[發(fā)明專利]一種三電平逆變器故障診斷方法及裝置

在審

• 申請?zhí)枺?/td>: 202210563056.2
• 申請日: 2022-05-23
• 公開（公告）號: CN114814436A
• 公開（公告）日: 2022-07-29
• 發(fā)明（設(shè)計）人: 田里思;楊濤;張鴻偉;宋建雄;劉立偉;尚劍;潘大海;莊虎;史猛猛
• 申請（專利權(quán)）人: 中國礦業(yè)大學(xué);徐州宏遠通信科技有限公司
• 主分類號: G01R31/00
• 分類號: G01R31/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安銘澤知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61223
• 代理人: 姬莉

1.一種三電平逆變器故障診斷方法，其特征在于，包括以下步驟:

獲取三電平逆變器的故障數(shù)據(jù)；

對故障數(shù)據(jù)進行預(yù)處理，得到故障灰度圖；

通過卷積神經(jīng)網(wǎng)絡(luò)CNN對故障灰度圖中的故障特征進行提取；

將CNN提取得到的灰度圖像特征作為輸入，構(gòu)建基于支持向量機SVM的三電平逆變器故障識別模型；

利用三電平逆變器故障識別模型進行故障診斷。

2.根據(jù)權(quán)利要求1所述的三電平逆變器故障診斷方法，其特征在于，利用示波器周期性的對三電平逆變器的故障波形進行采樣，得到各種故障的三相相電壓的原始故障數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的三電平逆變器故障診斷方法，其特征在于，所述對故障數(shù)據(jù)進行預(yù)處理，得到故障灰度圖，具體步驟為：

以A相在前、B相在中、C相在后的原則，對所述原始故障數(shù)據(jù)中的樣本進行組合；

對組合后的樣本進行歸一化，歸一化的公式如下：

公式(1)中X∈[0,1]，為歸一化后的樣本值；X_i為樣本數(shù)據(jù)；X_min為最小樣本值；X_max為最大樣本值；

對歸一化后的樣本值進行線性灰度圖轉(zhuǎn)換，得到故障灰度圖。

4.根據(jù)權(quán)利要求1所述的三電平逆變器故障診斷方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)CNN包含卷積層、池化層和全平均池化層；

卷積層使用Keras中的2D卷積層Conv2D，卷積核尺寸為3*3，卷積核數(shù)量為64；

池化層使用Keras中的2D最大池化MaxPooling2D，池化尺寸為2*2；

灰度圖像特征提取采用卷積、池化交替布局，經(jīng)過提取出多維特征向量；

進行全平均池化操作，將多特征向量轉(zhuǎn)換為多個特征值作為輸出。

5.根據(jù)權(quán)利要求4所述的三電平逆變器故障診斷方法，其特征在于，所述將多特征向量轉(zhuǎn)換為多個特征值作為輸出，具體包括以下步驟：

做一次過度卷積，將多特征向量轉(zhuǎn)換成多個特征向量；

進行全局平均操作，其計算公式為：

公式(2)中x_ij為上一層輸出，y_ij為全平均層核的值，f(x)為輸出值。

6.根據(jù)權(quán)利要求5所述的三電平逆變器故障診斷方法，其特征在于，卷積層的padding方式為same。

7.根據(jù)權(quán)利要求1所述的三電平逆變器故障診斷方法，其特征在于，所述通過卷積神經(jīng)網(wǎng)絡(luò)CNN對故障灰度圖中的故障特征進行提取，還包括采用隨機抽樣法將預(yù)處理后的故障灰度圖數(shù)據(jù)按照比例劃分獨立的訓(xùn)練集和測試集。

8.根據(jù)權(quán)利要求7所述的三電平逆變器故障診斷方法，其特征在于，利用CNN提取的圖像特征在訓(xùn)練集上構(gòu)建基于SVM的三電平逆變器故障識別模型，確定SVM三電平逆變器故障識別模型的參數(shù)；利用所述測試集來測試三電平逆變器故障識別模型識別的效果。

9.一種三電平逆變器故障診斷裝置，其特征在于，包括：

數(shù)據(jù)采集模塊，用于獲取三電平逆變器的故障數(shù)據(jù)；

預(yù)處理模塊，用于對故障數(shù)據(jù)進行預(yù)處理，得到故障灰度圖；

特征提取模塊，用于通過卷積神經(jīng)網(wǎng)絡(luò)CNN對故障灰度圖中的故障特征進行提取；

故障識別模塊，用于將CNN提取得到的灰度圖像特征作為輸入，構(gòu)建基于支持向量機SVM的三電平逆變器故障識別模型；利用三電平逆變器故障識別模型進行故障診斷。