一种变换器开路故障的分析诊断方法、系统、设备及介质技术方案

本发明专利技术提供一种变换器开路故障的分析诊断方法、系统、设备及介质，包括以下步骤：将故障电流信号经压缩感知技术重构，得到一个包含原始信息的小数据集；基于灰色关联分析对逆变器故障进行辨识，针对逆变器开关管开路故障诊断，建立电流信号参考序列和电流信号比较序列，并对其进行无量纲化处理；计算变换器各运行状态的参考电流信号和故障电流信号间的间距，并得到两极最大差和最小差；计算参考电流信号和故障电流信号之间的相关系数，并进行灰色关联度分析，计算关联度；根据所得关联度，输出关联度向量并以此判断变换器故障类型；本申请降低逆变器自身干扰所带来误差的同时在逆变器故障诊断中具有良好的稳定性，使诊断结果更加客观。更加客观。更加客观。

【技术实现步骤摘要】
一种变换器开路故障的分析诊断方法、系统、设备及介质


[0001]本专利技术属于机器人电源系统
，具体涉及一种变换器开路故障的分析诊断方法、系统、设备及介质。

技术介绍

[0002]逆变器作为机器人电源系统的核心部件，具有抗强电磁干扰、体积小、输出功率大等特点，其工作的可靠性是保证整个电源系统安全运行的关键；据统计，逆变器中主电路的开关器件及其控制电路是最容易发生故障的薄弱环节，其中功率器件的故障率占总体故障的34％；功率器件故障进一步分为短路故障和开路故障，而短路故障在一定条件下，逆变电路会通过自身熔断器将其转换为开路故障，但开路故障发生时，其瞬时破坏较小，系统会在故障下继续畸形运行并随着时间积累最终导致系统瘫痪。因此，逆变器开路故障诊断，对机器人电源系统安全运行具有重要意义。
[0003]目前，国内外针对逆变器开路故障出现的故障智能诊断方法主要有神经网络、支持向量机(SVM)、粗糙集等方法；基于量子神经网络信息融合的故障诊断方法、基于深度神经网络的多电平联H级逆变器的故障诊断方法均提高了故障诊断效率，但忽略了系统自身所带来的干扰；一种粗糙集贪心算法来进行数据离散和属性约简并提取有效规则表的方法考虑故障特征信息的冗余性，但计算量普遍较大，计算过程较复杂；在针对逆变器故障诊断中，采用的神经网络、支持向量机等基于人工智能学习算法的诊断方法需要大量的样本计算进行学习，计算过程较复杂。

