[發明專利]針對軌道列車牽引變流器的開路故障診斷方法及系統

有效

• 申請號: 202010807693.0
• 申請日: 2020-08-12
• 公開（公告）號: CN111983414B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 陳志文;徐佳敏;伍曉贊;樊欣宇;彭濤;任浩
• 申請（專利權）人: 中南大學
• 主分類號: G01R31/26
• 分類號: G01R31/26;G01R31/40;G06K9/62;G06N3/04
• 代理公司: 長沙朕揚知識產權代理事務所(普通合伙) 43213
• 代理人: 何湘玲

1.一種針對軌道列車牽引變流器的開路故障診斷方法，其特征在于，包括：

根據整流器拓撲結構建立整流器結構模型并列出包含故障變量在內的物理方程組，根據工業現場條件確定整流器的故障類型，設置傳感器以獲得故障診斷數據集；所述物理方程組，包括：

e₁: e₂:

e₃: e₄:

e₅:u_ab＝func1(S_a-S_b,f_S_ab1,f_S_ab2,f_S_ab3,f_S_ab4)·U_dc

e₆:i_Z＝func1(S_a-S_b,f_S_ab1,f_S_ab2,f_S_ab3,f_S_ab4)·i_qc

e₇:i_dc＝i_Z-i₂-i_L

e₈:f_S_ab1＝func2(S_a-S_b,f_IGBT1) e₉:f_S_ab2＝func3(S_a-S_b,f_IGBT2)

e₁₀:f_S_ab3＝func4(S_a-S_b,f_IGBT3) e₁₁:f_S_ab4＝func5(S_a-S_b,f_IGBT4)

e₁₂:yu_N＝u_N e₁₃:

e₁₄: e₁₅:

e₁₆: e₁₇:

e₁₈: e₁₉:

其中，各變量含義如下：

i_qc為四象限輸入電流；U_dc為中間直流電壓；i₂為二次諧振電流；u₂為二次諧振電壓；u_ab為四象限整流器輸入電壓；i_z為四象限整流器輸出電流；i_dc為支撐電容電流；i_L為負載電流；di_qc為四象限輸入電流微分；dU_dc為中間直流電壓微分；di₂為二次諧振電流微分；du₂為二次諧振電壓微分；S_a和S_b為四象限整流器開關函數；f_S_ab1為IGBT1開路時等效開關函數；f_S_ab2為IGBT2開路時等效開關函數；f_S_ab3為IGBT3開路時等效開關函數；f_S_ab4為IGBT4開路時等效開關函數；yu_N為次邊電壓傳感器采樣值；yi_qc為四象限電流傳感器采樣值；yU_dc1為中間電壓一傳感器采樣值；yU_dc2為中間電壓二傳感器采樣值；f_yiqc為四象限輸入電流傳感器故障；f_yUdc1為中間電壓一傳感器故障；f_yUdc2為中間電壓二傳感器故障；f_IGBT1為整流器模塊IGBT1開路故障；f_IGBT2為整流器模塊IGBT2開路故障；f_IGBT3為整流器模塊IGBT3開路故障；f_IGBT4為整流器模塊IGBT4開路故障；C₂為二次諧振電容；L₂為二次諧振電感；C_d為支撐電容；R_N為牽引變壓器次邊漏阻；L_N為牽引變壓器次邊漏感；

其中，函數式func1～func5定義如下：

所述故障類型，包括：

A、傳感器測量值與實際電流電壓值之間存在的偏差；包括：四象限輸入電流傳感器故障f_yiqc、中間電壓一傳感器故障f_yUdc1和中間電壓二傳感器故障f_yUdc2；

B、因IGBT管故障導致的整流器狀態與其真實狀態不符；包括：整流器模塊IGBT1開路故障f_IGBT1、整流器模塊IGBT2開路故障f_IGBT2、整流器模塊IGBT3開路故障f_IGBT3以及整流器模塊IGBT4開路故障f_IGBT4；

根據物理方程組構建用于故障診斷的殘差，并根據殘差與故障的關系生成診斷決策表；

所述故障診斷的殘差，包括如下七個殘差表達式：

R1：R₁＝yU_dc1-yU_dc2；

R2：

R3：

R4：

R5：

R6：

R7：

其中i為1、2、3、4分別代表四個IGBT管，S_afi，S_bfi代表對應IGBT管出現開路故障時的實際四象限整流器開關函數值；

計算出故障診斷數據集中每個數據對應的殘差值，通過所述診斷決策表對每個數據進行初步的故障診斷，將故障診斷數據集中所有數據按故障類型進行預分類，并按照所述預分類構造數據集中各數據之間的關聯關系圖；按照所述預分類構造數據集中各數據之間的關聯關系圖，包括：

將所有數據代入殘差表達式得到殘差值，將殘差值與診斷閾值比較，并結合故障診斷決策表得到每個數據的故障預分類；

將在故障預分類中被分為同一類的數據設置為彼此之間具有關聯關系，由此得到一張包含頂點及邊在內的關聯關系圖；關聯關系圖中，每一個頂點代表數據集中的一個數據，兩頂點間的連線形成的邊表示兩頂點存在關聯，所述關聯為兩頂點同屬于一種故障類型；

將所述關聯關系圖轉化為關聯關系矩陣，將所述關聯關系矩陣作為先驗知識并構造圖卷積神經網絡，在網絡前向傳播公式中使用關聯關系矩陣，并對圖卷積神經網絡進行迭代訓練直至完成收斂；

將所述故障診斷數據集輸入到訓練好的圖卷積神經網絡中，以圖卷積神經網絡的輸出作為最終的故障診斷預測結果。