一種用于診斷crh5型高鐵逆變器的微小故障的方法
【專利摘要】本發(fā)明公開(kāi)一種用于診斷CRH5型高鐵逆變器的微小故障的方法，提出了多模態(tài)核主元分析方法，根據(jù)傳感器獲得的數(shù)據(jù)，先進(jìn)行數(shù)據(jù)預(yù)處理，再得到正常工況下的系統(tǒng)模型。針對(duì)電氣系統(tǒng)的特性，通過(guò)對(duì)在線數(shù)據(jù)的處理，來(lái)對(duì)系統(tǒng)是否存在故障進(jìn)行檢測(cè)，對(duì)于具體數(shù)據(jù)的處理和分析，采集到的數(shù)據(jù)是具有兩個(gè)維度的，將原有的數(shù)據(jù)增加了周期與模態(tài)兩個(gè)維度，從而將原來(lái)的數(shù)據(jù)投影到四維空間。這樣就使得原來(lái)的非線性數(shù)據(jù)在高維空間具有更加精確的分布。而后，根據(jù)非線性特征提取的方法，提取每個(gè)模態(tài)的特征。對(duì)比于線性PCA算法以及非線性KPCA算法，本發(fā)明的方法對(duì)CRH5型高鐵逆變器的微小故障的檢測(cè)更加精確，診斷結(jié)果更加準(zhǔn)確，漏報(bào)率低，具有明顯的優(yōu)勢(shì)。
【專利說(shuō)明】
一種用于診斷CRH5型高鐵逆變器的微小故障的方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及高鐵故障檢測(cè)診斷領(lǐng)域，具體是一種用于診斷CRH5型高鐵逆變器的微 小故障的方法。
【背景技術(shù)】
[0002] 隨著廣泛的市場(chǎng)需求和科技的進(jìn)步，近二十年國(guó)內(nèi)外的高鐵技術(shù)迅猛發(fā)展，并成 功地應(yīng)用于實(shí)際當(dāng)中，高鐵以強(qiáng)大的優(yōu)勢(shì)受到國(guó)際智能交通領(lǐng)域的廣泛重視和關(guān)注。目前， 高鐵已逐步成為大眾的交通工具。
[0003] 然而，高鐵系統(tǒng)頻發(fā)的故障，日益受到人們的關(guān)注。當(dāng)故障發(fā)生后，會(huì)影響到高鐵 運(yùn)行的性能，甚至發(fā)生不可逆轉(zhuǎn)的嚴(yán)重后果，比如財(cái)產(chǎn)損失和人員傷亡。因此，這就增加了 對(duì)尚鐵故障診斷的必要性。
[0004] 在中國(guó)的高鐵系統(tǒng)中，為了保證高鐵的安全運(yùn)行，由于某個(gè)元器件性能的改變導(dǎo) 致某些參數(shù)的變化，引起牽引系統(tǒng)參數(shù)自備的故障保護(hù)系統(tǒng)開(kāi)始動(dòng)作，這是對(duì)故障進(jìn)行保 護(hù)的一方面。但是，這樣的保護(hù)系統(tǒng)顯眼不能對(duì)微小故障或者復(fù)合故障進(jìn)行準(zhǔn)確的定位。另 外，由于某些元器件的性能隨著溫度發(fā)生變化，當(dāng)溫度過(guò)高時(shí)，該元器件性能開(kāi)始下降；當(dāng) 溫度恢復(fù)正常時(shí)，元器件又回復(fù)到正常的性能。這就增加了對(duì)故障診斷的難度，因?yàn)樵骷?并沒(méi)有損壞，如IGBT。
[0005]在目前的故障診斷領(lǐng)域，故障診斷的方法有三種:基于模型的，基于知識(shí)的和基于 數(shù)據(jù)的；絕大部分方法是基于模型的?；谀Ｐ偷姆椒ú荒軕?yīng)用于高鐵主要有兩個(gè)方面原 因。第一，理論的研究已經(jīng)與實(shí)際的系統(tǒng)嚴(yán)重脫軌，很難將理論的方法應(yīng)用于實(shí)際的對(duì)象當(dāng) 中，這是基于模型的故障診斷的通病;第二，由于高鐵的機(jī)理復(fù)雜，不可能建立完整的數(shù)學(xué) 模型，尤其是動(dòng)態(tài)的數(shù)學(xué)模型，這更加使得基于模型的方法的局限性?；谥R(shí)的故障診斷 方法需要大量的專家知識(shí)，由于故障的很多故障目前專家也很難進(jìn)行解釋和判斷，因此這 個(gè)方法也是不適合的。
