功率变换器故障辨识与健康状态评估关键技术研究

发布时间：2020-07-06 13:18

【摘要】：电力电子系统已在新能源发电、智能电网、电动汽车、轨道交通、航空航天等领域得到广泛应用。随着多电/全电飞机、电力系统电力电子化、电力电子变压器等概念的提出,各领域对电力电子系统可靠性、安全性、保障效能的要求也逐渐提升。为降低由于系统性能降级或故障造成的危害与经济损失,故障预测与健康管理(Prognostics and Health Management,PHM)受到了当前国内外研究机构及工业界的极大重视与推广应用,可有效提前预告故障发生、预报系统剩余使用寿命、最大限度减少计划外维护次数、降低全寿命周期费用。本文研究功率变换器PHM的故障诊断、状态监测及健康状态评估技术,主要研究内容与创新点包括:(1)研究了基于改进深度信念网络(DBN)模型的功率变换器结构性故障诊断方法。由于功率变换器故障模式类型较多时不同故障类型间的故障特征存在相似性,导致传统浅层神经网络诊断方法难以有效地在该情形下进行识别与定位。为此,基于深度信念网络的优越模式识别能力,提出一种基于CSA-DBN的单端初级电感变换器(SEPIC)结构性故障诊断方法,通过乌鸦搜索算法(CSA)优化隐含层节点数以提高DBN网络对故障模式类型较多情形时的分类性能,从而增强故障检测能力以准确判别故障类型。(2)研究了基于堆栈去噪自动编码器(SDAE)自动提取特征的无刷直流电机全桥式逆变器开关管开路故障诊断方法。针对传统人工提取特征存在的不确定性及优选特征引起的复杂性等问题,即采取何种信号处理手段进行提取特征以及分析何种特征对各类故障模式较为敏感。鉴于深度学习网络具有自适应逐层提取特征以及可建立数据样本与故障模式间映射关系的能力,提出基于SDAE进行提取三相电流深层故障特征信息,以实现逆变器开关管开路故障类型的准确识别与定位。(3)全面考虑关键元器件(二极管、电感、功率MOSFET及电解电容)寄生参数对Boost变换器性能退化的影响,推导了Boost变换器以功率MOSFET漏源极电压及电路输出电压为状态变量的混杂系统模型。提出一种非侵入式功率变换器参数性故障辨识方法,将参数辨识问题转换为多变量目标函数寻优问题,采用混沌鲸鱼优化算法(CWOA)求解适应度函数以获取各关键元器件的故障特征参数值。克服了传统基于电感电流与输出电压为状态变量而无法准确独立辨识二极管通态内阻、电感内阻及功率MOSFET漏源极导通电阻的难题。(4)研究了一种基于改进核极限学习机(KELM)的数据驱动方法实现功率变换器无源器件特征参数辨识目的,采用CSA算法优化核函数超参数以提高参数估计精度与稳定性。克服由于元器件与变换器等效电路模型较为复杂时而难以准确依据数学模型描述其动态行为的难题。仅需采集二极管两端电压及电路输出电压即可辨识Buck变换器的电感与电解电容特征参数。(5)针对工作温度变化会导致元器件特征参数估计值与失效标准(25℃条件下)不统一,致使健康状态评估结果不准确。通过实验研究分别建立电解电容特征参数C、RC及功率MOSFET漏源极导通电阻Ron与工作温度间的数学模型,从而获得元器件特征参数归一化因子模型;同时,基于元器件失效标准提出了可定量评估电解电容与功率MOSFET健康状态的健康指数HI表达式。研究了采用无迹粒子滤波(UPF)动态更新归一化因子模型参数的方法,从而实现变工作温度下Boost变换器关键元器件健康状态评估。
【学位授予单位】：南京航空航天大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TM46
【图文】：

