[發明專利]一種電力電子變換器故障診斷方法、終端設備及存儲介質

有效

• 申請號: 201910756502.X
• 申請日: 2019-08-16
• 公開（公告）號: CN110490248B
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 王榮杰;韓冉;林安輝;崔博文;曾廣淼
• 申請（專利權）人: 集美大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06F30/27;G06F111/04;G06F111/10
• 代理公司: 廈門市精誠新創知識產權代理有限公司 35218
• 代理人: 何家富

1.一種電力電子變換器故障診斷方法，其特征在于，包括以下步驟：

S1：設定變換器的故障類型，采集所有故障類型對應的變換器的輸出電壓數據作為訓練集；

S2：構建稀疏自編碼器模型，通過訓練集對稀疏自編碼器模型進行訓練后，將訓練集輸入訓練后的稀疏自編碼器模型得到模型的中間層輸出的中間數據集；

S3：構建寬度學習模型，將訓練集和中間數據集共同輸入寬度學習模型中進行訓練得到訓練后的模型；步驟S3具體包括以下步驟：

S31：將訓練集作為寬度學習模型的增強節點H_j，將對應的中間數據集作為寬度學習模型的映射特征Z_i輸入寬度學習模型，則寬度學習模型的輸出為：

Y＝[Z₁,...Z_n|H₁,...,H_n]Wⁿ

＝[Zⁿ|Hⁿ]Wⁿ

其中，Wⁿ表示輸出層權重，豎線表示合并成一行；

S32：設定稀疏自編碼器模型的中間層為：

Z＝φ(W₁X+b₁)

則將寬度學習模型轉換為：

σ＝φ([X₁,...X_n|φ(XW₁+b₁)])

＝φ([X|Z]W^n+m)

其中，φ表示神經網絡激活函數，σ表示寬度學習模型的實際輸出，W^n+m表示系統的權重系數；

S33：設定權重系數W^n+m的更新方程為：

其中，E(.)表示寬度學習模型的損失函數，E'(.)表示損失函數的導數，δ表示寬度學習模型的期望輸出，J表示步長，k∈[1,q]表示模型輸出向量維數，t表示迭代次數；

S34：設定步J的更新方式為：

當滿足E(W^n+m)≤η時，設定步長等于常數l；

當滿足E(W^n+m)η時，設定步長J為；

其中，η表示參考值，γ1表示梯度補償值；

S35：對寬度學習模型進行迭代訓練得到訓練后的模型

S4：將待診斷變換器的輸出電壓數據輸入訓練后的稀疏自編碼器模型得到中間層輸出后，將輸出電壓數據和中間層數據共同輸入寬度學習模型中，根據寬度學習模型的輸出結果對其故障類型進行診斷。

2.根據權利要求1所述的電力電子變換器故障診斷方法，其特征在于：寬度學習模型采用L2范數作為損失函數，即：

其中，表示L2正則化項，為常數參數，||.||₂表示弗羅貝尼烏斯范數。

3.一種電力電子變換器故障診斷終端設備，其特征在于：包括處理器、存儲器以及存儲在所述存儲器中并在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如權利要求1～2中任一所述方法的步驟。

4.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1～2中任一所述方法的步驟。