[0006] 此外，國(guó)內(nèi)外學(xué)者對(duì)微小故障的研究才剛起步。對(duì)于IGBT的微小故障，主要來(lái)自于 自身老化導(dǎo)致性能的變化、工作環(huán)境的影響的波動(dòng)以及內(nèi)部溫度的變化等。由于微小故障 介于無(wú)故障與故障之間，其變化特性不是很明顯，這對(duì)故障診斷算法的敏感性要求更高，原 有的算法不適合于對(duì)微小故障的診斷。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明要解決的技術(shù)問(wèn)題是提供一種用于診斷CRH5型高鐵逆變器的微小故障的 方法，該方法是一種多模態(tài)核主元分析的算法，可以有效的對(duì)CRH5型高鐵逆變器的微小故 障進(jìn)行檢測(cè)和診斷。
[0008] 為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明的診斷方法采用如下技術(shù)方案：
[0009]傳感器采集到的數(shù)據(jù)是具有兩個(gè)維度的，本發(fā)明將原有的數(shù)據(jù)增加了周期與模態(tài) 兩個(gè)維度，從而將原來(lái)的數(shù)據(jù)投影到四維空間。這樣就使得原來(lái)的非線性數(shù)據(jù)在高維空間 具有更加精確的分布。而后，根據(jù)非線性特征提取的方法，提取每個(gè)模態(tài)的特征，從而可以 對(duì)高鐵牽引系統(tǒng)中的微小故障進(jìn)行診斷。
[0010] -種用于診斷CRH5型高鐵逆變器的微小故障的方法，具體實(shí)施步驟如下：
[0011] 第一階段:建立離線數(shù)據(jù)模型
[0012] 1)根據(jù)實(shí)際的CRH5型高鐵牽引系統(tǒng)逆變器的原理，構(gòu)建系統(tǒng)平臺(tái)；
[0013] 2)采集系統(tǒng)平臺(tái)中的數(shù)據(jù)或離線存儲(chǔ)數(shù)據(jù)，記為X;采集的數(shù)據(jù)變量有6個(gè)IGBT電 流isl到is6,三相鼠籠式異步電機(jī)的輸入電壓￥〇13，￥(^，￥(^，逆變器的線電壓￥31 )，￥^，￥。3和逆變 器的相電壓Uan，Ubn，Ucn。
[0014] 3)將上述采集到的數(shù)據(jù)或離線存儲(chǔ)數(shù)據(jù)進(jìn)行預(yù)處理，具體為：先按照周期進(jìn)行分 開(kāi)，然后對(duì)每個(gè)周期的數(shù)據(jù)按模態(tài)進(jìn)行劃分，最后對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，將其轉(zhuǎn)化為期望 為0,方差為1的數(shù)據(jù)；即將采集的原始的二維數(shù)據(jù)增加兩個(gè)維度，即周期與模態(tài)，從而使得 在每個(gè)周期中，系統(tǒng)存在6個(gè)模態(tài)。
[0015] 4)對(duì)預(yù)處理得到的數(shù)據(jù)進(jìn)行特征提取，以建立模型用于后續(xù)檢測(cè)；在提取正常運(yùn) 行工況的數(shù)據(jù)特征時(shí)，對(duì)每個(gè)模態(tài)分別進(jìn)行提取，并且可以采用非線性的KPCA進(jìn)行提取，可 以很好的刻畫出數(shù)據(jù)的非線性特性;計(jì)算T2和SPE的閾值;針對(duì)六個(gè)模態(tài)，需要得分別得到 六個(gè)變化的T 2和SPE的閾值，以自適應(yīng)于不同模態(tài)的故障檢測(cè)。
[0016] 5)采集實(shí)際工作中的IGBT的數(shù)據(jù)Xnew，根據(jù)每個(gè)周期采樣的步數(shù)，將在線獲取的運(yùn) 行數(shù)據(jù)分配到相應(yīng)的模態(tài)中；對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；
[0017] 6)計(jì)算 T2 和 SPE;
[0018] 7)對(duì)IGBT是否存在故障進(jìn)行決策。
