基于小波包能量交叉熵和大脑情感学习神经网络的MMC在线故障诊断方法技术

本发明专利技术的目的在于提供一种基于小波包能量交叉熵和大脑情感学习神经网络的MMC在线故障诊断方法，采用小波包分解采集的MMC模块化多电平故障桥臂电流离线数据，得到各频段能量熵，并求取相邻频段能量交叉熵；接着采用T

【技术实现步骤摘要】
基于小波包能量交叉熵和大脑情感学习神经网络的MMC在线故障诊断方法


[0001]本专利技术属于模块化多电平变流器故障诊断
，具体涉及一种基于小波包能量交叉熵和大脑情感学习神经网络的MMC在线故障诊断方法。

技术介绍

[0002]模块化多电平变流器(modular multilevel converter，MMC)采用多个子模块串联的形式，输出电压等级变化灵活，模块具有可扩展性，低开关频率和高输出波形质量的优势。目前，长距离高压直流输电、一些中电压等级的电机驱动、海上风电项目的新能源电能输送等均可看到MMC的广泛应用。伴随其在工程领域的应用，子模块的开关管即绝缘栅双极型晶体管(insulated gate bipolar transistors,IGBT)开路故障问题日益突出并成为制约其稳定运行的主要因素。IGBT开路故障诊断与定位方法作为及时识别开路故障，保证MMC持续稳定运行的主要手段而被广泛研究。
[0003]目前IGBT故障诊断方式主要有三种，基于硬件电路，基于模型和基于人工智能的方法；其中，基于人工智能的方法主要为机器学习本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小波包能量交叉熵和大脑情感学习神经网络的MMC在线故障诊断方法，其特征在于，包括以下步骤：步骤S1：采用小波包分解得到各频段能量熵，并求取相邻频段能量交叉熵，再采用T
‑
SNE非线性降维对能量交叉熵数据进行降维的方式对故障桥臂电流离线数据进行处理；步骤S2：采用大脑情感学习神经网络FBELNN对步骤S1处理后数据生成的训练集进行迭代训练；步骤S3：将实时采集的故障桥臂电流数据经过步骤S1进行特征提取处理后输入利用步骤S2训练好的大脑情感学习神经网络中，进行在线故障诊断并获得诊断结果。2.根据权利要求1所述的基于小波包能量交叉熵和大脑情感学习神经网络的MMC在线故障诊断方法，其特征在于：在步骤S1中，所述采用小波包分解得到各频段能量熵具体为：通过尺度函数α
p,d
(x)和小波函数β
p,d
(x)对采样信号进行分解，得到高频和低频部分的系数并通过低通滤波器和高通滤波器对高频部分和低频部分进行分解，最后提取得到分解层数所对应的各个频段能量系数。3.根据权利要求2所述的基于小波包能量交叉熵和大脑情感学习神经网络的MMC在线故障诊断方法，其特征在于：在步骤S1中，采用symN小波基函数进行小波包分解：在步骤S1中，采用symN小波基函数进行小波包分解：在步骤S1中，采用symN小波基函数进行小波包分解：在步骤S1中，采用symN小波基函数进行小波包分解：其中，f代表伸缩比例，d代表平移距离；H(k)为对应尺度函数相关的低通滤波器，G(k)为对应小波函数相关的高通滤波器，i为分解层数，j为分解层数下所对应的频段；和分别为对应分解层和频段下的低频和高频系数。4.根据权利要求1所述的基于小波包能量交叉熵和大脑情感学习神经网络的MMC在线故障诊断方法，其特征在于：在步骤S1中，所述求取相邻频段能量交叉熵具体为：在小波包深层多频段分解后，对所得频段系数进行能量熵的求取，然后在能量熵的基础上増加相邻频段的交叉熵，以...

【专利技术属性】
技术研发人员：林琼斌，党万成，黄若辰，王武，王亚雄，黄庆荣，
申请(专利权)人：福州大学，
类型：发明
国别省市：