[發明專利]基于多核SVM的永磁同步電機逆變器開路故障診斷方法

有效

• 申請號: 202110496576.1
• 申請日: 2021-05-07
• 公開（公告）號: CN113311364B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 王滿意;萬晨陽;陳龍淼;徐亞棟;陳光宋;鄒權
• 申請（專利權）人: 南京理工大學
• 主分類號: G01R31/54
• 分類號: G01R31/54;G01R31/34;G06K9/62;G06F17/16
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 汪清

本發明公開了一種基于多核SVM的永磁同步電機逆變器開路故障診斷方法，該方法包括如下步驟：通過電流傳感器采集逆變器開路和正常時三相電流信號；基于變分模態分解，將采集的三相電流信號分解重構，并構建樣本數據集；任意選擇組合核函數；通過EasyMKL多核學習算法構建樣本數據分類間隔最大的數學優化問題并求解權重系數η；設置權重系數閾值p，將權重系數η小于閾值p的核函數裁剪掉，輸出裁剪后組合核函數；根據組合核函數及SVM分類器實現對逆變器IGBT管開路故障診斷的目的。本發明在傳統SVM分類方法的基礎上引入了多核學習算法，比傳統SVM方法有更高的故障診斷準確度。

技術領域

本發明屬于電機狀態檢測與故障診斷技術領域，更為具體地講，涉及一種永磁同步電機逆變器開路故障診斷方法。

背景技術

永磁同步電機具有高效率、低噪聲、體積小，重量輕,且過載能力大、轉動慣量小、效率高、損耗小等優點。因此永磁同步電機現已被廣泛應用于電動汽車、電梯、以及各類自動化設備、自動加工裝置、機器人等領域。

然而，由于運行環境復雜，永磁同步電機易發生逆變器開路故障，電機逆變器開路故障會引起較大的電磁轉矩脈動和嚴重的機械振動。檢測到故障后如果不采取補救措施，永磁電機的連續運行可能會造成二次損害，甚至對整個系統造成災難性的故障。近些年，基于機器學習的永磁同步電機故障診斷技術成為了研究熱點，通過在故障數據集上訓練神經網絡模型，完成對永磁同步電機故障的識別檢測，提高了故障診斷的智能性和穩定性。

在之前的基于SVM分類器的故障診斷方法研究中，國內應用多核學習框架的診斷方法還比較少，而且大多數基于SVM分類的診斷方法均是只選用高斯核函數，并通過組合優化方法，優化SVM以及高斯核函數的超參數，但這樣忽略了核函數的選擇帶來的影響，且單一核函數SVM模型無法對復雜特征的數據建立分類超平面。事實上，核函數的選擇比單一核函數超參數調優更能顯著影響SVM分類器的性能。

發明內容

本發明的目的在于提供一種基于多核SVM的永磁同步電機逆變器開路故障診斷方法，克服背景技術中提到的不足。

實現本發明目的的技術方案為：

一種基于多核SVM的永磁同步電機逆變器開路故障診斷方法，包括以下步驟：

步驟1，通過電流傳感器采集永磁同步電機逆變器開路和正常時三相電流信號數據；

步驟2，基于變分模態分解，將采集的三相電流信號分解，并對有效信號分量進行重構，并構建樣本數據集；

步驟3，任意選擇不同類型及參數的核函數，經過排列得到組合核函數K；

步驟4，基于構建的樣本數據集及組合核函數K，通過EasyMKL多核學習算法構建樣本數據分類間隔最大的數學優化問題；

步驟5，對步驟3中構建的數學優化問題求解，得到組合核函數的權重系數η；

步驟6，求解出的組合核函數權重系數η中，設置權重系數閾值p，將權重系數η小于閾值p的核函數取掉，裁減組合核函數，并修正有效核函數的權重系數η，輸出裁剪后組合核函數newK；

步驟7，根據組合核函數newK通過SVM實現對逆變器IGBT管不同開路狀態的判別，以達到開路故障診斷的目的。

本發明與現有技術相比，其顯著優點：

(1)傳統SVM中需要對逆變器三相電流樣本數據集進行多次測試，并對比選取最合適的核函數，本發明只需任意選擇不同類型及參數的核函數，并將其排列即可。

(2)在傳統單核SVM模型中單一核函數無法對復雜特征的三相電流數據建立分類超平面，無法達到準確的故障診斷判斷。本發明通過引入多核學習框架，可以在預設組合核函數的基礎上，通過EasyMKL算法計算最佳的核函數組合方案，提高了逆變器開路故障診斷的準確度。