文獻(xiàn)標(biāo)識碼: A
文章編號: 0258-7998(2015)02-0149-03
0 引言
多電平逆變器相對傳統(tǒng)的兩電平逆變器具有開關(guān)損耗小、輸出諧波含量低等優(yōu)點,但是隨著開關(guān)數(shù)量的成倍增加,也大大降低了多電平逆變器的可靠性。任何一個開關(guān)管發(fā)生故障后,將導(dǎo)致整個逆變器不能正常工作,從而導(dǎo)致一些經(jīng)濟(jì)損失甚至還可能引發(fā)重大安全事故。因此,對多電平逆變器進(jìn)行故障診斷研究,特別是應(yīng)用自動故障診斷技術(shù)對提高多電平逆變器的可靠性具有很大的經(jīng)濟(jì)價值與現(xiàn)實意義[1]。
目前國內(nèi)外學(xué)者針對多電平逆變器的故障診斷都有較為深入的研究。有學(xué)者提出運用變換器交流側(cè)PWM電壓UPWM和電流的極性來判斷功率開關(guān)管的故障[2],該方法的診斷速度快,可靠性也高,但其診斷結(jié)果無法精確定位具體發(fā)生故障的功率管。此外,一些學(xué)者對于逆變器故障診斷,提出了基于模型的故障診斷方法[3-4],引入鍵合圖等建模方法對其進(jìn)行建模,其方法提高了診斷正確率,但其分析過程比較復(fù)雜。
近年來,隨著神經(jīng)網(wǎng)絡(luò)理論的引入,為故障診斷問題提供了一種新途徑,神經(jīng)網(wǎng)絡(luò)的非線性特性特別適合用于逆變器這樣的混雜系統(tǒng)。傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)需要預(yù)先給定期望輸出值以及大量故障學(xué)習(xí)樣本。因此,筆者根據(jù)自組織特征映射(SOM)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)特點將其應(yīng)用于多電平逆變器的故障診斷中,利用小波包變換對三電平逆變器的上、中、下橋臂電壓進(jìn)行變換,提取故障能量系數(shù),組成其相應(yīng)的故障特征矢量作為SOM神經(jīng)網(wǎng)絡(luò)的輸入,根據(jù)獲勝神經(jīng)元的位置來判斷其逆變器的故障模式。
1 三電平逆變器故障特征分析與提取
在實際運用中逆變電源主電路出現(xiàn)較多的故障是功率管的開路與短路故障。短路故障會導(dǎo)致過流保護(hù),其存在的時間較短,并且其自身的保護(hù)電路也會很快使其變?yōu)殚_路。實際應(yīng)用中多個開關(guān)器件同時發(fā)生故障的幾率比較低,因此本文僅對最多兩個功率半導(dǎo)體元件開路作故障作分析。圖1為本文所研究的三電平逆變器的主電路拓?fù)浣Y(jié)構(gòu)圖。
1.1 三電平逆變器故障模式分析
基于每相的基本情況都相同,本文就已單相電路為研究對象,研究其開路故障情況,如圖2所示。利用MATLAB進(jìn)行仿真,設(shè)輸入直流電壓為530 V,功率管采用理想的開關(guān)元件和二極管。定義“A相中點橋臂電壓”為Vao,即橋臂中點a與電容電壓中點o之間的電壓;“上橋臂電壓”為Vbo;“下橋臂電壓”為Vco[5]。由于三電平逆變器的主電路存在對稱性,所以這里就給出了Sa1、Sa2、VD1開路的故障波形圖。圖3為單個功率開關(guān)管開路時中點橋臂電壓Vao的仿真波形[6]。
當(dāng)功率開關(guān)管同時有兩個出現(xiàn)開路故障時,存在兩種情況:一類是兩個開關(guān)管處于同一橋臂;第二類是兩個開關(guān)管處于不同的橋臂。對于第二類情況,相當(dāng)于某個橋臂的單個開關(guān)管開路,因此,本文僅分析第一類情況。以橋臂a為研究對象,可以分為6種故障模式。考慮到主電路存在對稱性,因此本文就只給出了Sa1和Sa2、Sa1和Sa3、Sa1和Sa4、Sa2和Sa3同時開路時的中點臂電壓Vao的波形,如圖4所示。