基于电解电容中频段特性的特征参数RC估计方法

图 2.15 堆栈去噪自动编码器网络结构与训练过程DAE 的三相全桥逆变器故障诊断方法无刷直流电机驱动电路原理图如图 2.16 所示，其中，T1~T6 二极管，无刷直流电机（ Brushless DC Motor ， BLDCM，即采用上管 PWM 调制，下管恒通的方式[78]，输入电压为 48管开路故障情形，因此 BLDCM 驱动电路在包含正常工作状态作模式 Fno、T1 管开路故障 FT1、T2 管开路故障 FT2、T3 管开路T5 管开路故障 FT5、T6 管开路故障 FT6。NT1T3TTTT5A相B相C相VinD1D3D5iaibic

按照步长为 100 逐步增加的方式进行改变，同时设置第二层隐含层隐含层节点的一半，即 nh2= nh1/2；另外，噪声因子 pn设置为 0.4，基于 SDAE 所得三相逆变器故障诊断结果的影响。为降低实验的偶 10 次实验，即对训练集和测试集随机选取 10 次进行故障诊断实验实验结果如图 2.23 所示。

【参考文献】

相关期刊论文 前10条

1 姜媛媛;王友仁;吴;孙权;罗慧;;基于小波包能量谱和ELM的光伏逆变器多故障在线诊断[J];仪器仪表学报;2015年09期

2 崔江;王强;龚春英;;结合小波与Concordia变换的逆变器功率管故障诊断技术研究[J];中国电机工程学报;2015年12期

3 刘大同;周建宝;郭力萌;彭宇;;锂离子电池健康评估和寿命预测综述[J];仪器仪表学报;2015年01期

4 程泽;董梦男;杨添剀;韩丽洁;;基于自适应混沌粒子群算法的光伏电池模型参数辨识[J];电工技术学报;2014年09期

5 崔建国;林泽力;陈希成;吕瑞;齐义文;蒋丽英;;飞机液压系统健康状态综合评估技术研究[J];控制工程;2014年03期

6 王少萍;;大型飞机机载系统预测与健康管理关键技术[J];航空学报;2014年06期

7 褚文博;罗禹贡;陈龙;李克强;;分布式电驱动车辆的无味粒子滤波状态参数联合观测[J];机械工程学报;2013年24期

8 莫固良;汪慧云;李兴旺;单添敏;;飞机健康监测与预测系统的发展及展望[J];振动.测试与诊断;2013年06期

9 王强;王友仁;张子富;宋哲;;无刷直流电机驱动系统逆变器的开路故障诊断[J];中国电机工程学报;2013年24期

10 吴yN;王友仁;姜媛媛;林华;;基于特征参数退化的DC/DC变换器故障预测[J];仪器仪表学报;2013年06期

相关博士学位论文 前4条

1 王禹玺;多能源储能系统中三相逆变器故障诊断方法与参数辨识的研究[D];浙江大学;2016年

2 王强;无刷直流电机无位置传感器起动控制与逆变器故障诊断研究[D];南京航空航天大学;2015年

3 徐盛友;功率模块IGBT状态监测及可靠性评估方法研究[D];重庆大学;2013年

4 周生奇;功率变流装置中IGBT器件缺陷辨识研究[D];重庆大学;2012年

相关硕士学位论文 前6条

1 沈茜;基于参数辨识的电力电子电路故障预测技术研究[D];南京航空航天大学;2017年

2 王书锋;机载电子设备在线可靠性评估与剩余寿命预测方法研究[D];南京航空航天大学;2014年

3 吴yN;电力电子电路故障特征参数提取与健康预报研究[D];南京航空航天大学;2013年

4 杨宽;基于混杂系统理论的电力电子电路建模与控制研究[D];北京交通大学;2010年

5 王林国;基于混杂系统模型的电力电子电路参数性故障诊断[D];浙江大学;2006年

6 毛兴云;基于混杂系统理论的电力电子电路参数辨识[D];浙江大学;2005年

本文编号：2743685