本发明专利技术公开一种基于FRM-RVM的电力电子电路故障预测方法，步骤为：监测电压及电流信号，进行小波阈值去噪，构成多维电路参数向量；对其降维得到多维故障特征向量；得到电路健康容差范围内的故障特征向量样本集；每间隔一段时间，获取电路实时运行过程中的故障特征向量；计算各时刻点故障特征向量对故障特征向量样本集的健康度，构成电路健康度时间序列；给出电路健康度阈值；利用RVM算法对健康度时间序列预测，获取电路未来某时刻的电路健康度，将其与健康度阈值比较，判定电路未来某时刻的健康状况，从而实现电路的故障预测。此种预测方法能够实时进行电力电子电路的状态监测并估计其健康状况，实现对其未来状态的预测，提前预知故障发生时间。
【技术实现步骤摘要】
本专利技术涉及一种电力电子电路故障预测方法，尤其是基于FRM-RVM的电力电子电路故障预测方法。
技术介绍
随着航空、航天、煤矿、化工等领域系统的日趋复杂，基于复杂系统可靠性、安全性、经济性考虑，以故障预测技术为核心的故障预测和健康管理(Prognostics and HealthManagement,PHM)技术获得越来越多的重视。现代电子设备已渗透到国防军事、工业、交通、IT、农业、通信、商业、医药制造以至家用电器等各领域中，因电子设备故障造成的损失也大大增加，因此，为电子设备供电的电源系统作用更加重要。电力电子电路是电源系统的核心，研究其故障预测方法，保证其安全、持续、可靠工作是电子设备健康管理的一部分，已成为故障预测领域的研究热点和难点，在投资巨大、结构复杂，可靠性要求高的航空航天、核能等领域具有重大现实意义。目前，针对电子产品与装备的故障预测方法主要分三种(1)基于模型的方法；(2)基于内建“损伤标尺”的方法；(3)基于数据驱动的方法，以下分别介绍。基于模型的方法，使用的模型一般包括两种系统模型和故障物理模型(Physicsof failure, PoF)，该方法需要建立系统精确模型及深入了解系统工作机理。基于内建“损伤标尺”的方法，是针对一种或多种故障机理，以被监控产品相同的工艺过程制造出来的预期寿命比被监控对象短的产品，设计预兆单元与主器件、电路、系统集成在一起，使其按一定的机理在主电路或系统失效前提前失效，从而为宿主电路与系统的失效提供预警。基于数据驱动的方法，即对现场监控得到的数据进行异常及其趋势检测或模式检测，确定系统的健康状态，然后使用趋势分析结果来估计系统的故障发生时间。该方法无需了解系统内部物理结构等专业知识，适用于复杂系统预测，应用范围广。然而，电力电子电路中含有不同的电路元器件，不可能对每个器件同时监测，由于不同器件的寿命与失效机理不同，电路中各元器件性能退化及交互耦合作用，很难对由它们组成的电路或设备做准确预测。现阶段，电力电子电路故障预测多为电路中关键元器件的预测，选用故障特征参数多为元器件的参数，而对电路整体的故障预测研究很少。基于前述分析，本专利技术人克服现有各种故障预测方法的缺陷，提出一种新颖的故障预测方法，本案由此产生。
技术实现思路
本专利技术的目的，在于提供一种基于FRM-RVM的电力电子电路故障预测方法，其能够实时进行电力电子电路的状态监测并估计其健康状况，实现对其未来状态的预测，提前预知故障发生时间。为了达成上述目的，本专利技术的解决方案是、一种基于FRM-RVM的电力电子电路故障预测方法，包括如下步骤(I)从待测电路选择监测点，监测各测点的电压及电流信号； (2)对步骤⑴中所测信号进行小波阈值去噪，得到去噪后的信号；(3)对步骤(2)中经小波去噪后的各信号进行处理，结合电路性能指标要求，计算得到各电路参数，构成η维电路参数向量，η为所计算电路参数的个数；(4)利用主成分分析对步骤(3)中所建立的电路参数向量降维，得到反映电路健康状况的m维故障特征向量,其中，m ^ η ；(5)考虑电路各组成元器件容差，对电力电子电路进行蒙特卡洛分析，利用步骤(I) (4)，得到电路健康容差范围内的故障特征向量样本集；(6)利用步骤⑴ (4)，每间隔一段时间，获取电力电子电路实时运行过程中的故障特征向量；(7)计算步骤￠)中各时刻点故障特征向量对电路健康状态下的故障特征向量样本集的健康度，构成电路健康度时间序列；(8)依据实际电路的工作性能指标要求，给出电路健康度阈值；(9)利用RVM算法，对电路工作过程中的健康度时间序列预测，获取电路未来某时刻的电路健康度；(10)将步骤(9)中的未来某时刻健康度与规定健康度阈值比较，判定电路未来某时刻的健康状况，从而实现电路的故障预测。