摘要
针对二极管钳位式三电平逆变器的开路故障,为了准确、可靠地定位出发生故障的功率管,建立了基于杂交粒子群算法优化BP神经网络的故障诊断模型。分析了单管故障与双管故障输出电流信号的特点,将NPC三电平逆变器所有的故障进行编码,以傅里叶变换提取三相输出电流的直流分量、基波幅值、基波相位以及二次谐波相位作为故障特征向量建立神经网络,并用杂交粒子群算法将其优化。仿真结果表明,该模型能够准确诊断NPC三电平逆变器单管故障与双管故障,并且杂交粒子群算法优化能力优于基本粒子群算法。
引文
[1]于泳,蒋生成,杨荣峰,等.变频器IGBT开路故障诊断方法[J].中国电机工程学报,2011.
[2]陈丹江,叶银忠.基于多神经网络的三电平逆变器器件开路故障诊断方法[J].电工技术学报,2013,28(06):120-126.
[3]邱世广,李梅.一种三电平NPC逆变器IGBT开路判别方法[J].工矿自化,2014,40(09):99-102.
[4]肖刚.三电平逆变器故障诊断研究[D].西安:西安理工大学,2007.
[5]姚轩宇.基于神经网络的三电平逆变器故障诊断研究[D].安徽:安徽工程大学,2015.
[6]张国锋.多电平逆变器的故障建模及诊断[D]长沙:中南大学,2012.
[7]王鹏珍.基于小波神经网络的光伏并网逆变器的故障诊断研究[D].宁夏:宁夏大学,2017.
[8]崔力慧,刘洋.三电平逆变器IGBT开路的复杂故障检测[J].山东科技大学学报(自然科学版),2017,36(04):108-114.
[9]姜立昌.多电平逆变器IGBT故障诊断方法的研究[D].天津:河北工业大学,2014.
[10]高芳.智能粒子群优化算法研究[D].哈尔滨:哈尔滨工业大学,2008.
[11]王福忠,姚磊,苗纪青.基于改进粒子群优化算法的提升机制动系统故障诊断[J].测控技术,2017,36(07):146-150.