基于极端树与堆栈式稀疏自编码算法的电力电子电路故障诊断

作     者：张亚茹 何怡刚 杜博伦 邓金华 安宝冉 Zhang Yaru;He Yigang;Du Bolun;Deng Jinhua;An Baoran

作者机构：武汉大学电气与自动化学院武汉430072 中国工程物理研究院计算机应用研究所绵阳621900 

基　　金：国家自然科学基金(51577046) 国家自然科学基金重点项目(51637004) 国家重点研发计划“重大科学仪器设备开发”项目(2016YFF0102200)资助 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2019年第42卷第22期

页      码：73-80页

摘      要：针对电力电子电路故障诊断问题,基于极端随机森林(ET)与堆栈式稀疏自编码(SSAE)算法提出了一种适用于开关管故障的信号识别诊断方法。以三相电压型PWM整流电路为例,首先建立电路仿真模型并设计电压/电流双闭环调节器;为了在输出直流侧能收集到有效的故障特征信号,选择在无负载条件下向PWM整流器交流侧电流d轴分量中注入特定频率的交流电流,此时会在DC输出侧产生相同频率的纹波电压/电流;接着选择直流侧输出电流为故障特征量,首先利用经验模态分解(EMD)提取前7阶本征模函数(IMF)分量,然后计算每阶分量的能量、复杂度以及时域特征和频域特征,获得初始故障特征数据样本,对其应用ET-SSAE融合算法进行降维处理,最后输入到分类器中进行识别。实验结果表明,该算法最终的故障识别准确率高达97.62%,其中ET算法降维处理后得到的故障诊断准确率为88.89%,SSEA降维处理后得到的故障诊断准确率为91.27%。

主 题 词：故障诊断 特征降维 经验模态分解 极端树 堆栈式稀疏自编码 

学科分类：08[工学] 080401[080401] 0804[工学-材料学] 081102[081102] 0811[工学-水利类] 

D　O　I：10.19651/j.cnki.emt.1903038

馆 藏 号：203878720...