[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

说明书

本发明是一种基于数据驱动的三相PFC转换器间歇故障检测方法。本发明涉及电子测量技术领域，本发明采集三相PFC转换器的输出x(t)，持续时间4ms；基于经验模态分解EMD方法对x(t)进行分解，得到n个IMFs；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；对选取的特定的IMF进行统计特征提取；训练卷积神经网络；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。

技术领域

本发明涉及电子测量技术领域，是一种基于数据驱动的三相PFC转换器间歇故障检测方法。

背景技术

三相功率因数矫正(PFC)转换器广泛应用于交直流转换装置中，可实现高功率因数和低谐波失真。由于三相PFC转换器在当今工业中的重要性，确保三相PFC转换器的连续安全运行是必要的。但是由于元器件长时间使用等原因，三相PFC转换器会发生间歇故障。虽然间歇故障持续时间短，但是如果没有及时检测并采取措施，会导致灾难性后果。

现有三相PFC转换器故障检测方法可以检测出开关管开路故障。现在也有可以对PFC变换器中电容器的参数进行观测的方法。然而，现有的方法都针对的是永久性故障。因此，基于数据驱动的三相PFC转换器检测故障检测方法被提出。

发明内容

本发明为克服现有技术的不足，针对现有三相PFC转换器故障检测方法可以检测出开关管开路故障。现在也有可以对PFC变换器中电容器的参数进行观测的方法。然而，现有的方法都针对的是永久性故障，本发明提供了一种基于数据驱动的三相PFC转换器间歇故障检测方法。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

一种基于数据驱动的三相PFC转换器间歇故障检测方法，所述方法包括以下步骤：

一种基于数据驱动的三相PFC转换器间歇故障检测方法，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。

优选地，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：