个样本的投票数来确定新引进数据所属于的类别。