[0019] 進(jìn)一步的，所述步驟3)中對(duì)每個(gè)周期的數(shù)據(jù)按模態(tài)進(jìn)行劃分后的數(shù)據(jù)X表示為：
[0020] X=[X-M(l)，."X_M(j)，…，X_M(6)]，j = l，…，6 (14)
[0021 ]對(duì)于每個(gè)模態(tài)數(shù)據(jù)X-M( j)，標(biāo)準(zhǔn)化過(guò)程為：
[0022]令 X-M(j) = [Xk(l)，Xk(2)，"_，Xk(i)]eRNXl，先得到數(shù)據(jù)的均值與方差
[0025]則對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理后得到的數(shù)據(jù)表示為：
[0027] 其中，N為采樣步數(shù)，i為采樣的變量數(shù)。
[0028] 進(jìn)一步的，所述步驟4)中為了使得數(shù)據(jù)可分，需要將其通過(guò)非線性函數(shù)映射到高 維空間，如果訓(xùn)練數(shù)據(jù)很多，特征空間的維數(shù)將無(wú)窮大或趨于無(wú)窮，這使得算法的效率很 低。因此，所述步驟4)對(duì)預(yù)處理得到的數(shù)據(jù)進(jìn)行特征提取的過(guò)程中引入核函數(shù)來(lái)簡(jiǎn)化計(jì)算， 而后對(duì)數(shù)據(jù)進(jìn)行降維來(lái)提取主元特征。具體過(guò)程為：
[0029] 首先，通過(guò)
[0030] Kij = <? (χ?), Φ (xj)> = k(xi,xj) (18)
[0031 ]計(jì)算核矩陣，其中i，j = l,."，N.并且，
[0033]將通過(guò)（18)得到的核矩陣K進(jìn)行中心化處理，得到：
[0034] f = +】、.·<]、. (20)
[0035] 根據(jù)數(shù)據(jù)降維技術(shù)，可以對(duì)1進(jìn)行主要特征提取。則核主元得分為：
[0037]所述步驟4)中計(jì)算T2的閾值的公式為：
[0039]計(jì)算SPE的閾值的公式為：
[0041]其中，1是特征的主元數(shù)，C。是正態(tài)分布在顯著水平為α下的臨界值。
[0042] 進(jìn)一步的，所述步驟5)中對(duì)數(shù)據(jù)xnew進(jìn)行標(biāo)準(zhǔn)化處理過(guò)程包括根據(jù)公式（15)和 (16)得到的期望與方差，對(duì)數(shù)據(jù)&?進(jìn)行標(biāo)準(zhǔn)化處理。
[0043]所述步驟6)中計(jì)算T2的公式為：
[0044] T2 = XtPPcAPc_1PPc TX (24)
[0045] 計(jì)算SPE的公式為：
[0046] SPE = X! (l -P^X (25)
[0047] 其中，Ppc為特征主元向量，人[)。=乜&801，\ 2，"_，\1)為主元特征值構(gòu)成的對(duì)角矩 陣。
[0048]所述步驟7)中，對(duì)IGBT是否存在故障進(jìn)行決策使用的判斷標(biāo)準(zhǔn)如下：
[0050]進(jìn)一步的，所述步驟1)中CRH5型高鐵逆變器采用異步調(diào)制、分段調(diào)制、預(yù)先計(jì)算角 度和方波四種調(diào)制方式。
[0051]進(jìn)一步的，所述從模擬系統(tǒng)平臺(tái)中IGBT采集的數(shù)據(jù)或離線存儲(chǔ)數(shù)據(jù)是動(dòng)態(tài)的，該 數(shù)據(jù)體現(xiàn)微小故障到故障的演變過(guò)程。
[0052]本發(fā)明的用于診斷CRH5型高鐵逆變器的微小故障的方法，提出了多模態(tài)核主元分 析方法，根據(jù)傳感器獲得的數(shù)據(jù)，先進(jìn)行數(shù)據(jù)預(yù)處理，再得到正常工況下的系統(tǒng)模型。針對(duì) 電氣系統(tǒng)的特性，通過(guò)對(duì)在線數(shù)據(jù)的處理，來(lái)對(duì)系統(tǒng)是否存在故障進(jìn)行檢測(cè)。對(duì)微小故障及 故障的檢測(cè)結(jié)果驗(yàn)證了多模態(tài)核主元分析的有效性。對(duì)比于線性PCA算法以及非線性KPCA 算法，本發(fā)明的方法對(duì)CRH5型高鐵逆變器的微小故障的檢測(cè)更加精確，診斷結(jié)果更加準(zhǔn)確， 漏報(bào)率低，具有明顯的優(yōu)勢(shì)。
