基于三相电流检测的逆变器开路故障诊断及容错方案研究

为解决逆变器开路故障诊断问题及充分利用剩余桥臂资源,针对基于矢量控制的异步电机驱动系统中逆变器开路故障诊断及容错方案,采用逆变器输出三相电流信号作为特征参数,利用小波分析理论提取特征向量,进而通过支持向量机(SVM)判断逆变器是否故障。当SVM检测到逆变器故障时,逆变器由传统的六开关拓扑切换为四开关拓扑,采用四开关模式"七段式"空间矢量脉宽调制(SVPWM)算法调制。通过计算机仿真验证了SVM诊断逆变器开路故障及四开关容错控制的正确性和有效性。     

基于EEMD模糊熵和GA-SVM的牵引网故障诊断研究

牵引网发生故障时，如何快速诊断故障对维护铁路的正常运输秩序有极大影响，针对这一问题，提出一种基于EEMD模糊熵和GA-SVM的故障诊断方法。选取牵引网馈线电压在故障发生时刻后两个周期的故障分量波形作为原始故障信号，首先，对其进行EEMD分解得到一系列的本征模态函数(IMF)分量，选取IMF1～IMF3分量并计算其模糊熵作为表征不同故障类型的特征量；然后，为对故障类型进行诊断，建立多分类支持向量机(SVM)模型，将特征量输入至SVM模型中进行训练和识别；同时，为使模型的性能达到最佳，采用遗传算法(GA)对模型进行优化。测试结果表明，该方法能够有效地对5种典型牵引网故障进行诊断，且准确率达到了96%,验证了该方法的可行性。     

基于贝叶斯网络的牵引逆变器开路故障多特征融合诊断方法

为了增强牵引逆变器开路故障诊断方法对于不确定因素的免疫能力,提出一种基于贝叶斯网络的信息融合诊断方法。以牵引逆变器输出侧的电流和电压为信号源,提取小波包熵特征,采用主成分分析法对原始特征进行降维,使用贝叶斯参数估计法融合降维后的特征量,得到信息互补的新的特征向量。利用贝叶斯网络对融合后的新的特征向量进行识别,对不同观测值情况下的最大后验概率估计结果进行信息融合并做出决策,进而完成故障诊断。建立仿真模型,与使用K均值算法的故障分类情况做对比,验证不同转速和白噪声情况下所提故障诊断方法的有效性。研究结果表明:所提方法能够对牵引逆变器IGBT的单管和双管开路故障进行准确检测与定位,能够去除冗余信息和互补有效信息,具有一定的抗干扰能力,准确率高,适应性强。     

基于ICEEMDAN-MPE-RF和SVM的齿轮箱特征提取与故障诊断

针对齿轮箱非平稳振动信号特征提取难、特征向量冗余度高和故障识别率低的问题，提出基于改进的自适应噪声完备集成经验模态分解（Improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN）、多尺度排列熵（Multi-scale permutation entropy,MPE）、随机森林（Random forest,RF）特征重要性排序和支持向量机（Support vector machine,SVM）的齿轮箱特征提取与故障诊断方法。首先，通过ICEEMDAN将各种故障状态的齿轮振动信号分解为一系列不同频率分布的本征模态分量（Intrinsic mode functions,IMF）；然后，计算各阶IMF的MPE值获得非平稳信号时频分布下的非线性动力学特征；最后，通过RF算法评估特征重要性，选择高重要性敏感特征组成最优特征子集输入SVM进行故障模式识别。试验结果表明，该方法特征提取和表征能力强，在不同工况下的平均识别率可达99.79%，在多工况和小样本数据集上比其他方法更具稳健性。     

基于小波分析的光伏并网逆变器故障诊断

针对光伏并网逆变器的故障检测与智能在线诊断问题,提出了一种C3C3逆变器故障特征提取方法。该方法以逆变器输出三相电流的小波分析结果作为判断依据,将故障信号的近似分量和细节分量相结合作为故障特征向量,利用神经网络的分类功能,实现对光伏并网逆变器的故障诊断。该方法无需电压信号和人工参与,硬件实现简单,且抗干扰性强。仿真实验结果证明了该方法的有效性。     

