[发明专利]基于多SVDD模型的DC‑DC变换器健康监测与故障预测方法

权利要求书

1.基于多SVDD模型的DC-DC变换器健康监测与故障预测方法，其特征在于该方法包括如下步骤：

步骤1、针对DC-DC变换器进行故障模式、机理及影响分析，根据分析结果得到电路主要的故障模式及故障元件，确定需监测的电路状态信号为输入电压u_i、输入电流i_i、输出电压u_o、输出电流i_o，需计算的性能参数为输出电压平均值U_o、输出纹波电压U_pp和效率η；将每个故障模式的严重性、发生概率划分为了5个等级，依次用1-5表示故障严重性和发生概率的程度，计算二者乘积得到风险系数(Risk Priority Number，RPN)，以风险系数的大小表示故障模式风险等级的高低；

步骤2、采集健康DC-DC变换器的状态信号，计算电路性能参数(U_o、U_pp、η)，进行归一化操作，获取训练样本集，训练多SVDD模型，并基于信息融合方法获取电路在健康状态下的故障特征参数，作为健康基准值；

步骤3、对待测DC-DC变换器进行实时监测，依据步骤2中故障特征参数计算方法，实时获取电路当前k时刻的故障特征参数值H_k，通过比较H_k与健康基准值的大小，对电路进行健康监测，若电路发生异常，则对电路进行故障预测。

2.如权利要求1所述的基于多SVDD模型的DC-DC变换器健康监测与故障预测方法，其特征在于，所述步骤2中，通过对健康DC-DC变换器进行数据采集、构建训练样本、训练SVDD模型及提取故障特征参数，确立DC-DC变换器健康基准值，具体步骤如下：

步骤2.1、将性能指标均满足设计要求的DC-DC电路定义为健康电路，对电路进行多次蒙特卡洛分析，得到电路在无故障容差范围内的多组状态信号，计算电路性能参数U_o、U_pp和η，针对每个性能参数，获取对应训练样本集；

步骤2.2、基于步骤2.1中获取的样本集训练SVDD模型，得到电路健康状态下的3个SVDD模型，定义由输出电压平均值U_o训练得到的SVDD模型为S₁，球心为a₁，球体半径为R₁；由输出纹波电压U_pp训练得到的SVDD模型为s₂，球心为a₂，球体半径为R₂；由效率η训练得到的SVDD模型为s₃，球心为a₃，球体半径为R₃；

步骤2.3、定义DC-DC变换器故障特征参数为各性能参数(U_o、U_pp和η)到对应的健康SVDD模型球心的相对距离加权之和，即为：

H=Σl=13wlrlRl]]>

其中，r_l为待测电路性能参数(U_o、U_pp和η)到对应健康SVDD模型s_l球心的距离(即r₁为U_o到SVDD模型s₁的球心的距离，r₂为U_pp到SVDD模型s₂的球心的距离，r₃为η到SVDD模型s₃的球心的距离)；w_l为对应性能参数(U_o、U_pp和η)的权重，性能参数对应的故障模式的风险系数越大，表明该性能参数越能反映电路的性能退化状况，则其权重越大；

步骤2.4、由于R₁、R₂和R₃是在电路健康状态下对样本训练得到的SVDD模型的半径，因此将R₁、R₂和R₃带入步骤2.3所述故障特征参数的计算公式中，将计算结果作为电路的健康基准值，记为