【附圖說(shuō)明】
[0053]圖1是本發(fā)明用于診斷CRH5型高鐵逆變器的微小故障的方法一個(gè)實(shí)施例中CRH5型 高鐵的三相電壓型逆變器模型示意圖；
[0054]圖2是微小故障到故障的演變過(guò)程示意圖；
[0055]圖3是本發(fā)明用于診斷CRH5型高鐵逆變器的微小故障的方法一個(gè)實(shí)施例中基于 IGBT觸發(fā)脈沖的模態(tài)分類示意圖；
[0056]圖4是本發(fā)明用于診斷CRH5型高鐵逆變器的微小故障的方法一個(gè)實(shí)施例中IGBT正 常工況下每個(gè)周期的數(shù)據(jù)模態(tài)；
[0057]圖5是本發(fā)明用于診斷CRH5型高鐵逆變器的微小故障的方法一個(gè)實(shí)施例中基于 PCA的故障檢測(cè)曲線；
[0058]圖6是本發(fā)明用于診斷CRH5型高鐵逆變器的微小故障的方法一個(gè)實(shí)施例中基于 KPCA的故障檢測(cè)曲線；
[0059]圖7是本發(fā)明用于診斷CRH5型高鐵逆變器的微小故障的方法一個(gè)實(shí)施例中基于多 模態(tài)KPCA的故障檢測(cè)曲線。
【具體實(shí)施方式】
[0060] 下面結(jié)合附圖，對(duì)本發(fā)明提出的一種通過(guò)控制前體渦改出尾旋的方法及流動(dòng)控制 激勵(lì)器進(jìn)行詳細(xì)說(shuō)明。
[0061] -種用于診斷CRH5型高鐵逆變器的微小故障的方法，包括以下步驟：
[0062]第一階段:建立離線數(shù)據(jù)模型
[0063] 1)根據(jù)實(shí)際的CRH5型高鐵牽引系統(tǒng)逆變器的原理，構(gòu)建模擬系統(tǒng)平臺(tái)；
[0064] 2)采集系統(tǒng)平臺(tái)中IGBT數(shù)據(jù)，記載為X;
[0065] 3)將上述采集到的數(shù)據(jù)或離線存儲(chǔ)數(shù)據(jù)進(jìn)行預(yù)處理，具體為：先按照周期進(jìn)行分 開(kāi)，然后對(duì)每個(gè)周期的數(shù)據(jù)按模態(tài)進(jìn)行劃分，最后對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，將其轉(zhuǎn)化為期望 為〇,方差為1的數(shù)據(jù)；
[0066] 4)對(duì)預(yù)處理得到的數(shù)據(jù)進(jìn)行特征提取，以建立模型用于后續(xù)檢測(cè)；在提取正常運(yùn) 行工況的數(shù)據(jù)特征時(shí)，對(duì)每個(gè)模態(tài)分別進(jìn)行提取;計(jì)算T 2和SPE的閾值；
[0067]第二階段:在線故障檢測(cè)
[0068] 5)采集實(shí)際工作中的IGBT的數(shù)據(jù)xnew，根據(jù)每個(gè)周期采樣的步數(shù)，將在線獲取的運(yùn) 行數(shù)據(jù)分配到相應(yīng)的模態(tài)中；對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；
[0069] 6)計(jì)算 T2 和 SPE;
[0070] 7)對(duì)IGBT是否存在故障進(jìn)行決策。
