[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

说明书

本发明公开了一种费舍尔判别与K邻近的逆变器开路故障识别方法，包括：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；故障类型分类。本发明能够提高逆变器开路故障判断的准确率，提高了逆变器开路故障的识别效率，节省时间；可以根据逆变器三相电流值的输入对逆变器开路故障类型直接进行判别，操作方便、步骤简单。可以快速的判断故障是否发生，有效的提取故障信息。

技术领域

本发明属于电路故障诊断的技术领域，尤其涉及一种费舍尔判别与K邻近的逆变器开路故障识别方法。

背景技术

逆变器可以把直流电转变成交流电，其IGBT开路故障主要有单个开路、同一相的开路、同半桥的两个开路、交叉的两个开路等四种故障。在工作的时候，常会遇到诸如过载、负载短路、桥臂直通、过高的电流增长率和过高的电压增长率等情况，导致IGBT无法正常工作，于是前人对IGBT开路故障进行了大量研究。提出了基于解析模型的方法采用数学公式对过程进行描述，得到相对精确的解析模型，计算输出值与测试值得残差进行诊断,这种方法过度依赖数学公式的准确性，对于较复杂的过程，数学公式很难准确的表示出来；基于知识的方法是把故障的定性知识和过程知识用于故障分析诊断中，主要采用专家系统、模糊推理和有向图等，但是这种方法知识库的构建往往需要很多的时间。

现有技术的基于模型的CRH3型动车组牵引逆变器IGBT开路故障诊断方法中，需要对每个IGBT信号作差，进行多次判断，判断过程复杂。该技术是基于模型的逆变器IGBT开路故障识别方法，这种方法依赖数学模型的准确性，对于更加复杂过程的模型构建相对困难。

现有技术的级联多电平逆变器开路故障识别定位方法和系统在每个区间都设置了采样点，导致多次采样数据，降低了故障判断的效率。该方法在输出的电压只有很小的变化幅度时情况时，与正常数据进行直接的对比缺少理论依据，带有主观性，不能很好的说明故障的发生。该方法判断了故障发生的位置，但是没有判断出故障所属于的类型。该方法在多个开路故障同时发生时，需要对每个区间进行判断，过程相对复杂。

发明内容

基于上述现有技术的不足，本发明所要解决的技术问题在于提供一种费舍尔判别与K邻近的逆变器开路故障识别方法，只需输入逆变器的三相电流值对开路故障进行自动识别，判断故障发生的同时，还可以确定故障发生的类型，在多个逆变器开路故障同时发生时，可以根据数据自身的性质进行判别，有较好的理论基础以及依据，判别过程简单，减少了对数据判别次数，根据逆变器三相电流值可以直接判断出故障是否发生以及故障类型。

为了解决上述技术问题，本发明通过以下技术方案来实现：本发明提供一种费舍尔判别与K邻近的逆变器开路故障识别方法，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。

可选的，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。

进一步的，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。

可选的，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；