[发明专利]一种基于数据驱动的三相PFC转换器间歇故障检测方法

权利要求书

1.一种基于数据驱动的三相PFC转换器间歇故障检测方法，其特征是：所述方法包括以下步骤：

步骤1：采集三相PFC转换器的输出x(t)，采样频率100kHz，持续时间4ms；

步骤2：基于经验模态分解EMD方法对x(t)进行分解，得到n个IMFs；

步骤3：在n个IMFs中选取与原输出数据最相关，且彼此最不相关的m个IMFs进行统计特征值提取；

步骤4：对选取的特定的IMF进行统计特征提取；

步骤5：训练卷积神经网络；

步骤6：采集待测三相PFC的输出数据，根据得到的特征值将特征值作为训练好的卷积神经网络的输入，得到神经网络的输出，判断三相PFC转换器是否出现故障。

2.根据权利要求1所述的一种基于数据驱动的三相PFC转换器间歇故障检测方法，其特征是：所述步骤3具体为：

为了选择IMFs，引入相关关系评价指标W，令每个IMF与原始输出信号x(t)之间的皮尔逊相关系数为p_i，其中i＝1,2,…,n；

令IMF两两之间的皮尔逊相关系数为q_ij，i＝1,2,…,n，j＝1,2,…,n，且i≠j；

最终选择的IMFs层数的集合为M，则相关关系评价指标W通过下式表示为：

其中，k₁为IMF与原始输出信号相关性的系数，k₂为两个IMFs之间相关性的系数，最终选取W值最大的IMFs层数组合。

3.根据权利要求2所述的一种基于数据驱动的三相PFC转换器间歇故障检测方法，其特征是：所述步骤4中提取的特征有均值、方差、标准偏差、峰值、均方根、峰值指标、峭度指标、脉冲指标和形状指。

4.根据权利要求3所述的一种基于数据驱动的三相PFC转换器间歇故障检测方法，其特征是：所述步骤5中神经网络具体为:

深度学习神经网络有卷积层，池化层，全连接层，卷积神经网络参数设置如下：卷积核大小为3，卷积核个数为16，使用relu激活函数，最后有两层全连接层，神经元个数均设为384。

5.根据权利要求4所述的一种基于数据驱动的三相PFC转换器间歇故障检测方法，其特征是：训练过程的输入数据为N组正常状态三相PFC的输出数据，经过步骤1至步骤4得到的特征值，训练过程输出数据均为0。

6.根据权利要求5所述的一种基于数据驱动的三相PFC转换器间歇故障检测方法，其特征是：所述步骤6中判断过程具体为:

设定一个正数阈值ε，当输出的绝对值大于该阈值，则判定三相PFC转换器为故障状态，反之则为正常状态。

7.一种基于数据驱动的三相PFC转换器间歇故障检测系统，其特征是：所述系统包括：

采集模块，所述采集模块采集三相PFC转换器的输出x(t)，采样频率100kHz，持续时间4ms；

分解模块，所述分解模块基于经验模态分解EMD方法对x(t)进行分解，得到n个IMFs；

统计特征值提取模块，所述统计特征值提取模块在n个IMFs中选取与原输出数据最相关，且彼此最不相关的m个IMFs进行统计特征值提取；

特征提取模块，所述特征提取模块对选取的特定的IMF进行统计特征提取；

神经网络模块，所述神经网络模块训练卷积神经网络。

8.根据权利要求7所述的一种基于数据驱动的三相PFC转换器间歇故障检测系统，其特征是：所述系统还包括判断模块，所述判断模块采集待测三相PFC的输出数据，根据得到的特征值将特征值作为训练好的卷积神经网络的输入，得到神经网络的输出，判断三相PFC转换器是否出现故障。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-6任意一项权利要求所述的一种基于数据驱动的三相PFC转换器间歇故障检测方法。

10.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行根据权利要求1-6任意一项权利要求所述的一种基于数据驱动的三相PFC转换器间歇故障检测方法。