通過對圖3與圖4的比對,可以發(fā)現(xiàn)Sa2單管開路與Sa1、Sa2同時開路時的橋臂電壓Vao具有相同的電平邏輯特征。因此,只應(yīng)用小波包變換單獨提取中點橋臂Vao各頻段能量系數(shù)不能區(qū)分這兩類故障模式。
經(jīng)仿真研究實驗分析,Sa2單獨開路時與Sa1、Sa2同時開路時的上橋臂電壓與下橋臂電壓其電平邏輯區(qū)分較為明顯,那么其波形所含能量值也就不同。所以,同時提取橋臂電壓Vao、Vbo和Vco各頻帶能量系數(shù)可以很好地表示各種故障模式。
1.2 三電平逆變器故障特征提取
根據(jù)小波包的一系列特性,利用小波包對信號進(jìn)行分解,再對其分解系數(shù)進(jìn)行重構(gòu),得到各頻帶的能量值。在各頻帶的電壓能量中,包含了其相應(yīng)的故障信息,由此,提出“能量—故障”模式診斷識別方法[7-8]。本文采用小波包兩層分解后各頻帶的能量作為相應(yīng)故障模式的輸入向量,將三電平逆變器的單相故障進(jìn)行編碼,利用小波包原理對相應(yīng)的故障橋電壓進(jìn)行能量提取,其特征向量如表1所示。
2 SOM神經(jīng)網(wǎng)絡(luò)與模式識別
SOM神經(jīng)網(wǎng)絡(luò)是由芬蘭赫爾辛基大學(xué)神經(jīng)網(wǎng)絡(luò)專家Coonan教授在1981年提出的,其網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖5所示[9],由輸入層與競爭層(輸出層)組成。輸入層與輸出層的神經(jīng)元通過一個權(quán)值實現(xiàn)全連接。
SOM神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法是一種無導(dǎo)師指導(dǎo)與監(jiān)督的聚類方式,當(dāng)學(xué)習(xí)訓(xùn)練結(jié)束后,競爭層中的一個神經(jīng)元只針對某一類輸入矢量最為敏感從而產(chǎn)生最大輸出值,其他的神經(jīng)元只有最小值輸出。因此,對該網(wǎng)絡(luò)中具有最大輸出值的神經(jīng)元標(biāo)以其對應(yīng)的故障標(biāo)號,即可進(jìn)行故障模式的識別與分類。其具體學(xué)習(xí)過程如下:
(1)用[0,1]之間的隨機(jī)數(shù)對輸入層與競爭層之間的連接權(quán)值進(jìn)行初始化。
(2)把標(biāo)準(zhǔn)故障樣本P=[p1,p2,…,pn]T通過輸入層輸入網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
(3)由公式(1)找到使yi具有最大輸出值的神經(jīng)元i,i即為最佳匹配單元C。
(4)為使網(wǎng)絡(luò)經(jīng)過學(xué)習(xí)訓(xùn)練后具有聚類功能,定義NC為C的一個拓?fù)溧徲?。使NC內(nèi)的單元輸出為1,NC外的單元輸出為0。即:
(5)權(quán)值調(diào)整學(xué)習(xí)。對與勝出神經(jīng)元連接的各個權(quán)值進(jìn)行訓(xùn)練修正。其權(quán)值訓(xùn)練公式如下:
其中,w(t)為學(xué)習(xí)因子,當(dāng)其減小到0時,學(xué)習(xí)訓(xùn)練結(jié)束。
(6)判斷網(wǎng)絡(luò)輸出結(jié)果。根據(jù)輸出結(jié)果判斷是否達(dá)到預(yù)先設(shè)定的結(jié)果,若符合預(yù)定結(jié)果則學(xué)習(xí)結(jié)束,否則返回步驟(2),進(jìn)行下一輪的學(xué)習(xí)。
3 SOM網(wǎng)絡(luò)在故障診斷中的應(yīng)用
利用表1中的標(biāo)準(zhǔn)知識樣本對SOM網(wǎng)絡(luò)進(jìn)行訓(xùn)練,本文所設(shè)計的神經(jīng)網(wǎng)絡(luò)輸入矢量元素個數(shù)為10個,輸出層為10×10個神經(jīng)元。應(yīng)用SOM神經(jīng)網(wǎng)絡(luò)對13個標(biāo)準(zhǔn)故障故障樣本進(jìn)行分類,其訓(xùn)練后的故障映射圖如圖6所示。
