一种电力电子变换器故障的诊断方法和诊断系统技术方案

本申请提供了一种电力电子变换器故障的诊断方法和诊断系统。该方法包括：根据获取的包含多个子信号的电力电子变换器的信号建立与电力电子变换器的运行状态相匹配的样本库；从所述样本库获取作为训练数据的样本，通过所述样本对基于小脑模型神经网络算法的故障分类器进行训练，将通过故障识别率的训练后故障分类器植入用于诊断的DSP中；获取待诊断电力电子变换器的信号，对所述信号进行数据预处理后输入所述DSP中，根据所述DSP的处理结果判断所述待诊断电力电子变换器是否出现故障。本申请有效地减少了噪音等其他因素对单一状态信息的干扰，弥补了传统方法使用单故障样本信息的不可靠性和不确定性的缺点。

【技术实现步骤摘要】
一种电力电子变换器故障的诊断方法和诊断系统
本申请属于电力电子领域，尤其涉及一种电力电子变换器故障的诊断方法和诊断系统。
技术介绍
电力电子变换器作为电力电子交直流转换的主要装置，在保证电能传输实现高效率转换的过程中发挥着重要的作用。一旦电力电子变换器在运行过程中发生故障，将会严重危害整个系统的稳定性和可靠性。因此将故障诊断技术应用到电力电子变换器中，在故障发生时能够实现对故障设备的快速诊断对于电力系统的稳定运行具有重要的意义。传统的电力电子变换器故障诊断方法是对变换器某种单一的状态信息进行采集，提取单信息的故障特征进行故障诊断分析。虽然使用传统的方法也可以诊断出故障，但是由于采集的单故障信息中存在着噪声等其他因素的干扰，增大了所采集故障信息的不确定性，其故障诊断率往往并不可靠。
技术实现思路
本专利技术实施例的主要目的在于提供一种电力电子变换器故障的诊断方法和诊断系统，通过本专利技术实施例的方案，有效地减少了噪音等其他因素对单一状态信息的干扰，弥补了传统方法使用单故障样本信息的不可靠性和不确定性的缺点。第一方面，提供了一种电力电子变换器故障的诊断方法，包括：根据获取的包含多个子信号的电力电子变换器的信号建立与电力电子变换器的运行状态相匹配的样本库；从所述样本库获取作为训练数据的样本，通过所述样本对基于小脑模型神经网络算法的故障分类器进行训练，将通过故障识别率的训练后故障分类器植入用于诊断的DSP中；获取待诊断电力电子变换器的信号，对所述信号进行数据预处理后输入所述DSP中，根据所述DSP的处理结果判断所述待诊断电力电子变换器是否出现故障。在一个可能的实现方式中，所述信号包括：声音信号、振动信号、温度信号。在另一个可能的实现方式中，所述根据获取的包含多个子信号的电力电子变换器的信号建立与电力电子变换器的运行状态相匹配的样本库，包括：通过基于离散小波变换的多分辨率分析法对所述信号进行多级信号分解，获取各个分解层的小波系数；获取所述小波系数每层的小波能量，并将所述小波能量确定为故障特征矢量，其中，Ej为第j层的小波能量、j为小波分解的层数、N为第j层小波系数的长度、djk为小波分解后第j层中第k个小波细节系数；通过主成分分析法对所述故障特征矢量进行降维处理，分别获取所述信号中能量最大的三个故障特征向量，共九个故障特征向量；对所述九个故障特征向量进行融合处理，获取一9维向量矩阵。所述从所述样本库获取作为训练数据的样本，通过所述样本对基于小脑模型神经网络算法的故障分类器进行训练，将通过故障识别率的故障分类器植入用于诊断的DSP中，包括：将所述样本配置为训练样本和测试样本；使用所述训练样本对所述故障分类器进行训练；判断所述训练的误差是否小于预设的训练阈值，如果是则通过所述测试样本测试训练后故障分类器；判断所述测试的准确率是否大于预设的准确率阈值，如果是，则将所述训练后故障分类器植入用于诊断的DSP中。第二方面，提供了一种电力电子变换器故障的诊断系统，所述系统包括：样本库建立模块，用于根据获取的包含多个子信号的电力电子变换器的信号建立与电力电子变换器的运行状态相匹配的样本库；植入模块，用于从所述样本库获取作为训练数据的样本，通过所述样本对基于小脑模型神经网络算法的故障分类器进行训练，将通过故障识别率的训练后故障分类器植入用于诊断的DSP中；诊断模块，用于获取待诊断电力电子变换器的信号，对所述信号进行数据预处理后输入所述DSP中，根据所述DSP的处理结果判断所述待诊断电力电子变换器是否出现故障。在一个可能的实现方式中，所述信号包括：声音信号、振动信号、温度信号。在另一个可能的实现方式中，所述根据获取的包含多个子信号的电力电子变换器的信号建立与电力电子变换器的运行状态相匹配的样本库，包括：通过基于离散小波变换的多分辨率分析法对所述信号进行多级信号分解，获取各个分解层的小波系数；获取所述小波系数每层的小波能量，并将所述小波能量确定为故障特征矢量，其中，Ej为第j层的小波能量、j为小波分解的层数、N为第j层小波系数的长度、djk为小波分解后第j层中第k个小波细节系数；通过主成分分析法对所述故障特征矢量进行降维处理，分别获取所述信号中能量最大的三个故障特征向量，共九个故障特征向量；对所述九个故障特征向量进行融合处理，获取一9维向量矩阵。在又一个可能的实现方式中，所述从所述样本库获取作为训练数据的样本，通过所述样本对基于小脑模型神经网络算法的故障分类器进行训练，将通过故障识别率的故障分类器植入用于诊断的DSP中，包括：将所述样本配置为训练样本和测试样本；使用所述训练样本对所述故障分类器进行训练；判断所述训练的误差是否小于预设的训练阈值，如果是则通过所述测试样本测试训练后故障分类器；判断所述测试的准确率是否大于预设的准确率阈值，如果是，则将所述训练后故障分类器植入用于诊断的DSP中。本申请提供的技术方案带来的有益效果是：有效地减少了噪音等其他因素对单一状态信息的干扰，弥补了传统方法使用单故障样本信息的不可靠性和不确定性的缺点。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。图1为本专利技术一个实施例提供的一种电力电子变换器故障的诊断方法的流程图；图2为本专利技术一个实施例提供的一种电力电子变换器故障的诊断系统的结构图。具体实施方式下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本专利技术的限制。本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、模块和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、模块、组件和/或它们的组。应该理解，当我们称模块被“连接”或“耦接”到另一模块时，它可以直接连接或耦接到其他模块，或者也可以存在中间模块。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。下面以具体地实施例对本申请的技术方案以及本申请的技术方案如和解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。实施例一如图1所示为本专利技术一个实施例提供的一种电力本文档来自技高网...