技术实现思路

[0004]针对现有技术中存在的问题，本专利技术提供一种变换器开路故障的分析诊断方法、系统、设备及介质，提高了故障信息的准确性，降低逆变器自身干扰所带来误差的同时在逆变器故障诊断中具有良好的稳定性，使诊断结果更加客观。
[0005]本专利技术是通过以下技术方案来实现：
[0006]一种变换器开路故障的分析诊断方法，包括以下步骤：
[0007]S1：将故障电流信号经压缩感知技术重构，得到一个包含原始信息的小数据集；
[0008]S2：基于灰色关联分析对逆变器故障进行辨识，针对逆变器开关管开路故障诊断，建立电流信号参考序列和电流信号比较序列，并对其进行无量纲化处理；
[0009]S3：计算变换器各运行状态的参考电流信号和故障电流信号间的间距，并得到两极最大差和最小差；
[0010]S4：计算参考电流信号和故障电流信号之间的相关系数，并进行灰色关联度分析，计算关联度；
[0011]S5：根据所得关联度，输出关联度向量并以此判断变换器故障类型。
[0012]进一步的，所述步骤S1中故障电流信号经压缩感知技术重构包括以下步骤：
[0013]采用离散转换方法对电流信号进行稀疏性处理并压缩，对压缩后的电流特征信
号，根据已知测量值y和测量矩阵φ，并基于方程组y＝φx得到原始电流信号x，完后故障电流信号的重构。
[0014]进一步的，所述步骤S2中电流信号参考序列和电流信号比较序列表示为：
[0015][0016]其中，X0为逆变器各运行状态的参考电流信号序列，n为故障电流信号采集的样本数X
i
＝(x
i
(1),x
i
(2),
…
,x
i
(n)),i＝1,2,
…
,m。
[0017]进一步的，对步骤S2中电流信号参考序列和电流信号比较序列进行无量纲化处理过程包括：
[0018]建立无量纲模型：
[0019][0020]经无量纲模型处理后的故障电流信号序列为：
[0021][0022]进一步的，所述步骤S3中计算参考电流信号和故障电流信号间间距的计算过程为：
[0023]Δ
0ik
＝||x'0(k)
‑
x'
i
(k)||；
[0024]其中，X'0(k)为参考电流信号，X'
i
(k)为故障电流信号；
[0025]两极最大差和最小差的计算过程为：
[0026][0027]进一步的，所述步骤S4中相关系数的计算过程为：
[0028][0029]其中，ξ是分别系数，通常取ξ＝0.5；
[0030]其关联度计算过程为：
[0031][0032]进一步的，所述步骤S5中输出的关联度向量为γ＝[γ
01
,γ
02
,
…
γ
0m
]，若γ
i
＝max[γ
01
,γ
02
,
…
γ
0m
]，则X0与X
i
的关联度最大，则逆变器开关管发生开路故障为第i种故障。
[0033]一种适用于变换器开路故障的基于改进灰色关联分析诊断系统，包括：
[0034]重构模块，用于将故障电流信号经压缩感知技术重构，得到一个包含原始信息的
小数据集；
[0035]无量纲化处理模块，用于基于灰色关联分析对逆变器故障进行辨识，针对逆变器开关管开路故障诊断，建立电流信号参考序列和电流信号比较序列，并对其进行无量纲化处理；
[0036]计算模块，用于计算变换器各运行状态的参考电流信号和故障电流信号间的间距，并得到两极最大差和最小差；
[0037]关联度计算模块，用于计算参考电流信号和故障电流信号之间的相关系数，并进行灰色关联度分析，计算关联度；
[0038]判断输出模块，用于根据所得关联度，输出关联度向量并以此判断变换器故障类型。
[0039]一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种变换器开路故障的分析诊断方法的步骤。
[0040]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述一种变换器开路故障的分析诊断方法的步骤。
[0041]与现有技术相比，本专利技术具有以下有益的技术效果：
[0042]本专利技术提供一种变换器开路故障的分析诊断方法、系统、设备及介质，包括以下步骤：将故障电流信号经压缩感知技术重构，得到一个包含原始信息的小数据集；基于灰色关联分析对逆变器故障进行辨识，针对逆变器开关管开路故障诊断，建立电流信号参考序列和电流信号比较序列，并对其进行无量纲化处理；计算变换器各运行状态的参考电流信号和故障电流信号间的间距，并得到两极最大差和最小差；计算参考电流信号和故障电流信号之间的相关系数，并进行灰色关联度分析，计算关联度；根据所得关联度，输出关联度向量并以此判断变换器故障类型；本申请通过压缩感知技术使故障电流信号冗余性降低，极大的减少了数据的处理，提取到包含充足故障信息的有效电流信号特征，在此基础上基于灰色关联分析方法，完成逆变器开路故障诊断。仿真结果验证该方法提高了故障信息的准确性，降低逆变器自身干扰所带来误差的同时在逆变器故障诊断中具有良好的稳定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变换器开路故障的分析诊断方法，其特征在于，包括以下步骤：S1：将故障电流信号经压缩感知技术重构，得到一个包含原始信息的小数据集；S2：基于灰色关联分析对逆变器故障进行辨识，针对逆变器开关管开路故障诊断，建立电流信号参考序列和电流信号比较序列，并对其进行无量纲化处理；S3：计算变换器各运行状态的参考电流信号和故障电流信号间的间距，并得到两极最大差和最小差；S4：计算参考电流信号和故障电流信号之间的相关系数，并进行灰色关联度分析，计算关联度；S5：根据所得关联度，输出关联度向量并以此判断变换器故障类型。2.根据权利要求1所述一种变换器开路故障的分析诊断方法，其特征在于，所述步骤S1中故障电流信号经压缩感知技术重构包括以下步骤：采用离散转换方法对电流信号进行稀疏性处理并压缩，对压缩后的电流特征信号，根据已知测量值y和测量矩阵φ，并基于方程组y＝φx得到原始电流信号x，完后故障电流信号的重构。3.根据权利要求1所述一种变换器开路故障的分析诊断方法，其特征在于，所述步骤S2中电流信号参考序列和电流信号比较序列表示为：其中，X0为逆变器各运行状态的参考电流信号序列，n为故障电流信号采集的样本数X
i
＝(x
i
(1),x
i
(2),
…
,x
i
(n)),i＝1,2,
…
,m。4.根据权利要求3所述一种变换器开路故障的分析诊断方法，其特征在于，对步骤S2中电流信号参考序列和电流信号比较序列进行无量纲化处理过程包括：建立无量纲模型：经无量纲模型处理后的故障电流信号序列为：5.根据权利要求1所述一种变换器开路故障的分析诊断方法，其特征在于，所述步骤S3中计算参考电流信号和故障电流信号间间距的计算过程为：Δ
0ik
＝||x'0(k)
‑
x'
i
(k)||；其中，X'0(k)为参考电流信号，X'
i
(k)为故障电流信号；两极最大差和最小差的计算过程为：

【专利技术属性】
技术研发人员：张逸帆，郭楚佳，张莹，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：