System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于大数据的IGBT健康状态评估方法技术_技高网

基于大数据的IGBT健康状态评估方法技术

技术编号:40157806 阅读:7 留言:0更新日期:2024-01-26 23:32
本发明专利技术涉及数据处理技术领域,具体涉及基于大数据的IGBT健康状态评估方法,包括:采集每个IGBT元件的多种数据,对每种数据进行调整获得评估数据,根据评估数据将每个IGBT元件转换为数据点,将所有数据点的所有种评估数据输入迭代自组织聚类算法,通过迭代改进后的分裂过程和常规的迭代自组织聚类算法的合并过程,将所有数据点划分为多个聚类域,获得每个聚类域的健康状态评估等级,根据聚类域的健康状态评估等级,获得待检测的IGBT元件的健康状态评估等级。本发明专利技术使聚类时健康状况差的IGBT元件呈现较高的离群度,通过对分裂过程进行改进,准确地筛选出健康状况差的IGBT元件。

【技术实现步骤摘要】

本专利技术涉及数据处理,具体涉及基于大数据的igbt健康状态评估方法。


技术介绍

1、随着工业自动化的快速发展,igbt(绝缘栅双极型晶体管)在电力电子设备中得到广泛应用,如变频器、电动车、电力系统等。igbt作为关键的功率开关元件,其健康状态对设备的性能和可靠性具有重要影响,因此需要对igbt元件的健康状态进行评估,筛选出健康状况差的igbt元件。

2、通过迭代自组织聚类算法对igbt元件进行聚类,可以将正常igbt元件和健康状态较差的异常元件区分,然而健康状况差的igbt元件毕竟为少数,因此在聚类的分裂过程中,健康状况差的igbt元件组成的聚类域,容易被重新划分,导致无法准确地筛选出健康状况差的igbt元件。


技术实现思路

1、为了解决上述问题,本专利技术提供基于大数据的igbt健康状态评估方法,所述方法包括:

2、采集每个igbt元件的多种数据,对每种数据进行调整获得评估数据,根据评估数据将每个igbt元件转换为数据点;

3、将所有数据点的所有种评估数据输入迭代自组织聚类算法,通过迭代改进后的分裂过程和常规的迭代自组织聚类算法的合并过程,将所有数据点划分为多个聚类域;

4、获得每个聚类域的健康状态评估等级,根据聚类域的健康状态评估等级,获得待检测的igbt元件的健康状态评估等级。

5、进一步地,所述改进后的分裂过程,包括的具体步骤如下:

6、计算每个聚类域的可分裂度,根据可分裂度获得分裂聚类域;

<p>7、对分裂聚类域进行分裂操作,获取两个新的聚类域;

8、计算每个新的聚类域中每个数据点的局部均匀程度,根据局部均匀程度计算每个新的聚类域的最少样本数;

9、如果新的聚类域中数据点的数量大于等于最少样本数,保留新的聚类域,如果新的聚类域中数据点的数量小于最少样本数,将新的聚类域中的数据点重新划分聚类域。

10、进一步地,所述对每种数据进行调整获得评估数据,包括的具体步骤如下:

11、不需要对过电流的出现时间和出现频率、过电压的出现时间和出现频率进行调整,根据调整值的计算公式获得工作电流、工作电压和工作温度的调整值;

12、

13、式中,表示第i个igbt元件的第j种数据的调整值,表示第i个igbt元件的过电压的出现频率,表示第i个igbt元件的过电流的出现频率,表示第i个igbt元件的第j种数据;

14、将过电流的出现时间和出现频率、过电压的出现时间和出现频率、工作电流的调整值、工作电压的调整值和工作温度的调整值作为评估数据。

15、进一步地,所述聚类域的可分裂度的计算公式如下:

16、

17、式中,v表示聚类域的可分裂度,c表示聚类域中包含的数据点的个数,表示聚类域中第j种评估数据的极差,n表示评估数据的种类数。

18、进一步地,所述数据点的局部均匀程度的计算公式如下:

19、

20、式中,表示第个数据点的局部均匀程度,表示第个数据点与局部邻域内所有数据点的欧式距离的均值,、和分别表示第个数据点与局部邻域内最近的第1个数据点、最近的第m个数据点、最近的第g个数据点的欧氏距离,和分别表示最大值函数和最小值函数,与第个数据点的距离最近的预设数量s个数据点组成第个数据点的局部邻域。

21、进一步地,所述聚类域的最少样本数的计算公式如下:

22、

23、式中,u表示聚类域的最少样本数,c表示聚类域中包含的数据点的个数,表示聚类域中第个数据点与局部邻域内最近的第g个数据点的欧氏距离,表示聚类域中第个数据点的局部均匀程度。

