一种新型基于模型的动车组牵引逆变器开路故障诊断方法

针对CRH3型动车组牵引逆变器绝缘栅双极型晶体管开路问题,提出一种新型基于模型的动车组牵引逆变器开路故障诊断方法。利用键合图对非线性的牵引逆变器进行建模;依据键合图模型,推导出符合能量守恒的系统行为约束方程;基于系统行为约束方程,利用最小二乘法对系统当前行为进行辨识;通过比较系统的实际行为以及预期行为,产生故障识别向量,从而对开路IGBT进行识别和定位。仿真试验表明,本文所提方法能够对单个IGBT开路以及两个IGBT同时开路故障情况进行准确、实时地检测和定位。     

基于ICEEMDAN-FE和支持向量机的三电平逆变器的故障诊断技术

为了提高三电平逆变器复杂开路故障诊断的准确率，提出了一种应用“改进自适应噪声完备集合经验模态分解-模糊熵（ICEEMDAN-FE）”和“支持向量机（SVM）”结合的三电平逆变器故障诊断方法。首先，检测信号选取三相负载电压，为降低特征向量的维数，对三相负载电压进行Concordia变换，转换为α-β相电压；然后，通过ICEEMDAN算法提取α-β相电压的特征，得到不同尺度的内禀模态函数（IMF），再利用主成分分析（PCA）降维剔除IMF虚假分量；最后，计算优选的IMF的模糊熵均值作为特征向量，输入到多分类SVM中进行训练分类，进而实现对二极管中点箝位型（NPC）三电平逆变器的故障诊断。仿真试验结果表明，该方法能够有效识别多种开路故障模式，具有抗噪性能强，诊断速度快，诊断精度高等优点。     

列车牵引逆变器输出电能品质及其故障特征研究

列车牵引逆变器输出电能品质与牵引系统关键部件的工作状态紧密耦合。分析了牵引电机转子断条故障、电机定子匝间短路故障及逆变器IGBT开路故障状态下定子电流的特定谐波分量特性。针对定子电流故障特征,使用快速傅里叶变换(FFT)对故障特征进行识别,提取特定谐波分量,提出了以特定谐波分量含量与基波含量比值大小定位故障部件的故障诊断方法。搭建了牵引系统状态监测仿真模型,验证了提出的故障特征与故障诊断方法的正确性和有效性。     

基于邻相电流的逆变器功率管与电流传感器故障诊断方法

作为牵引逆变器的关键器件,功率管与电流传感器分别在能量转换与系统控制中扮演着至关重要的角色。然而,在恶劣多变的工作环境下,功率管与电流传感器会出现不同程度的老化或失效,从而引发故障。功率管开路故障与电流传感器零输出故障在某些情况下不仅具有相似的故障特征,而且极易给系统带来严重的后果,其故障诊断是当前的研究重点。目前,仅有少部分故障诊断方法对这2类故障的联合诊断进行了研究,且这些方法尚未考虑牵引逆变器两电流传感器方案下的故障诊断,容易出现故障误诊或漏诊等问题。针对牵引逆变器两电流传感器方案下的复合故障诊断问题,提出一种基于邻相电流的故障特征提取与诊断方法。该方法首先分析两相电流信号在功率管与电流传感器故障下的变化,从而推导故障相电流与邻相电流的准确数学模型。在此基础上,对邻相电流进行平移变换与坐标重构,得到具备故障辨识能力的邻相电流轨迹数学模型。将该模型与已有的电流轨迹相结合,可以对功率管单管开路故障、双管开路故障以及电流传感器零输出故障进行有效区分。验证结果表明,提出的方法在电机处于不同运转状态下是有效、可行的,对于有限电流信号下的牵引逆变器故障诊断具有较好的参考价值。     

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。     

基于小波包和贝叶斯分类的机车走行部滚动轴承故障诊断研究

机车走行部滚动轴承的状况直接关系到机车的性能和列车的运行安全。针对目前机车走行部滚动轴承故障诊断准确率不高、模型构建时间较长的问题,提出一种基于小波包和贝叶斯分类的故障诊断方法。通过小波包变换构造故障特征集,利用粗糙集和主成分分析进行降维,将未降维和降维之后的故障特征集输入到贝叶斯分类模型中实现故障诊断,最后将贝叶斯分类方法和神经网络及最小二乘支持向量机方法进行比较。仿真结果表明,朴素贝叶斯分类方法构建模型的时间更短,分类准确率更高。     

一种基于三维坐标识别的逆变器开路故障诊断方法

逆变器的安全性和可靠性对电力电子系统的稳定运行起着至关重要作用.为了实现对逆变器开关管开路故障进行快速精准的故障判定,提出一种基于三维坐标的逆变器开关管开路故障诊断方法.该方法通过建立逆变器开关管开路故障下的三相输出电流的数学模型,将输出三相电流转化为三维坐标.逆变器开关管开路故障时,逆变器的输出相电流发生畸变,三维坐...     

