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。