【技术保护点】
1.一种电力电子变换器故障的诊断方法，其特征在于，包括：/n根据获取的包含多个子信号的电力电子变换器的信号建立与电力电子变换器的运行状态相匹配的样本库；/n从所述样本库获取作为训练数据的样本，通过所述样本对基于小脑模型神经网络算法的故障分类器进行训练，将通过故障识别率的训练后故障分类器植入用于诊断的DSP中；/n获取待诊断电力电子变换器的信号，对所述信号进行数据预处理后输入所述DSP中，根据所述DSP的处理结果判断所述待诊断电力电子变换器是否出现故障。/n

【技术特征摘要】
1.一种电力电子变换器故障的诊断方法，其特征在于，包括：
根据获取的包含多个子信号的电力电子变换器的信号建立与电力电子变换器的运行状态相匹配的样本库；
从所述样本库获取作为训练数据的样本，通过所述样本对基于小脑模型神经网络算法的故障分类器进行训练，将通过故障识别率的训练后故障分类器植入用于诊断的DSP中；
获取待诊断电力电子变换器的信号，对所述信号进行数据预处理后输入所述DSP中，根据所述DSP的处理结果判断所述待诊断电力电子变换器是否出现故障。


2.如权利要求1所述的方法，其特征在于，所述信号包括：声音信号、振动信号、温度信号。


3.如权利要求2所述的方法，其特征在于，所述根据获取的包含多个子信号的电力电子变换器的信号建立与电力电子变换器的运行状态相匹配的样本库，包括：
通过基于离散小波变换的多分辨率分析法对所述信号进行多级信号分解，获取各个分解层的小波系数；
获取所述小波系数每层的小波能量，并将所述小波能量确定为故障特征矢量，其中，Ej为第j层的小波能量、j为小波分解的层数、N为第j层小波系数的长度、djk为小波分解后第j层中第k个小波细节系数；
通过主成分分析法对所述故障特征矢量进行降维处理，分别获取所述信号中能量最大的三个故障特征向量，共九个故障特征向量；
对所述九个故障特征向量进行融合处理，获取一9维向量矩阵。


4.如权利要求2所述的方法，其特征在于，所述从所述样本库获取作为训练数据的样本，通过所述样本对基于小脑模型神经网络算法的故障分类器进行训练，将通过故障识别率的故障分类器植入用于诊断的DSP中，包括：
将所述样本配置为训练样本和测试样本；
使用所述训练样本对所述故障分类器进行训练；
判断所述训练的误差是否小于预设的训练阈值，如果是则通过所述测试样本测试训练后故障分类器；
判断所述测试的准确率是否大于预设的准确率阈值，如果是，则将所述训练后故障分类器植入用于诊断的DSP中。


5.一种电力电子...

【专利技术属性】
技术研发人员：林琼斌，韩子鹏，陈四维，王武，黄捷，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建;35