[发明专利]一种零电压开关移相全桥电源健康状态评估方法

摘要

本发明提供一种基于深度自编码网络的零电压开关移相全桥电源健康评估方法，首先建立电源仿真模型，分析关键应力因素，确定零电压开关移相全桥电源的关键元器件，确定监测参数；再设计加速退化试验，监测特征参数，采集退化数据；然后用正常状态的数据训练深度自编码网络，将获取的状态监测特征数据作为人工神经网络的数据输入向量，计算最小量化误差；最后将最小量化误差值进行归一化处理，转换为表示健康的值，通过对健康值设定多个阈值，将系统的划分为四个健康状态；该方法克服了传统健康评估方法适应性差的缺点，解决了仿真建模不准确、评估结果可信性差等问题。

主权项

1.一种零电压开关移相全桥电源健康状态评估方法，即一种基于深度自编码网络的零电压开关移相全桥电源健康评估方法，其特征在于：该方法具体步骤如下：步骤一：建立零电压开关移相全桥电源仿真模型，并根据零电压开关移相全桥电源仿真模型及该电源预期所处环境条件及使用状况，确定影响零电压开关移相全桥电源输出特性的关键应力因素，及关键应力因素的波动范围；步骤二：根据影响零电压开关移相全桥电源输出特性的关键应力因素，确定零电压开关移相全桥电源的关键元器件，并建立各关键元器件的退化模型，并根据退化模型确定监测参数；步骤三：设计加速退化试验，通过提高电源工作时的环境温度，加速性能劣化速度，布置复数个监测点，监测特征参数，采集退化数据；步骤四：利用深度自编码网络方法，对采集到的退化特征参数进行融合；用正常状态的数据训练深度自编码网络，将获取的状态监测特征数据作为人工神经网络的数据输入向量，计算所得到的最小量化误差即MQE；步骤五：将MQE值进行归一化处理，转换为表示健康的值，用CV表示；通过对CV设定复数个阈值，将系统的退化状态分为正常、轻微退化、严重退化、故障四个阶段；通过以上步骤，基于数据驱动数据的思想，结合深度自编码网络的非监督特性与丰富的表达能力，避免了对零电压开关移相全桥内部进行复杂物理建模；通过加速试验获取退化数据，训练深度自编码网络，克服了传统健康评估方法适应性差的缺点，解决了仿真建模不准确、评估结果可信性差诸问题。