基于LSTM的中点钳位型三电平逆变器故障诊断方法研究与应用
发布时间：2021-01-26 19:29
随着高压、大功率设备的不断应用和变频调速相关技术的飞速发展,如何提高逆变器的稳定性成为社会上广泛关注的问题。逆变器作为变频器中的重要组成部分,因设备结构复杂和工作环境恶劣而容易发生故障。逆变器发生故障后不仅会导致正常的生产作业无法进行,而且还会威胁到工作人员的人身安全。因此,针对常用的中点钳位型（Neutral Point Clamped,NPC）三电平逆变器的故障诊断研究具有重要的工程价值和实际意义。逆变器三相电流信号能够有效的反映设备状态特征信息,因此通常将三相电流信号用于故障诊断。三相电流矢量分析能够提取出电流信号故障特征信息,但是实际工程中电流数据会存在各种噪声干扰,需要研究针对非线性非平稳信号的时频分析方法;时频分析得到的原始特征集会存在大量的冗余和冲突信息,需要利用敏感特征筛选方法进行剔除;对于高维特征集,需要利用降维方法对特征集进行维数缩减,得到判识性能更好的低维特征集;在故障模式识别方面,需要稳定有效的分类器模型用以区分故障状态。为了解决上述问题,具体研究工作如下:（1）分析NPC三电平逆变器工作原理,了解其回路结构和工作方式,确定以故障高发器件IGBT功率开关管为主要...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：92 页
【学位级别】：硕士
【部分图文】：
降维方法总览Figure1-1OverviewofdimensionalityreductionmethodsPCA与LDA作为常用的特征降维方法，在对高维数据做降维处理上有着广
1绪论7图1-2论文结构框图Figure1-2Structurediagram第一章：首先阐述研究背景、意义和国内外研究现状，然后介绍本文的结构框架和研究内容。第二章：分析NPC三电平逆变器电路结构，介绍其工作原理；介绍了逆变器故障特性和故障分类；分析仿真和实测两种数据的数据波形和特点。第三章：首先介绍基于CEEMDAN的故障特征提取方法，然后介绍一种融合调整兰德指数和随机森林的故障敏感特征筛选方法，并进行实验分析。第四章：采用KPCA降维方法对高维故障敏感特征进行维数缩减，研究LSTM相关算法，并利用PSO算法优化其时间窗口大孝批处理大小和隐藏层单元个数三种初始参数，构建NPC三电平逆变器故障诊断模型，采用多组实验对比验证本文构建故障诊断模型的有效性和稳定性。第五章：基于.net平台，利用C#语言编写人机交互界面，结合Neo4J图数据库、Protégé本体描述工具和MATLAB软件平台，搭建三电平逆变器状态监测与故障诊断系统。第六章：对全文工作进行总结，并对不足之处提出未来的研究方向。
NPC三电平逆变器电路结构
【参考文献】：
期刊论文
[1]一种数据增强与混合神经网络的异常流量检测[J]. 连鸿飞,张浩,郭文忠. 小型微型计算机系统. 2020(04)
[2]三电平逆变器开路故障诊断研究[J]. 万红,任晓红,范晋瑜,俞啸,丁恩杰. 工矿自动化. 2020(04)
[3]基于深度学习的电机轴承微小故障智能诊断方法[J]. 宫文峰,陈辉,张美玲,张泽辉. 仪器仪表学报. 2020(01)
[4]D2D中继辅助通信的能效优化算法研究[J]. 王雪,金涛,钱志鸿,胡良帅,王鑫. 通信学报. 2020(03)
[5]交流电机变频调速控制系统研究[J]. 苗立伟. 中国设备工程. 2020(05)
[6]基于CEEMDAN样本熵与FWA-SVM的高压断路器机械故障诊断[J]. 赵书涛,马莉,朱继鹏,李建鹏,赵慧. 电力自动化设备. 2020(03)
[7]基于EEMD和LSTM的短期风速预测模型研究[J]. 陆冰鉴,周鹏,王兴,周可. 软件工程. 2020(03)
[8]基于互补集合经验模态分解和长短期记忆神经网络的短期电力负荷预测[J]. 赵会茹,赵一航,郭森. 中国电力. 2020(06)
[9]一种单级三相Cuk三电平逆变器研究[J]. 王立乔,韩啸,石珊珊. 中国电机工程学报. 2020(13)
[10]变频调速技术在风机、水泵节能改造中的应用[J]. 胡然,阮治杰,孟献金. 化工管理. 2020(06)
博士论文
[1]基于多传感器数据融合的高速列车传动系统故障诊断与健康状态预测[D]. 乔宁国.吉林大学 2019
[2]数据驱动的滚动轴承故障特征分析与诊断方法研究[D]. 俞啸.中国矿业大学 2017
[3]复杂场景下基于中层语义表示的视频异常事件检测的研究[D]. 胡兴.上海交通大学 2016
[4]大功率三电平变频器功率器件损耗研究[D]. 景巍.中国矿业大学 2011
硕士论文
[1]基于EMD的混合脑电特征提取算法研究及优化[D]. 王龙强.南京邮电大学 2019
[2]基于EEAE-LSTM多模型融合算法的燃气负荷预测[D]. 王晓霞.上海师范大学 2019
[3]基于LSTM的人体行为识别方法研究[D]. 韩丽丽.北京交通大学 2019
[4]基于LSTM循环神经网络的BTA钻头磨损监测技术研究[D]. 王毫.西安理工大学 2019
[5]基于复数据经验模态分解和随机森林理论的风电机组多域特征故障诊断研究[D]. 马富齐.西安理工大学 2019
