[發明專利]一種基于小波與神經網絡的逆變器低頻噪聲故障診斷方法

有效

• 申請號: 201410605501.2
• 申請日: 2014-10-30
• 公開（公告）號: CN104318305A
• 公開（公告）日: 2015-01-28
• 發明（設計）人: 陳曉娟;申雅茹;陳東陽;吳潔;李建坡;李楠;姜萬昌
• 申請（專利權）人: 東北電力大學
• 主分類號: G06N3/02
• 分類號: G06N3/02;G06N3/08;G06F19/00
• 代理公司: 吉林市達利專利事務所 22102
• 代理人: 陳傳林

技術領域

本發明涉及一種逆變器的故障診斷方法，特別涉及一種基于小波與神經網絡的逆變器低頻噪聲故障診斷方法，屬于模擬電路故障診斷檢測技術領域。

背景技術

隨著逆變器在人們生產生活中的廣泛應用，人們對其有著越來越高的可靠性要求。傳統的人工檢測并判定故障狀態的方法一方面由于維修人員的經驗不足，一方面由于缺少詳細的故障狀態信息，使得快速準確的檢測故障成為一大難題。近年來，研究學者們在逆變器的故障診斷方面已取得不少成就，例如鍵合圖理論故障診斷法，開關函數模型故障診斷法，模糊理論，專家系統，粒子群，譜估計等各種故障診斷方法等，但這些方法大多由于實施過程復雜，故障診斷單一而使得應用受限，并且如何準確描述逆變器故障等級的過渡，目前為止還沒有準確的診斷方法。并且未見基于小波與神經網絡的逆變器低頻噪聲故障診斷方法的文獻報道和實際應用。

本發明基于以下考慮：噪聲在有用信號中是一種必須消除的信號，卻也因其攜帶的信息而在故障診斷中占有重要地位。器件中由于電子的運動及硬件構成隨時存在著可顯示其狀態的噪聲信號。噪聲含量的變化不僅可以預示器件的潛在故障，還可以判斷器件的狀態水平。低頻噪聲是模擬電路中常見的噪聲信號，最具代表性的噪聲為1/f噪聲及產生-復合(g-r)噪聲。逆變器的不同故障狀態所具有的能量水平不同，初步測定，g-r噪聲的過激噪聲-爆裂噪聲的能量值比1/f噪聲的能量值至少高一個數量級。各個故障狀態的判定為一可波動閾值。當器件正常狀態，會含有少量的1/f噪聲；當器件亞健康狀態時，其中的1/f噪聲會出現過激現象，使得其含量大幅增加，并摻雜少量的g-r噪聲；當器件出現軟故障時，過激1/f噪聲及大量g-r噪聲大幅度出現；當器件處于硬故障狀態即器件可放棄時，g-r的過激噪聲-爆裂噪聲會大量出現。為逆變器正常工作，通過對其低頻噪聲的檢測來準確判定其工作狀態，及時檢測其可靠性，對逆變器的故障管理機制提供了有效的依據。

發明內容

本發明的目的在于提出一種科學合理，適用，診斷準確且速度快的基于小波與神經網絡的逆變器低頻噪聲故障診斷方法。

實現本發明目的采用的技術方案是：一種基于小波與神經網絡的逆變器低頻噪聲故障診斷方法，其特征在于，步驟如下：

1)分別對無故障狀態、有故障狀態的待測逆變器進行數據采集，提取信號并濾波；

2)將濾波后的信號分別進行小波變換，利用閾值函數進行去噪，將數據中高頻信號進行濾波處理，并將信號分解為尺度系數a_j與小波系數d_j，其中j＝1,2,...,J，J為分解的最高層數；

3)分別將最高層數的尺度系數與各層次的小波系數進行能量轉換并加和處理，得到得到分別代表正常值矩陣與故障值矩陣的E_n和E_f,i，其中，i為故障逆變器個數；

4)將能量值矩陣進行差值處理得到特征量ΔE_i＝E_f,i-E_n，i為逆變器個數；

5)將4)中特征量ΔE_i輸入到神經網絡進行訓練得到故障識別能力，根據邏輯輸出及故障對應狀態進行故障診斷，輸出的二進制數值分別代表故障類型：00-逆變器正常；01-逆變器亞健康狀態；10-軟故障預警狀態；11-硬故障可排除狀態。

所述待測逆變器為無源檢測。

所用小波變換采用多分辨率分析方法。

所述神經網絡為三層前饋神經網絡。

本發明與現有技術相比所具有的有益效果是：

無需外部信號激勵，直接從裝置中提取噪聲信號；無需對待檢測裝置進行損壞檢驗；進行低頻段的噪聲能量級別的診斷，無需人工經驗及參數不足的限制；形成一個智能化有效的評定系統，其方法科學合理，適用，診斷準確且速度快。

附圖說明

圖1是基于小波與神經網絡的逆變器低頻噪聲故障診斷方法流程圖；

圖2是小波變換流程圖；

圖3是多分辨率分析框圖；

圖4是三層前饋神經網絡結構圖。

具體實施方式

參見圖1，本發明的一種基于小波與神經網絡的逆變器低頻噪聲故障診斷方法，其步驟是：

1)對正常狀態下及故障狀態下的逆變器進行無源數據采集，將采集到的數據輸入進PC中，并進行低通濾波處理，截止頻率為100KHz，確保獲得低頻噪聲數據，從而獲得正常狀態數據x_n及故障狀態數據x_f,i，i為故障逆變器個數；