[发明专利]基于IECMAC参数辨识的功率电子电路故障预测方法

摘要

本发明公开了基于IECMAC参数辨识的功率电子电路故障预测方法，属于功率电子故障测试的技术领域。本发明以设置的功率器件参数值为输入训练最小神经网络得到故障样本集；再利用信息加熵后的检测点电信号训练最小神经网络判断待测电子电路故障模态，将SVR预测的未来时刻电路性能参数与电路健康阈值比较，判定待测功率电子电路的故障模态；通过以实时监测的各检测节点电信号为输入重复训练最小神经网络来预测功率电子电路每刻的故障模态。本发明既避免了建立复杂非线性系统的数学模型，又提高了辨识器的泛化能力；利用支持向量回归SVR对系统性能参数所构成的时间序列进行回归拟合，提高了预测精度与效率，实现了在线实时预测故障。

主权项

基于IECMAC参数辨识的功率电子电路故障预测方法，其特征在于包括如下步骤：步骤A，分析功率电子电路在各个功率器件取不同参数值时所处的故障模态，构造故障样本集；步骤B，对待测电子电路的检测节点采集电信号，识别电路性能参数，具体包括如下步骤：步骤B‑1，由待测电子电路选择检测节点，监测各检测节点的电信号；步骤B‑2,对步骤B‑1所述电信号进行小波阈值去噪得到故障特征样本；步骤B‑3,以步骤B‑2述的故障特征样本作为支持向量训练机的输入，利用给最小神经网络信息熵加权的方法在线辨识出当前时刻电路性能参数；步骤C，预测未来时刻电路性能参数，将未来时刻电路性能参数与电路健康阈值比较，判定待测功率电子电路的故障模态；步骤D，每隔一采样时间间隔，返回步骤B，实现实时在线预测待测电子电路的故障模态。