CRH2牵引变流器故障分析及其诊断方法研究

发布时间：2021-07-09 00:38

　　随着多电平逆变器技术的发展,三电平逆变器在高压、大功率的场合得到了广泛的应用。功率器件的增加提高了系统的故障率,故障问题也越来越突出,其故障诊断的研究逐渐成为电力电子研究的热点问题之一。CRH2型动车组采用了三电平逆变器,其性能作为评估安全高效运行的重要指标之一,相关的故障诊断显得尤为重要。本文从三电平逆变器的拓扑结构和工作原理出发,建立了CRH2型牵引逆变器故障仿真模型,并进行故障分析和分类。在阐述了神经网络的结构、工作原理,小波分析的相关理论及故障诊断方面的应用的基础上,提出了综合小波分析理论和神经网络理论,将其应用于CRH2型牵引变流器的故障诊断的方法。鉴于小波理论优秀的时-频分析能力,本文使用小波理论提取CRH2牵引逆变器故障特征向量信号,作为输入向量加入神经网络进行训练。针对神经网络训练中易陷入局部极小值的缺点,采用遗传算法对神经网络的结构、权值和阈值进行优化,得到改进的故障诊断系统。最后,设计了CRH2型动车组牵引逆变器故障检测平台,采用图形化编程语言LabVIEW编写上位机程序,调用MATLAB程序,实现故障诊断,验证了用遗传算法优化神经网络进行故障诊断的可行性。 

【文章来源】：中南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

CRH2牵引逆变器拓朴结构图

图2-3 CRH2牵引逆变器仿真仿真模型总体上分为两个部分，SVPWM算法部分和CRH2牵引逆变器部分，在图中即为上下两部分。SVPWM算法部分共分为7个小模块。三相电压发生模块作用是产生三相电

3.0266 2.0178 1.0089 0 -1.0089 2.0178 -3.0266将遗传算法优化过的权值和阈值作为神经网络的初始权值和阈值，将样本和输出样本加入到网络中去。网络结构图如下图所示Neural Network


本文编号：3272655