24、进一步地,所述根据评估数据将每个igbt元件转换为数据点,包括的具体步骤如下:

25、根据所有种评估数据构建一个高维空间,根据多种评估将每个igbt元件转换为高维空间中的数据点。

26、进一步地,所述常规的迭代自组织聚类算法的合并过程,包括的具体步骤如下:

27、当两个聚类域的距离小于预设两个聚类中心最小距离,或者聚类域的数量大于预期聚类中心数目时,对聚类域进行合并。

28、进一步地,所述获得每个聚类域的健康状态评估等级,包括的具体步骤如下:

29、将每个聚类域的聚类中心的过电流的出现频率与过电压的出现频率之和,记为每个聚类域的非健康状态评估值,按照非健康状态评估值从大到小的顺序,获得聚类域的健康状态评估等级依此为一级到k级,k表示预期聚类中心数目。

30、进一步地,所述根据聚类域的健康状态评估等级,获得待检测的igbt元件的健康状态评估等级,包括的具体步骤如下:

31、对于待检测的igbt元件,根据待检测的igbt元件的评估数据,将其转换为高维空间中的数据点,记为待检测数据点,获得与待检测数据点距离最近聚类中心,将聚类中心对应的聚类域的健康状态评估等级作为待检测的igbt元件的健康状态评估等级。

32、本专利技术的技术方案的有益效果是:本专利技术通过过电流和过电压的出现频率对数据进行调整,使聚类时健康状况差的igbt元件呈现较高的离群度,从而更容易筛选出健康状况差的igbt元件,同时根据每个聚类域的可分裂度获得分裂聚类域,对分裂聚类域进行分裂操作,计算每个新的聚类域中每个数据点的局部均匀程度,根据局部均匀程度计算每个新的聚类域的最少样本数,根据自适应获得最少样本数参数,实现对分裂过程的改进,避免通过常规的迭代自组织聚类算法的分裂过程进行聚类时,会导致健康状况差的igbt元件组成的聚类域,由于数据点数量较少,而容易被重新划分的情况发生,准确地筛选出健康状况差的igbt元件。

本文档来自技高网
...

【技术保护点】

1.基于大数据的IGBT健康状态评估方法,其特征在于,所述方法包括:

2.根据权利要求1所述的基于大数据的IGBT健康状态评估方法,其特征在于,所述改进后的分裂过程,包括的具体步骤如下:

3.根据权利要求1所述的基于大数据的IGBT健康状态评估方法,其特征在于,所述对每种数据进行调整获得评估数据,包括的具体步骤如下:

4.根据权利要求2所述的基于大数据的IGBT健康状态评估方法,其特征在于,所述聚类域的可分裂度的计算公式如下:

5.根据权利要求2所述的基于大数据的IGBT健康状态评估方法,其特征在于,所述数据点的局部均匀程度的计算公式如下:

6.根据权利要求2所述的基于大数据的IGBT健康状态评估方法,其特征在于,所述聚类域的最少样本数的计算公式如下:

7.根据权利要求1所述的基于大数据的IGBT健康状态评估方法,其特征在于,所述根据评估数据将每个IGBT元件转换为数据点,包括的具体步骤如下:

8.根据权利要求1所述的基于大数据的IGBT健康状态评估方法,其特征在于,所述常规的迭代自组织聚类算法的合并过程,包括的具体步骤如下:

9.根据权利要求1所述的基于大数据的IGBT健康状态评估方法,其特征在于,所述获得每个聚类域的健康状态评估等级,包括的具体步骤如下:

10.根据权利要求1所述的基于大数据的IGBT健康状态评估方法,其特征在于,所述根据聚类域的健康状态评估等级,获得待检测的IGBT元件的健康状态评估等级,包括的具体步骤如下:

...

【技术特征摘要】

1.基于大数据的igbt健康状态评估方法,其特征在于,所述方法包括:

2.根据权利要求1所述的基于大数据的igbt健康状态评估方法,其特征在于,所述改进后的分裂过程,包括的具体步骤如下:

3.根据权利要求1所述的基于大数据的igbt健康状态评估方法,其特征在于,所述对每种数据进行调整获得评估数据,包括的具体步骤如下:

4.根据权利要求2所述的基于大数据的igbt健康状态评估方法,其特征在于,所述聚类域的可分裂度的计算公式如下:

5.根据权利要求2所述的基于大数据的igbt健康状态评估方法,其特征在于,所述数据点的局部均匀程度的计算公式如下:

6.根据权利要求2所述的基于大数据的igbt健康状态评估方法,其特征在于...

【专利技术属性】
技术研发人员:李冰
申请(专利权)人:广东力宏微电子有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1