在SOM網(wǎng)絡(luò)訓(xùn)練結(jié)束后,為了測試其網(wǎng)絡(luò)的泛化識別能力,對輸入樣本增加隨機(jī)數(shù)(隨機(jī)數(shù)范圍0~1之間)的10%的增量作為干擾來進(jìn)行故障模式的識別。選取隨機(jī)數(shù)0.1的10%作為擾動量的識別結(jié)果如表2所示。
從表2中可以看出,SOM網(wǎng)絡(luò)除了第三組測試樣本的診斷結(jié)果與三電平逆變器的實際故障不符合以外,其余診斷結(jié)果完全正確。從中可以得出,SOM網(wǎng)絡(luò)具有較強(qiáng)的學(xué)習(xí)泛化能力。對已經(jīng)學(xué)習(xí)過的樣本,識別率為100%。因此,SOM神經(jīng)網(wǎng)絡(luò)能夠較好地識別三電平逆變器的各類開路故障,較好地完成逆變器的故障診斷。
4 結(jié)論
本文采用的被廣泛用于模式識別與分類領(lǐng)域的SOM網(wǎng)絡(luò),不需要大量的樣本進(jìn)行訓(xùn)練,不僅減小了神經(jīng)網(wǎng)絡(luò)的規(guī)模,同時也縮短了網(wǎng)絡(luò)訓(xùn)練的時間。通過對三電平逆變器的上、中、下3個橋臂電壓進(jìn)行小波包分解提取各頻帶能量值,作為其相應(yīng)的故障特征。實驗診斷結(jié)果表明,將SOM網(wǎng)絡(luò)應(yīng)用于三電平逆變器的開路故障診斷中,不僅可以快速診斷出各故障模式的具體類型,其診斷精度也比較高,其故障模式分類效果很理想,為逆變器的在線故障監(jiān)測與診斷提供了一種很好的智能診斷算法。
參考文獻(xiàn)
[1] 肖剛.三電平逆變器故障診斷研究[D].西安:西安理工大學(xué),2007.
[2] 湯清泉,顏世超,盧松升,等.三電平逆變器的功率管開路故障診斷[J].中國電機(jī)工程學(xué)報,2008,28(21):26-32.
[3] 王俊年,龔明,王海乾.大功率逆變器的鍵合圖模型及故障診斷方法[J].湖南科技大學(xué)學(xué)報:自然科學(xué)版,2014,29(1):24-28.
[4] GONZ?魣LEZ-CONTRERAS B M,RULL?魣N-LARA J L,VELA-VALD?魪S L G,et al.Modelling, simulation and fault diagnosis of the three-phase inverter using bond graph[C].Industrial Electronics,2007.ISIE 2007.IEEE International Symposium on.IEEE,2007:130-135.
[5] LEE J,KIM T,KANG D,et al.A control method for impro-vement of reliability in fault tolerant NPC inverter system[C].Power Electronics Specialists Conference,2006.PESC′06.37th IEEE.IEEE,2006:1-5.
[6] 陳丹江,葉銀忠.基于多神經(jīng)網(wǎng)絡(luò)的三電平逆變器器件開路故障診斷方法[J].電工技術(shù)學(xué)報,2013,28(6):120-126.
[7] 楊勇,郭凱,馬西仃.基于小波包和支持向量機(jī)的提升機(jī)滾動軸承故障診斷研究[J].礦山機(jī)械,2012,40(11):41-44.
[8] 王云亮,孟慶學(xué).基于小波包能量法及神經(jīng)網(wǎng)絡(luò)的電力電子裝置故障診斷[J].電氣自動化,2009,31(2):25-27.
[9] 張德豐.Matlab神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計[M].北京:機(jī)械工業(yè)出版社,2012.