基于SVPWM的三电平逆变器仿真研究

分析三电平逆变器的结构及工作原理，研究将电压空间矢量控制技术（SVPWM）应用在三电平逆变器上的方法，并通过仿真，验证算法的可行性。     

基于CEEMDAN与KFCM聚类的转辙机退化状态识别方法

针对道岔转换设备在使用寿命内的功率信号特征提取与退化状态识别问题，提出基于自适应白噪声完备经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）与核模糊C均值聚类（Kernel-based Fuzzy C-Means clustering,KFCM）相结合的转辙机退化状态识别方法。首先，对S700K转辙机采集的功率曲线数据进行模态分解，得到多个固有模态函数（Intrinsic Mode Functions,IMFs），通过IMFs的能量幅值获得表征数据退化过程的特征向量；然后，由KFCM算法对特征向量进行转辙机退化状态识别，并进行状态划分；最后，通过计算分类系数和平均模糊熵对该方法的分类性能进行综合评估，并与模糊C均值聚类（Fuzzy C-Means clustering,FCM）和GK (Gustafson Keseel)聚类算法进行比较。结果表明：该方法聚类效果准确率达95.6%，优于FCM和GK聚类算法，能对转辙机的退化状态进行科学划分，为铁路现场道岔设备健康状态监测提供...     

SVPWM控制三电平逆变器的电压调节

文章用简单的电压幅值伏-秒叠加的方法,求解SVPWM控制的三电平逆变器的输出电压调节问题.给出在不同给定电压范围内,用基本电压空间矢量合成给定电压的计算方法,为三电平逆变器控制系统结构和应用软件工程设计提供了参考.     

新型五电平混合级联逆变器的仿真研究

为减少传统混合级联逆变器所需的独立直流源，最近提出的一种新型混合级联逆变器。这种逆变器只需要一个直流源就可以实现三相五电平或七电平输出，缺点是，需采用一个三电平逆变单元。为此，文章提出了用两电平逆变单元代替三电平逆变单元构成另一种新型五电平混合级联逆变器，可使逆变器的电路结构得到简化。仿真证实了新型逆变器直流源以利用率下降并不显著，这种方法是可行的。     

基于空间电压矢量控制的三电平逆变器

目前采用三电平逆变器是实现大容量、中高压电机调速系统的主要方式之一。介绍了二极管中点箝位型三电平逆变器主电路的结构和空间电压矢量控制的原理。对三电平逆变器进行了仿真，并给出了仿真结果。     

改善交流机车低速性能的SVPWM控制

交流电力机车三电平逆变器-异步电动机系统采用SVPWM控制时,在低速启动阶段,希望正多边形磁链轨迹尽可能接近圆形,使异步牵引电动机三相对称电压近似正弦,以使启动过程更加平稳.文章分析得出系统在低速、低电压工作区,以增加磁链正多边形边数,减小零电压矢量加入时间的电压空间矢量的合成方法,达到改善系统的低速性能的目的.     

改进的SVM用于主变流器故障诊断

针对机车主变流器故障,借助Matlab中的Simulink工具箱,仿真得到了主变流器发生不同故障时相应的电路输出电压;采用小波分析对输出电压进行信号处理,提取故障特征,构造特征向量,获得蕴涵电路故障信息的样本;利用SVM工具箱构建多故障分类器,并对故障样本进行诊断。由于SVM在无限空间建立分类超平面,容易导致误分类,针对此问题,提出了改进方法,使SVM在确定的有限空间进行分类。最后用仿真样本进行了训练和测试。实验结果表明诊断效果良好,实现了预期目标。     

交流传动系统三电平逆变器的实时仿真

本文对二极管箝位型三电平逆变器进行研究，分析了逆变器的电流电压关系和死区效应，利用开关函数建立了逆变器电压及电流的Simulink实时模型，给咄了基于dSPACE实时仿真环境的逆变器一异步电机实时仿真系统的实现方法。试验结果验证了模型和仿真方法的正确性。     