[0071] CRH5型高鐵逆變器采用異步調(diào)制、分段調(diào)制、預(yù)先計(jì)算角度和方波四種調(diào)制方式。 如附圖3所示，實(shí)驗(yàn)選取方波調(diào)制方式來(lái)驅(qū)動(dòng)IGBT的通斷。在附圖1中，由S1到S6表示的IGBT 由于內(nèi)部溫度變化、外部電磁干擾以及元器件老化等原因，產(chǎn)生微小故障，這對(duì)高鐵牽引系 統(tǒng)的性能造成微小的影響。但是由于IGBT的微小故障會(huì)隨著時(shí)間進(jìn)行演變，如附圖2所示。 在附圖2中，〇-七時(shí)間內(nèi)，IGBT正常工作。在時(shí)間內(nèi)，IGBT發(fā)生了微小故障，但隨著時(shí)間 的增大，流經(jīng)IGBT的電流i g的幅值也在慢慢增大。當(dāng)t2-t3時(shí)，IGBT內(nèi)部特性發(fā)生變化，造成 上下同一橋臂同時(shí)導(dǎo)通，而出現(xiàn)短路的結(jié)果。這時(shí)IGBT的電流會(huì)激增，并在瞬間發(fā)生斷路。 針對(duì)這種現(xiàn)象，本發(fā)明的用于診斷CRH5型高鐵逆變器的微小故障的方法采用多域平臺(tái)，搭 建出三相電壓型逆變器的系統(tǒng)模型，在系統(tǒng)正常運(yùn)行過(guò)程中，先在某個(gè)IGBT特定的時(shí)間段 注入微小故障。運(yùn)行一段時(shí)間后，再注入故障。假設(shè)高鐵逆變器中安裝有15個(gè)電壓和電流傳 感器。根據(jù)高鐵運(yùn)行的情況，實(shí)時(shí)在線的對(duì)數(shù)據(jù)進(jìn)行記錄與存儲(chǔ)。
[0072] 通過(guò)傳感器從高鐵模型采集到的數(shù)據(jù)是動(dòng)態(tài)的。并且，該數(shù)據(jù)可以很好的體現(xiàn)微 小故障到故障的演變過(guò)程。
[0073] 所述步驟3)中，對(duì)采集到的數(shù)據(jù)或離線存儲(chǔ)數(shù)據(jù)進(jìn)行預(yù)處理具體實(shí)施步驟如下：
[0074] 如附圖2所示，根據(jù)采集到的數(shù)據(jù)或離線存儲(chǔ)數(shù)據(jù)，先將其分按照周期進(jìn)行分開(kāi)， 而后對(duì)每個(gè)周期的數(shù)據(jù)按模態(tài)進(jìn)行劃分。最后，對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，將其轉(zhuǎn)化為期望為 〇,方差為1的數(shù)據(jù)。根據(jù)IGBT的觸發(fā)脈沖，將采集的原始的二維數(shù)據(jù)增加兩個(gè)維度，即周期 與模態(tài)，從而使得在每個(gè)周期中，系統(tǒng)存在6個(gè)模態(tài)。根據(jù)附圖3的模態(tài)劃分，所有的數(shù)據(jù)均 呈現(xiàn)在不同模態(tài)上，如附圖4所示。因此，原來(lái)的數(shù)據(jù)X可表示為
[0075] X=[X-M(l)，."X_M(j)，…，X_M(6)]，j = l，…，6 (1)
[0076] 對(duì)于每個(gè)模態(tài)數(shù)據(jù)X-M( j)，標(biāo)準(zhǔn)化過(guò)程為：
[0077] 令 X-M(j) = [Xk(l)，Xk(2)，"_，Xk(i)]eRNXl，先得到數(shù)據(jù)的均值與方差
[0080]則標(biāo)準(zhǔn)化后的數(shù)據(jù)
[0082] 其中，N為采樣步數(shù)，i為采樣的變量數(shù)。
[0083] 所述步驟4)中，對(duì)預(yù)處理得到的數(shù)據(jù)進(jìn)行特征提取具體實(shí)施步驟如下：
[0084] 為了使得數(shù)據(jù)可分，需要將其通過(guò)非線性函數(shù)映射到高維空間，如果訓(xùn)練數(shù)據(jù)很 多，特征空間的維數(shù)將無(wú)窮大或趨于無(wú)窮，這使得算法的效率很低。因此，需要引入核函數(shù) 來(lái)簡(jiǎn)化計(jì)算，而后對(duì)數(shù)據(jù)進(jìn)行降維來(lái)提取主元特征。
[0085] 首先，通過(guò)
[0086] Kij =〈C> (Xi)，Φ (Xj)> = k(Xi，Xj) (5)
[0087] 計(jì)算核矩陣，其中丨，」=1，."，1并且，
[0089] 將通過(guò)公式（18)得到的核矩陣K進(jìn)行中心化處理，可知