上述步骤(2)的详细步骤是(21)选择合适的小波函数和分解层数j，对所测信号进行小波变换，得到相应的各尺度分解系数；(22)选择合适的去噪阈值及阈值函数，对各尺度小波分解系数进行阈值处理，得到估计小波系数。(23)对小波分解的j层低频系数和经过阈值函数处理的多层高频系数进行小波重构，得到去噪后的信号。上述步骤(7)中，设步骤(5)所获取的电路健康容差范围内的特征向量样本集为X = {x1;x2,…，xs}，由步骤(6)实时监测获取第i时刻电路特征向量样本为X，则定义第i时刻电路健康度为τ i (X)，其计算方法如下权利要求1.一种基于FRM-RVM的电カ电子电路故障预测方法，其特征在于包括如下步骤 (1)从待测电路选择监测点，监测各测点的电压及电流信号； (2)对步骤(I)中所测信号进行小波阈值去噪，得到去噪后的信号； (3)对步骤(2)中经小波去噪后的各信号进行处理，结合电路性能指标要求，计算得到各电路參数,构成η维电路參数向量，η为所计算电路參数的个数； (4)利用主成分分析对步骤(3)中所建立的电路參数向量降维，得到反映电路健康状况的m维故障特征向量,其中，m ^ η ； (5)考虑电路各组成元器件容差，对电カ电子电路进行蒙特卡洛分析，利用步骤(I) (4)，得到电路健康容差范围内的故障特征向量样本集； (6)利用步骤(I) (4)，每间隔一段时间，获取电カ电子电路实时运行过程中的故障特征向量； (7)计算步骤￠)中各时刻点故障特征向量对电路健康状态下的故障特征向量样本集的健康度，构成电路健康度时间序列； (8)依据实际电路的工作性能指标要求，给出电路健康度阈值； (9)利用RVM算法，对电路工作过程中的健康度时间序列预测，获取电路未来某时刻的电路健康度； (10)将步骤(9)中的未来某时刻健康度与规定健康度阈值比较，判定电路未来某时刻的健康状況，从而实现电路的故障预测。2.如权利要求I所述的ー种基于FRM-RVM的电カ电子电路故障预测方法，其特征在于所述步骤(2)的详细步骤是 (21)选择合适的小波函数和分解层数j，对所测信号进行小波变换，得到相应的各尺度分解系数； (22)选择合适的去噪阈值及阈值函数，对各尺度小波分解系数进行阈值处理，得到估计小波系数； (23)对小波分解的j层低频系数和经过阈值函数处理的多层高频系数进行小波重构，得到去噪后的信号。3.如权利要求I所述的ー种基于FRM-RVM的电カ电子电路故障预测方法，其特征在于所述步骤(7)中，设步骤(5)所获取的电路健康容差范围内的特征向量样本集为X= Ix1,X2,…，xs}，由步骤(6)实时监测获取第i时刻电路特征向量样本为X，则定义第i时刻电路健康度为τ i (X)，其计算方法如下4.如权利要求I所述的ー种基于FRM-RVM的电カ电子电路故障预测方法，其特征在于所述步骤(8)中，电路健康度阈值τ th 的确定方法为 当电路为初始健康状态时，健康度为最大值;当电路工作性能指标低于规定要求吋，电路发生故障，此时健康度阈值为Tth，Tth= (Ι-k) τ_，其中，k为电路的某项性能指标允许偏差范围，且O < k < I。5.如权利要求I所述的ー种基于FRM-RVM的电カ电子电路故障预测方法，其特征在于所述步骤(9)的详细步骤为 a)以电路健康时健康度为初始值，获取电路健康度时间序列为％、τι、τ本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：姜媛媛，王友仁，林华，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
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。