[发明专利]针对轨道列车牵引变流器的开路故障诊断方法及系统有效
申请号: | 202010807693.0 | 申请日: | 2020-08-12 |
公开(公告)号: | CN111983414B | 公开(公告)日: | 2022-07-29 |
发明(设计)人: | 陈志文;徐佳敏;伍晓赞;樊欣宇;彭涛;任浩 | 申请(专利权)人: | 中南大学 |
主分类号: | G01R31/26 | 分类号: | G01R31/26;G01R31/40;G06K9/62;G06N3/04 |
代理公司: | 长沙朕扬知识产权代理事务所(普通合伙) 43213 | 代理人: | 何湘玲 |
地址: | 410083 *** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 针对 轨道 列车 牵引 变流器 开路 故障诊断 方法 系统 | ||
1.一种针对轨道列车牵引变流器的开路故障诊断方法,其特征在于,包括:
根据整流器拓扑结构建立整流器结构模型并列出包含故障变量在内的物理方程组,根据工业现场条件确定整流器的故障类型,设置传感器以获得故障诊断数据集;所述物理方程组,包括:
e1: e2:
e3: e4:
e5:uab=func1(Sa-Sb,f_Sab1,f_Sab2,f_Sab3,f_Sab4)·Udc
e6:iZ=func1(Sa-Sb,f_Sab1,f_Sab2,f_Sab3,f_Sab4)·iqc
e7:idc=iZ-i2-iL
e8:f_Sab1=func2(Sa-Sb,fIGBT1) e9:f_Sab2=func3(Sa-Sb,fIGBT2)
e10:f_Sab3=func4(Sa-Sb,fIGBT3) e11:f_Sab4=func5(Sa-Sb,fIGBT4)
e12:yuN=uN e13:
e14: e15:
e16: e17:
e18: e19:
其中,各变量含义如下:
iqc为四象限输入电流;Udc为中间直流电压;i2为二次谐振电流;u2为二次谐振电压;uab为四象限整流器输入电压;iz为四象限整流器输出电流;idc为支撑电容电流;iL为负载电流;diqc为四象限输入电流微分;dUdc为中间直流电压微分;di2为二次谐振电流微分;du2为二次谐振电压微分;Sa和Sb为四象限整流器开关函数;f_Sab1为IGBT1开路时等效开关函数;f_Sab2为IGBT2开路时等效开关函数;f_Sab3为IGBT3开路时等效开关函数;f_Sab4为IGBT4开路时等效开关函数;yuN为次边电压传感器采样值;yiqc为四象限电流传感器采样值;yUdc1为中间电压一传感器采样值;yUdc2为中间电压二传感器采样值;fyiqc为四象限输入电流传感器故障;fyUdc1为中间电压一传感器故障;fyUdc2为中间电压二传感器故障;fIGBT1为整流器模块IGBT1开路故障;fIGBT2为整流器模块IGBT2开路故障;fIGBT3为整流器模块IGBT3开路故障;fIGBT4为整流器模块IGBT4开路故障;C2为二次谐振电容;L2为二次谐振电感;Cd为支撑电容;RN为牵引变压器次边漏阻;LN为牵引变压器次边漏感;
其中,函数式func1~func5定义如下:
所述故障类型,包括:
A、传感器测量值与实际电流电压值之间存在的偏差;包括:四象限输入电流传感器故障fyiqc、中间电压一传感器故障fyUdc1和中间电压二传感器故障fyUdc2;
B、因IGBT管故障导致的整流器状态与其真实状态不符;包括:整流器模块IGBT1开路故障fIGBT1、整流器模块IGBT2开路故障fIGBT2、整流器模块IGBT3开路故障fIGBT3以及整流器模块IGBT4开路故障fIGBT4;
根据物理方程组构建用于故障诊断的残差,并根据残差与故障的关系生成诊断决策表;
所述故障诊断的残差,包括如下七个残差表达式:
R1:R1=yUdc1-yUdc2;
R2:
R3:
R4:
R5:
R6:
R7:
其中i为1、2、3、4分别代表四个IGBT管,Safi,Sbfi代表对应IGBT管出现开路故障时的实际四象限整流器开关函数值;
计算出故障诊断数据集中每个数据对应的残差值,通过所述诊断决策表对每个数据进行初步的故障诊断,将故障诊断数据集中所有数据按故障类型进行预分类,并按照所述预分类构造数据集中各数据之间的关联关系图;按照所述预分类构造数据集中各数据之间的关联关系图,包括:
将所有数据代入残差表达式得到残差值,将残差值与诊断阈值比较,并结合故障诊断决策表得到每个数据的故障预分类;
将在故障预分类中被分为同一类的数据设置为彼此之间具有关联关系,由此得到一张包含顶点及边在内的关联关系图;关联关系图中,每一个顶点代表数据集中的一个数据,两顶点间的连线形成的边表示两顶点存在关联,所述关联为两顶点同属于一种故障类型;
将所述关联关系图转化为关联关系矩阵,将所述关联关系矩阵作为先验知识并构造图卷积神经网络,在网络前向传播公式中使用关联关系矩阵,并对图卷积神经网络进行迭代训练直至完成收敛;
将所述故障诊断数据集输入到训练好的图卷积神经网络中,以图卷积神经网络的输出作为最终的故障诊断预测结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中南大学,未经中南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010807693.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种飞行仿生控制手臂救援机器人
- 下一篇:一种手术治疗盘的折弯板自动打孔机构