[发明专利]一种逆变器开路故障诊断方法和系统

权利要求书

1.一种逆变器开路故障诊断方法，其特征在于，包括：

S1：采集逆变器在不同工作状态下的输出电压信号；

S2：对不同工作状态下的输出电压信号进行预处理，获得预处理电压信号；

S3：利用预处理电压信号对构建的基于Wave-U-Net神经网络的故障诊断模型进行训练，获得训练好的故障诊断模型；

S4：将待诊断的逆变器的实时输出电压信号输入训练好的故障诊断模型中，获得待诊断的逆变器的开路故障诊断结果；

所述构建的基于Wave-U-Net神经网络的故障诊断模型包括依次连接Wave-U-Net神经网络子模型、差运算层和CNN神经网络子模型；Wave-U-Net神经网络子模型的输入端还与差运算层的输出端连接；

所述Wave-U-Net神经网络子模型包括依次连接的N个下采样块、第一卷积层 、N个上采样块和第二卷积层；N个下采样块包括第1下采样块、第2下采样块、、第i下采样块、、第N下采样块；N个上采样块包括第1上采样块、第2上采样块、、第i上采样块、、第N上采样块；

第1下采样块的输入端还与第二卷积层的输入端连接；第i下采样块的输出端还与第i上采样块的输入端连接，；

每个下采样块的结构相同，包括依次连接的第一一维卷积层和下采样层；

每个上采样块的结构相同，包括依次连接的上采样层和第二一维卷积层；

步骤S3的具体方法为：

将预处理电压信号输入构建的基于Wave-U-Net神经网络的故障诊断模型中，Wave-U-Net神经网络子模型对预处理电压信号提取高层次特征和低层次特征，并将所述高层次特征和低层次特征进行融合，获得还原电压信号，并传递至差运算层；

所述差运算层对预处理电压信号和还原电压信号进行差运算，获得波形误差值，并传递至CNN神经网络子模型；

所述CNN神经网络子模型根据波形误差值对预处理电压信号进行分类操作；

利用监督学习的方法，将逆变器的工作状态和波形误差值相对应，基于反向传播算法和Adam优化器进行优化训练，获得故障诊断模型的最优网络权重参数并保存，进而获得训练好的故障诊断模型。

2.根据权利要求1所述的逆变器开路故障诊断方法，其特征在于，步骤S1中，不同工作状态包括正常工作状态和开路故障状态；

逆变器在正常工作状态下，输出电压信号的波形为对称的正弦波，无失衡和谐波现象；

所述开路故障状态包括单相开路故障状态、两相开路故障状态和三相开路故障状态；

逆变器在单相开路故障状态下，输出电压信号的波形出现失衡和三次谐波现象；

逆变器在两相开路故障状态下，输出电压信号的波形出现失衡和五次谐波现象；

逆变器在三相开路故障状态下，输出电压信号的波形消失。

3.根据权利要求2所述的逆变器开路故障诊断方法，其特征在于，所述预处理包括滤波处理和插值处理。