[0090] k = K-].、.K-K]、+]'.K]'. (7)
[0091] 根據(jù)數(shù)據(jù)降維技術(shù)，可以對(duì)f:進(jìn)行主要特征提取。則核主元得分為：
[0093] 此外，T2以及SPE閾值可以通過(guò)下式求的：
[0096]其中，1是特征的主元數(shù)，C。是正態(tài)分布在顯著水平為α下的臨界值。
[0097] 由于PWM調(diào)速系統(tǒng)得到的數(shù)據(jù)被分為六個(gè)模態(tài)，則數(shù)據(jù)預(yù)處理、核矩陣和主元得分 等步驟需要進(jìn)行六次計(jì)算，即對(duì)于每個(gè)模態(tài)，需要分別計(jì)算一次。
[0098] 所述步驟5)中，需要根據(jù)每個(gè)周期采樣的步數(shù)，將在線獲取的運(yùn)行數(shù)據(jù)分配到相 應(yīng)的模態(tài)中。然后根據(jù)式(15)和(16)得到的期望與方差，將數(shù)據(jù)&?進(jìn)行標(biāo)準(zhǔn)化處理。
[0099] 所述步驟6)中需要參考步驟3)來(lái)計(jì)算Knew，Z_，和tk，以及統(tǒng)計(jì)量Τ 2和SPE:
[0100] T2 = XtPPcAPc_1PPc TX (11)
[0101] SPE = X' [l~~P!HP；H)X (12)
[0102]其中，Ppc為特征主元向量，Apc^diagA^，…，λ〇為主元特征值構(gòu)成的對(duì)角矩 陣。
[0103] 所述步驟7)中，本發(fā)明專利的故障決策過(guò)程設(shè)計(jì)，具體實(shí)施步驟如下：
[0104] 需要對(duì)在線檢測(cè)的數(shù)據(jù)進(jìn)行決策，來(lái)判斷在線運(yùn)行的系統(tǒng)是否發(fā)生了故障，其決 策如下：
[0106] 從附圖5的曲線可以看出，在采樣步數(shù)1000時(shí)，PCA算法可以對(duì)故障進(jìn)行準(zhǔn)確的檢 測(cè)。但是，在1200步到1400之間，Τ 2和SPE的值又回到閾值之下，具有很大的漏報(bào)率。造成這 種缺點(diǎn)的原因是一種線性的數(shù)據(jù)特征提取的算法，對(duì)于高鐵逆變器的非線性的特征提取效 果很差。并且，該算法對(duì)于微小的故障檢測(cè)完全失效。
[0107] 在附圖6中的曲線，是采用KPCA算法得到的。雖然這種算法對(duì)高鐵牽引系統(tǒng)的微小 故障檢測(cè)也完全失效，但是相對(duì)于線性PCA而言，在1200到1400之間，它仍可以對(duì)IGBT的短 路故障進(jìn)彳丁有效的檢測(cè)。
[0108] 在附圖7中，首先，該算法可以完全準(zhǔn)確的對(duì)故障進(jìn)行檢測(cè);此外，它也能對(duì)微小故 障進(jìn)行檢測(cè)。對(duì)于采樣步數(shù)400到1000之間發(fā)生的微小故障，400到600步和800到1000步之 間，多模態(tài)KPCA算法得到的T2和SPE的值，反復(fù)波動(dòng)在閾值附近，雖然存在一定的漏報(bào)率，但 是相對(duì)于目前的算法而言，其效果還是很好的；并且，在600到800步之間，該算法可以實(shí)現(xiàn) 對(duì)微小故障的準(zhǔn)確檢測(cè)。
[0109] 本實(shí)施例通過(guò)對(duì)CRH5型高鐵牽引系統(tǒng)中逆變器的IGBT微小故障以及故障進(jìn)行設(shè) 計(jì)和研究，驗(yàn)證了多模態(tài)KPCA算法的有效性。并且根據(jù)數(shù)據(jù)得到的實(shí)際曲線對(duì)比，可知本發(fā) 明對(duì)高鐵牽引系統(tǒng)逆變器部件故障檢測(cè)的具有很好的優(yōu)化效果，并且，這種方法在不增加 額外硬件系統(tǒng)設(shè)計(jì)的情況下，就可以實(shí)現(xiàn)對(duì)故障的檢測(cè)。