准 Z 源逆变器中IGBT 开路故障诊断

针对三相准 Z 源逆变器的安全可靠运行问题,提出一种快速、实用的准 Z 源逆变器 IGBT 开路故障诊断 方法。新型 IGBT 开路故障诊断基于 Z 源逆变器自身特性实现,通过在开关周期内观察故障前后直通状态的变化 对系统变量的影响来辨识故障,实施时分为两个连续阶段,一是 IGBT 开路故障检测和定位,二是激活冗余桥臂, 完成故障容错运行。利用三相准 Z 源逆变器低压样机进行测试,实验结果验证,所设计的 IGBT 开路故障诊断方 案可快速检测出 IGBT 故障,并能在 0.5 ms 内完成系统重构,实现故障容错运行。在轨道交通系统中采用所提出 的 Z 源逆变器 IGBT 开路故障诊断方案,可以保证供电系统的可靠运行。     

基于模糊穴映射方法的牵引变压器全局故障诊断

针对基于DGA的牵引变压器故障诊断方法中的不足,提出一种基于模糊穴映射方法的牵引变压器全局故障诊断方法。此方法在DGA分析基础上,增加了组件电阻、电流等多种故障信息,通过DGA与模糊穴映射方法的融合,实现牵引变压器故障的全局诊断。试验结果表明：这种方法对于牵引变压器全局故障诊断而言,可以更好地分析各类故障产生原因,明确有效输入与故障特征类型,避免单一特征数据集对牵引变压器故障诊断的局限性,具备可行性、高准确率。     

贝叶斯网络在ZPW-2000K无绝缘轨道电路故障诊断中的应用

考虑到ZPW-2000K无绝缘轨道电路故障的复杂性和不确定性,提出一种基于贝叶斯网络的故障诊断方法。在充分利用先验知识和现场数据的基础上,通过融合专家知识和SEM算法得到最优的贝叶斯网络结构。最后采用成渝高铁故障数据对基于贝叶斯网络的故障诊断模型进行验证,测试结果表明该模型的精确性和实用性。     

基于支持向量机的牵引供电系统高阻接地故障诊断方法

提出一种利用牵引供电系统电流信号、基于支持向量机(SVM)的牵引网高阻接地故障诊断方法。针对不同位置接地阻抗故障的电流信号,先采用希尔伯特变换和伯格谱估计提取时频特征量和频谱特征量,再构造SVM二分类器,利用交叉验证法对SVM二分类器进行参数优化,形成一个牵引网高阻接地故障分类器。将特征向量组送入SVM分类器中进行处理,能诊断出牵引网高阻接地故障。仿真验证结果表明,该方法在小样本情况下具有较高的分辨正确率。     

基于特征融合的牵引电机轴承声学故障诊断

滚动轴承作为高速列车牵引电机的重要部件，其故障情况严重影响列车运行安全。声学轴承故障诊断方式具有无安装侵入性、运维成本低的优点，但也具有信噪比低、故障特征难以提取的缺点，机器学习则具有克服噪声影响的鲁棒性。针对应用机器学习进行声学故障诊断时，少量特征无法全面表征轴承故障的难题，文章提出将格拉姆角场（GAF）与小波时频图进行叠加融合，构成6通道融合特征图用以有效表征轴承的故障。首先，建立牵引电机轴承声学故障试验台获取故障声学信号；其次，建立基于GAF的声学信号融合特征图，然后使用残差网络（ResNET）模型针对融合特征图特征训练并验证故障分类模型，并与以单种特征图作为特征的故障分类方法进行准确率对比。结果表明，基于GAF的融合特征图的声学故障分类模型具有99.89%的准确率，融合特征图能更有效地映射轴承故障。     

RS-BN算法在高铁车载设备故障诊断中的应用研究

针对高速铁路列控车载设备结构复杂、故障诊断特征不确定、传统故障诊断方法过于依赖专家经验、故障诊断自动化程度低等问题,提出一种贝叶斯网络与粗糙集模型约简技术相融合的故障诊断方法。首先对故障追踪表进行分析提取和数据挖掘,结合专家经验建立诊断知识数据库;其次对故障数据进行K2算法学习、训练,并结合诊断知识数据库先验知识建立BN结构模型;然后结合故障信息数据建立诊断决策表,利用粗糙集进行条件属性约简,消除冗余条件信息,简化模型并建立基于RS-BN算法的BN结构模型;再通过MLE算法进行BN模型的参数学习,获得模型的条件概率表,建立完整的BN诊断模型;最后对约简模型和未约简模型进行对比分析。通过某高铁实际故障数据仿真验证分析,测试结果证明了该方法有较高的准确性和实际模型的高似然度。     

