导读中科院合肥物理所高戈教授和李江教授课题组对脉宽调制转换器的故障诊断进行了研究,提出了一种神经网络故障诊断算法,解决了该领域存在的问...
中科院合肥物理所高戈教授和李江教授课题组对脉宽调制转换器的故障诊断进行了研究,提出了一种神经网络故障诊断算法,解决了该领域存在的问题。场地。结果发表在IEEETransactionsonPowerElectronics上。
脉宽调制具有高效率、高功率密度和高可靠性的优点。但由于驱动系统的复杂性和聚变联合操作的多样性,脉宽调制电压源变流器系统容易出现严重故障。因此,故障诊断技术的研究备受关注,尤其是开路故障诊断,是科学家们一直关注的课题。
目前的故障诊断方法只处理整流状态或逆变状态。理论分析表明,两种状态下的故障特征量具有完全不同的特征且复杂,增加了故障诊断的难度。
本研究在应用所提算法时,仅以三相网侧电流作为故障诊断的特征量,在整流和逆变状态下诊断出21类故障。
“与传统的卷积神经网络架构不同,精心设计的设计可以增加网络的深度和宽度,同时保持计算预算不变,”该研究的第一作者邓曦博士说。“这样可以更好地利用网络内部的计算资源。”
实验结果表明,该模型无需增加传感器即可在12.83ms(<3/4周期)内准确检测出约99.14%的开路开关故障。
该研究为聚变发电系统安全稳定运行提供了基础,也为其他领域提供了参考价值。