一种ANPC三电平逆变器故障诊断方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112731019A(43)申请公布日2021.04.30(21)申请号202011518893.0(22)申请日2020.12.21(71)申请人合肥工业大学地址230009安徽省合肥市包河区屯溪路193号(72)发明人李兵韩钰易颖佐磊尹柏强何怡刚(74)专利代理机构合肥金安专利事务所(普通合伙企业)34114代理人吴娜(51)Int.Cl.G01R31/00(2006.01)权利要求书3页说明书8页附图9页(54)发明名称一种ANPC三电平逆变器故障诊断方法(57)摘要本发明涉及一种ANPC三电平逆变器故障诊断方法，包括：构建ANPC三电平逆变器电路仿真模型，通过电压传感器采集每相上、中、下三段桥臂电压信号；提取小波包能量谱作为信号特征，对提取的数据降维，得到最终的信号特征向量，分为训练数据与测试数据；建立联合优化回声状态网络JO‑ESN，对回声状态网络ESN储备池参数进行优化，用训练数据训练联合优化回声状态网络JO‑ESN，得到训练好的JO‑ESN模型；利用测试数据对JO‑ESN模型进行测试，分析诊断结果。本发明利用小波包代替传统的小波及傅里叶变换进行故障信号提取，有效保留了信号的完整性，并且在提取到故障信号后采用LDA进行降维，能够有效地降低故障诊断时间。CN112731019ACN112731019A权利要求书1/3页1.一种ANPC三电平逆变器故障诊断方法，其特征在于：该方法包括下列顺序的步骤：(1)构建ANPC三电平逆变器电路仿真模型，模拟故障过程，通过电压传感器采集每相上、中、下三段桥臂电压信号；(2)利用小波包分解，从采集到的电压信号中提取小波包能量谱作为信号特征，再采用线性判别分析对提取的数据降维，得到最终的信号特征向量，按4：1的比例将最终的特征向量分为训练数据与测试数据；(3)在粒子群优化算法PSO中，采用非线性自适应方法调整惯性权数w来优化粒子群优化算法PSO，得到改进后的粒子群优化算法IPSO；(4)建立联合优化回声状态网络JO‑ESN，利用改进后的粒子群优化算法IPSO对回声状态网络ESN储备池参数进行优化，得到最佳储备池参数并计算输出权值，用训练数据训练联合优化回声状态网络JO‑ESN，得到训练好的JO‑ESN模型；(5)利用测试数据对JO‑ESN模型进行测试，分析诊断结果。2.根据权利要求1所述的ANPC三电平逆变器故障诊断方法，其特征在于：所述步骤(2)具体包括以下步骤：l(2a)将原始采样信号S进行3层小波包分解，获dj,k，j＝0,1,…2，l为小波包分解层数；k＝1,2,…,n，n表示原始信号长度；dj,k表示小波包分解后j节点所对应的第k个系数；(2b)利用djk，从低频到高频8个频带的分解系数中提取各频带范围的信号Wlj，Wlj对应的能量设为Elj：(2c)对特征向量进行归一化处理，使各频带能量构造一组特征向量：实验需测试ANPC三个桥臂电压信号，形成3×2j维小波包能量谱：E＝[Eu,0,…Eu,7,Ea,0,…Ea,7,Ed,0,…Ed,7]式中，Eu,r、Ea,r、Ed,r分别表示上桥臂电压、桥臂电压、下桥臂电压的小波包分解后子频带，r＝0,1,…,7；(2d)采用线性判别分析法进行数据降维，获得降维后的小波包能量谱。3.根据权利要求1所述的ANPC三电平逆变器故障诊断方法，其特征在于：所述步骤(3)具体包括以下步骤：(3a)粒子群优化算法的位置及速度更新公式为：式中，为第k次迭代粒子i飞行速度矢量的第d维分量；为第k次的迭代粒子i位置矢量的第d维分量；pid为粒子i个体最好位置pbest的第d维分量；gd为gbest的第d维分量；rand12CN112731019A权利要求书2/3页()、rand2()均表示一个产生(0,1)间随机数的函数，c1，c2为学习因子，ω为惯性权重；采用非线性自适应方法调整惯性权重ω：ω＝ωmax‑(ωmax‑ωmin)·rand3()‑τ·betarnd()式中，ωmax与ωmin分别为ω的最大值与最小值，rand3()使ω在[ωmin，ωmax]内随机取值，betarnd()为服从贝塔分布的随机数，τ为偏离因子，且τ∈(0.1,0.9)；(3b)将位置更新公式加入纠正因子函数Zi(iter)：zi(iter)＝1‑iter/[Tmax+rand4()]式中，iter为迭代次数，Tmax为最大迭代次数，Zi(iter)与迭代次数成线性递减关系，rand4()为(0,1)间随机数。4.根据权利要求1所述的ANPC三电平逆变器故障诊断方法，其特征在于：所述步骤(4)具体包括以下步骤：(4a)建立回声状态网络ESN：ESN的输入层、储备池和输出层三层的节点数分别为K、N和L