[6]分布式光纤振动传感系统模式识别方法研究[D]. 付群健.吉林大学 2019
[7]基于数据驱动的三电平逆变器故障诊断研究[D]. 范晋瑜.中国矿业大学 2019
[8]基于MODWPT与随机森林的模拟电路故障诊断研究[D]. 胡含兵.湖南师范大学 2019
[9]基于电流法和电压法的三相逆变器开路故障诊断方法研究[D]. 张建建.电子科技大学 2019
[10]基于Matlab故障仿真的变频器主电路故障诊断方法研究[D]. 赵海龙.哈尔滨理工大学 2019
本文编号：3001690
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：92 页
【学位级别】：硕士
【部分图文】：
降维方法总览Figure1-1OverviewofdimensionalityreductionmethodsPCA与LDA作为常用的特征降维方法，在对高维数据做降维处理上有着广
1绪论7图1-2论文结构框图Figure1-2Structurediagram第一章：首先阐述研究背景、意义和国内外研究现状，然后介绍本文的结构框架和研究内容。第二章：分析NPC三电平逆变器电路结构，介绍其工作原理；介绍了逆变器故障特性和故障分类；分析仿真和实测两种数据的数据波形和特点。第三章：首先介绍基于CEEMDAN的故障特征提取方法，然后介绍一种融合调整兰德指数和随机森林的故障敏感特征筛选方法，并进行实验分析。第四章：采用KPCA降维方法对高维故障敏感特征进行维数缩减，研究LSTM相关算法，并利用PSO算法优化其时间窗口大孝批处理大小和隐藏层单元个数三种初始参数，构建NPC三电平逆变器故障诊断模型，采用多组实验对比验证本文构建故障诊断模型的有效性和稳定性。第五章：基于.net平台，利用C#语言编写人机交互界面，结合Neo4J图数据库、Protégé本体描述工具和MATLAB软件平台，搭建三电平逆变器状态监测与故障诊断系统。第六章：对全文工作进行总结，并对不足之处提出未来的研究方向。
NPC三电平逆变器电路结构
【参考文献】：
期刊论文
[1]一种数据增强与混合神经网络的异常流量检测[J]. 连鸿飞,张浩,郭文忠. 小型微型计算机系统. 2020(04)
[2]三电平逆变器开路故障诊断研究[J]. 万红,任晓红,范晋瑜,俞啸,丁恩杰. 工矿自动化. 2020(04)
[3]基于深度学习的电机轴承微小故障智能诊断方法[J]. 宫文峰,陈辉,张美玲,张泽辉. 仪器仪表学报. 2020(01)
[4]D2D中继辅助通信的能效优化算法研究[J]. 王雪,金涛,钱志鸿,胡良帅,王鑫. 通信学报. 2020(03)
[5]交流电机变频调速控制系统研究[J]. 苗立伟. 中国设备工程. 2020(05)
[6]基于CEEMDAN样本熵与FWA-SVM的高压断路器机械故障诊断[J]. 赵书涛,马莉,朱继鹏,李建鹏,赵慧. 电力自动化设备. 2020(03)
[7]基于EEMD和LSTM的短期风速预测模型研究[J]. 陆冰鉴,周鹏,王兴,周可. 软件工程. 2020(03)
[8]基于互补集合经验模态分解和长短期记忆神经网络的短期电力负荷预测[J]. 赵会茹,赵一航,郭森. 中国电力. 2020(06)
[9]一种单级三相Cuk三电平逆变器研究[J]. 王立乔,韩啸,石珊珊. 中国电机工程学报. 2020(13)
[10]变频调速技术在风机、水泵节能改造中的应用[J]. 胡然,阮治杰,孟献金. 化工管理. 2020(06)
博士论文
[1]基于多传感器数据融合的高速列车传动系统故障诊断与健康状态预测[D]. 乔宁国.吉林大学 2019
[2]数据驱动的滚动轴承故障特征分析与诊断方法研究[D]. 俞啸.中国矿业大学 2017
[3]复杂场景下基于中层语义表示的视频异常事件检测的研究[D]. 胡兴.上海交通大学 2016
[4]大功率三电平变频器功率器件损耗研究[D]. 景巍.中国矿业大学 2011
硕士论文
[1]基于EMD的混合脑电特征提取算法研究及优化[D]. 王龙强.南京邮电大学 2019
[2]基于EEAE-LSTM多模型融合算法的燃气负荷预测[D]. 王晓霞.上海师范大学 2019
[3]基于LSTM的人体行为识别方法研究[D]. 韩丽丽.北京交通大学 2019
[4]基于LSTM循环神经网络的BTA钻头磨损监测技术研究[D]. 王毫.西安理工大学 2019
[5]基于复数据经验模态分解和随机森林理论的风电机组多域特征故障诊断研究[D]. 马富齐.西安理工大学 2019
[6]分布式光纤振动传感系统模式识别方法研究[D]. 付群健.吉林大学 2019
[7]基于数据驱动的三电平逆变器故障诊断研究[D]. 范晋瑜.中国矿业大学 2019
[8]基于MODWPT与随机森林的模拟电路故障诊断研究[D]. 胡含兵.湖南师范大学 2019
[9]基于电流法和电压法的三相逆变器开路故障诊断方法研究[D]. 张建建.电子科技大学 2019
[10]基于Matlab故障仿真的变频器主电路故障诊断方法研究[D]. 赵海龙.哈尔滨理工大学 2019
本文编号：3001690
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3001690.html