智能牵引变压器故障诊断技术研究

研究目的:构建智能牵引供电系统保障高速铁路安全可靠、优质高效的运营是我国高铁未来发展的方向,而牵引变压器作为牵引供电系统中的重要组成部分,对其开展智能化研究是智能牵引供电系统研究的关键。本文从牵引变压器在线监测需求入手,阐述对牵引变压器关键参量进行在线监测的智能化方案,且根据监测参量构建基于贝叶斯网络的牵引变压器故障诊断模型。研究结论:(1)在传统牵引变压器的基础上,加设牵引变压器光纤测温、油中气体在线监测及铁芯接地电流监测三大模块,可准确地掌握牵引变压器运行状态,是实现智能牵引变压器故障预测的数据源基础;(2)通过现场实例验证,基于贝叶斯网络的牵引变压器故障诊断模型准确性高,可实现牵引变压器的故障在线诊断;(3)本文研究成果可在电气化铁路牵引供电系统领域进行推广应用。     

基于文本挖掘的高铁信号系统车载设备故障诊断

本文以故障文本信息为依据,提出基于文本挖掘的高铁信号系统车载设备的故障诊断方法。针对故障追踪表记录的不规范性和随意性,采用主题模型对故障追踪表进行分析和特征提取;在此基础上,考虑到高铁信号系统车载设备故障诊断的不确定性,采用贝叶斯网络作为故障分类的方法。在贝叶斯网络结构的确定中,根据车载设备的特点与领域专家知识,提出适用于车载设备的贝叶斯结构学习算法HDBN_SL。以武广线的现场数据为依据,进行实验分析,测试结果表明本文特征提取以及故障诊断方法具有较好的诊断准确性。     

基于小波分析和SVM的主变流器故障诊断

针对电力机车主变流器的故障,提出基于小波分析和支持向量机(SVM)的故障诊断方法.首先,运用小波包对特征信号进行分解和重构,然后提取各频带的能量,将得到的能量值构造为特征向量,最后把特征向量输入到支持向量机,进行故障诊断.MATLAB仿真结果表明,该方法能够准确地对故障进行诊断.     

基于磁链观测器的逆变器开路故障实时诊断

逆变器作为电力牵引交流传动系统的重要组成部分,其可靠性是保证系统正常运行的关键,但其功率模块故障率较高。本文针对逆变器主电路的IGBT开路故障,提出一种基于磁链观测器的实时诊断方法,经仿真验证该方法不易受负载扰动和闭环控制影响,诊断可靠性高,且不需增加额外硬件设备,适用于逆变器开路故障的实时诊断。     

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。     

基于模糊神经网络的牵引变压器全局故障诊断方法

在传统的油中溶解气体分析方法的基础上,利用模糊神经网络强有力的关系处理能力,研究提出牵引变压器全局故障诊断方法.依据模糊神经网络理论,通过对数值逻辑故障诊断模型和物理逻辑故障诊断模型2类模糊神经网络故障诊断模型的分析,考虑信息采集节点的向量特性、变化趋势特性以及模糊神经网络的反馈特性,给出牵引变压器全局故障诊断模型,以故障征兆特征变化趋势表征故障征兆与故障类别间的因果关系,确立增益参数、权系数判定矩阵与决策矩阵.试验结果表明:该方法能够更好地分析牵引变压器各类故障产生的原因,明确故障特征类型,避免用单一特征数据集诊断牵引变压器故障带来的局限性,可以提高故障诊断的准确率.     

基于PSO-LSSVM的牵引供电系统故障诊断研究

为了提高列车运行稳定性,针对牵引供电系统故障诊断进行研究。根据牵引供电系统工作原理和特性分析故障现象与发生原因,提取用于故障诊断的特征信号;建立基于粒子群优化算法(Particle Swarm Optimization,简称PSO)优化最小二乘支持向量机(Least Squares Support Vector Machine,简称LSSVM)的故障诊断模型,并使用主成分分析(Principal Component Analysis,简称PCA)算法提取数据特征作为故障诊断模型的输入来降低输入维数;使用多种故障诊断模型进行对比分析。研究结果表明:经过PCA算法提取特征的PSO-LSSVM故障诊断模型具有较高的识别效率和识别准确性。