三相四线并联型无功补偿与有源滤波装置的研究

研究了三相四线并联型无功补偿与有源滤波装置的工作原理和控制方法，该装置利用同步旋转坐标变换方法分析系统电压和负载电流，生成实时指令电流，并控制电压源逆变器输出补偿电流，达到综合补偿电力系统的谐波、无功，并解决负载不对称运行等问题的目的。     

基于EEMD能量熵-LPP的高速列车转子系统故障特征提取方法

针对高速列车轴承转子系统微弱故障特征提取难的问题,提出了一种基于EEMD能量熵-LPP的高速列车转子系统故障特征提取方法。该方法结合EEMD、能量熵和LPP,首先对振动信号进行EEMD自适应分解,计算高频IMF分量的能量熵获得高维特征向量集完成初步特征提取;然后通过LPP算法将高维特征向量集投影到低维空间对特征进一步提取形成低维样本集,在保留故障特征的局部几何结构信息的同时降低特征数据的复杂度,提高故障模式识别的分类性能;最后将低维样本集输入到KNN分类器中进行故障识别。通过比较初次提取特征和再次提取特征,结果表明该模型具有优越的聚类性能,可准确地识别几种常见的高速列车转子系统故障类型。     

基于形态学滤波和CEEMDAN-WVD的车轮失圆诊断

现有列车车轮失圆监测方法的准确性受车速及线路条件影响较大,为了更准确地监测车轮服役状态,文中提出基于形态学滤波和CEEMDAN-WVD的车轮失圆诊断方法：车辆轴箱垂向振动加速度经数学形态学滤波器滤波降噪后,运用完全噪声辅助聚合经验模态分解（CEEMDAN）将其分解为一系列的固有模态函数（IMF）,然后选取能量熵增量相对较大的几阶IMF分量进行Wigner-Ville分布（WVD）计算,从而叠加得到轴箱振动加速度的多尺度时频图,最后根据多尺度时频图的分布特征来诊断车轮状态。通过仿真分析和工程实例研究结果表明,运用该方法可有效地识别复杂工况下的车轮服役状态。     

三维电压空间矢量控制在三相四桥臂逆变器中的应用

本文采用TI公司的数字信号处理器TMS320F2812，利用三维电压空间矢量（3．DSVPWM）调制原理，实现了三相四桥臂逆变器的控制。实验表明，该系统能够正常工作，实现了三相四线制输出。     

一种新型低地板车用轻量化高频辅助变流器的研制

研制了一种轻量化高频辅助变流器,该变流器主要由Buck三电平电路、LLC谐振变换器、三相逆变器以及半桥DC/DC变换器组成。阐述各组成电路的主电路结构,分析其工作机制和模态,并研究关键元器件参数的设计方法。仿真和样机试验结果表明:该辅助变流器系统性能良好,显著提高了产品的功率密度。     

基于EMD和包络分析的城轨列车滚动轴承故障诊断

为了准确识别城轨列车滚动轴承故障类型,研究了一种基于经验模态分解（EMD,Empirical Mode Decomposition）和包络分析的滚动轴承故障诊断方法。对滚动轴承的振动信号进行EMD分解,得到若干个本征模态函数（IMF,Intrinsic Mode Function）之和,对包含主要信息成分的IMF分量作包络分析,根据包络谱的故障特征频率判断滚动轴承故障类型。实验结果表明,该方法能够准确有效地识别城轨列车滚动轴承的故障类型。     

基于粒子群支持向量机的轨道电路故障诊断

支持向量机（SVM）是一种解决小样本分类问题的最佳理论算法，它的核函数的参数选择非常重要，直接影响着故障诊断的准确率。本文将粒子群算法（PSO）用于支持向量机的参数优化，提出基于粒子群支持向量机的故障诊断模型，并将其运用于轨道电路中。通过对比MATLAB仿真结果得出:经过粒子群寻优得到的参数比随机选取的参数更优，所建立的PSO-SVM模型的故障诊断准确率高于普通的SVM模型。