[發明專利]一種深度特征和統計特征融合的逆變器故障診斷方法

有效

• 申請號: 202110537216.1
• 申請日: 2021-05-18
• 公開（公告）號: CN113159226B
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 俞嘯;丁恩杰;夏冰;任曉紅;陳偉;吳傳龍
• 申請（專利權）人: 中國礦業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G01R31/54;G01R31/327
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 張雪

本發明公開了一種深度特征和統計特征融合的逆變器故障診斷方法，首先采用SE?DenseNet方法提取逆變器三相輸出電流信號的深度特征，并利用希爾伯特黃變換HHT方法提取電流信號樣本的統計特征，將深度特征和統計特征進行組合；其次，利用局部Fisher判別分析算法LFDA對組合的高維特征進行降維，得到能夠表達逆變器故障特征的低維特征，實現深度特征與統計特征的融合；最后，采用極限學習機ELM分類器，以低維特征為輸入實現三電平逆變器故障狀態識別。相比于傳統的診斷方法，本發明所提出的診斷方法故障識別準確率更高，在不同工況下的故障診斷能夠取得理想的性能，對實際工業場景具有更強的適應能力和泛化能力。

技術領域

本發明屬于故障診斷技術領域，特別是涉及一種深度特征和統計特征融合的逆變器故障診斷方法。

背景技術

變頻器是實現電機變頻調速技術中非常重要且復雜的設備，同時也容易發生故障，變頻器的主要組成部分有整流器、逆變器和控制電路。礦井提升機設備中的電機控制系統普遍裝配多電平逆變器，中性點鉗位(Neutral Point Clamped，NPC)三電平逆變器是其中常用的多電平逆變器之一，相比于兩電平逆變器，NPC三電平逆變器能夠縮小電壓和電流升高的速率，對電機的沖擊更小，能有效提高電機的使用壽命；然而，由于三電平逆變器所需的IGBT功率開關管較多，結構更復雜，從而導致故障頻發，在逆變器所有故障中，IGBT的故障概率占比最高。逆變器中最常見的電源開關故障主要是短路和開路故障，大多數情況下，標準保護系統(例如保險絲，繼電器和斷路器)可檢測到短路故障，隨即斷開電源，從而保護相關組件不受損壞。但標準保護系統無法檢測到開路故障，一旦發生開路故障，會導致逆變器性能迅速降低，以及其他部分出現嚴重的二次故障。甚至會導致整個煤礦生產停止，因此，利用故障診斷技術實現功率管IGBT開路故障診斷與識別具有重要的價值與意義。

傳統的故障診斷技術過程包含信號處理、特征提取、特征降維、模式識別四個步驟。但是在特征提取過程，提取的特征可能存在故障信息不全面問題，且提取過程復雜，不僅增加了數據處理的復雜性，而且會增加計算機運算負擔以及影響分類精度。

而SE-DenseNet在特征提取表現出強大的性能，不僅可以從原始數據中自動提取大量的高魯棒性和不變性的有用的深度特征，而且也能有效的解決卷積神經網絡中梯度消失問題。于是，選擇壓縮激勵密集連接卷積網絡SE-DenseNet(Squeeze Excitation-Densely Connected Convolutional Network，SE-DenseNet)算法對三電平逆變器三相電流原始數據進行深度特征提取，再融合統計敏感特征，實現不同故障特征信息的互補。其次，從極限學習機ELM理論的角度來看，可以根據幾乎任何非線性分段激活函數生成具有多個隱藏層的極限學習機ELM，并且一些隨機特征映射仍然可以提供通用的逼近能力。在此基礎上，本發明提出了基于SE-DenseNet-ELM與多源特征融合的逆變器故障診斷方法，此方法融合統計特征和深度特征兩種特征，不僅提高了模型對不同工況數據的泛化能力，還提高了故障診斷的準確度。

發明內容

為了解決上述技術問題，本發明提供一種深度特征和統計特征融合的逆變器故障診斷方法，采用基于SE-DenseNet-ELM與多源特征融合的逆變器故障診斷方法，融合了統計特征和深度特征，不僅提高了模型對不同工況數據的泛化能力，還提高了故障診斷的準確度。

為實現上目的，本發明提出一種深度特征和統計特征融合的逆變器故障診斷方法，具體包括以下步驟：

S1、采集逆變器三相輸出電流信號作為原始數據集，并將所述原始數據集劃分為測試集和訓練集；然后將所述訓練集作為標記后的樣本，將所述測試集作為未標記的樣本；

S2、構建SE-DenseNet模型，并將所述訓練集輸入到所述SE-DenseNet模型中進行訓練，得到訓練好的sed^tr模型；