[發明專利]一種串聯混合動力電動汽車交直流變換器的故障診斷方法

在審

• 申請號: 201810111240.7
• 申請日: 2018-02-05
• 公開（公告）號: CN108416103A
• 公開（公告）日: 2018-08-17
• 發明（設計）人: 何怡剛;張亞茹;張慧;劉開培
• 申請（專利權）人: 武漢大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/04
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 唐萬榮;楊曉燕

1.一種串聯混合動力電動汽車交直流變換器的故障診斷方法，其特征在于，包括以下步驟：

(1)建立串聯混合動力電動汽車交直流變換器的仿真模型，并選取直流側母線輸出電流為故障特征量；

(2)根據發生故障的電力電子器件個數及其位置，對故障類型進行詳細分類；

(3)利用快速傅里葉變換將故障特征量即直流側母線輸出電流分解到不同的頻率段，選取不同頻率段的諧波含有率為故障診斷特征向量；

(4)結合基于遺傳算法的BP神經網絡實現故障類型識別。

2.根據權利要求1所述的一種串聯混和動力汽車交直流變換的故障診斷方法，其特征在于，所述步驟(3)的具體方法為：通過對正常運行狀態與故障狀態直流側母線輸出電流波形的快速傅里葉變換分析結果對比，選取f＝30kHz諧波含有率構成故障診斷特征向量，其中k＝0,1,2,3,…,n，6≤n≤12。

3.根據權利要求1所述的一種串聯混和動力汽車交直流變換的故障診斷方法，其特征在于，所述步驟(4)的具體方法為：

1)確定BP神經網絡結構

對于BP神經網絡的創建，采取三層網絡，在三層網絡中，隱層神經網絡個數n₂和輸入層神經元個數n₁之間有近似關系：

n₂＝2×n₁+1

其中輸入層神經元個數n₁即故障診斷特征向量的輸入參數，n₁＝n+1，三層神經網絡結構為n₁-n₂-2，共有n₁*n₂+2*n₂個權值，n₂+2個閾值；

2)運用遺傳算法優化BP神經網絡的初始權值和閾值：

遺傳算法優化BP神經網絡的要素包括種群初始化、適應度函數、選擇算子、交叉算子和變異算子，對于種群初始化，個體編碼使用二進制編碼，由輸入層與隱含層連接權值、隱含層閾值、隱含層與輸出層連接權值、輸出層閾值四部分組成；對于適應度函數，為了使BP神經網絡在預測時，預測值與期望值的殘差盡可能小，選擇預測樣本的預測值與期望值的誤差矩陣的范數作為目標函數的輸出，以此獲得使目標函數值最小時的最優權值和閾值；

3)應用優化后的權值和閾值進行BP神經網絡的訓練及預測。