[0110] 本發(fā)明具體應(yīng)用途徑有很多，以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì) 于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)， 這些改進(jìn)也應(yīng)視為本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種用于診斷CR冊(cè)型高鐵逆變器的微小故障的方法，其特征在于，包括w下步驟： 1) 根據(jù)實(shí)際的CR冊(cè)型高鐵牽引系統(tǒng)逆變器的原理，構(gòu)建模擬系統(tǒng)平臺(tái)； 2) 采集模擬系統(tǒng)平臺(tái)的數(shù)據(jù)或離線存儲(chǔ)數(shù)據(jù)，記載為X; 3) 將上述采集到的數(shù)據(jù)或離線存儲(chǔ)數(shù)據(jù)進(jìn)行預(yù)處理，具體為:先按照周期進(jìn)行分開(kāi)，然 后對(duì)每個(gè)周期的數(shù)據(jù)按模態(tài)進(jìn)行劃分，最后對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，將其轉(zhuǎn)化為期望為0， 方差為1的數(shù)據(jù)； 4) 對(duì)預(yù)處理得到的數(shù)據(jù)進(jìn)行特征提取，W建立模型用于后續(xù)檢測(cè)；在提取正常運(yùn)行工 況的數(shù)據(jù)特征時(shí)，對(duì)每個(gè)模態(tài)分別進(jìn)行提取;計(jì)算T2和SPE的闊值； 5) 采集實(shí)際工作中的IGBT的數(shù)據(jù)Xnew，根據(jù)每個(gè)周期采樣的步數(shù)，將在線獲取的運(yùn)行數(shù) 據(jù)分配到相應(yīng)的模態(tài)中；對(duì)數(shù)據(jù)Xnew進(jìn)行標(biāo)準(zhǔn)化處理； 6) 計(jì)算1'2和5口6; 7) 對(duì)IGBT是否存在故障進(jìn)行決策。2. 根據(jù)權(quán)利要求1所述的用于診斷CR冊(cè)型高鐵逆變器的微小故障的方法，其特征在于， 所述步驟3)中對(duì)每個(gè)周期的數(shù)據(jù)按模態(tài)進(jìn)行劃分后的數(shù)據(jù)X表示為： X=[X-M(l)，...X-M(j)r..，X-M(6)]，j = lr..，6 (1) 對(duì)于每個(gè)模態(tài)數(shù)據(jù)X-M( j)，標(biāo)準(zhǔn)化過(guò)程為： 令X-M(j) = [xk(l)，xk(2)，...，xk(i)]eRNXi，先得到數(shù)據(jù)的均值與方差其中，N為采樣步數(shù)，i為采樣的變量數(shù)。3. 根據(jù)權(quán)利要求1所述的用于診斷CR冊(cè)型高鐵逆變器的微小故障的方法，其特征在于， 所述步驟4)對(duì)預(yù)處理得到的數(shù)據(jù)進(jìn)行特征提取的過(guò)程中引入核函數(shù)來(lái)簡(jiǎn)化計(jì)算，而后對(duì)數(shù) 據(jù)進(jìn)行降維來(lái)提取主元特征;具體過(guò)程為： 首先，通過(guò) Kij = <〇 (xi), Φ (xj)> = k(xi,xj) 巧） 計(jì)算核矩陣，其中i，j = l，…，N.并且，將通過(guò)（18)得到的核矩陣K進(jìn)行中屯、化處理，得到：(7) 根據(jù)數(shù)據(jù)降維技術(shù)，可w對(duì)玄進(jìn)行主要特征提取。則核主元得分為：4. 根據(jù)權(quán)利要求1所述的用于診斷CR冊(cè)型高鐵逆變器的微小故障的方法，其特征在于， 所述步驟4)中計(jì)算T2的闊值的公式為：其中，1是特征的主元數(shù)，Ca是正態(tài)分布在顯著水平為α下的臨界值。5. 根據(jù)權(quán)利要求2所述的用于診斷CR冊(cè)型高鐵逆變器的微小故障的方法，其特征在于， 所述步驟5)中對(duì)數(shù)據(jù)Xnew進(jìn)行標(biāo)準(zhǔn)化處理過(guò)程包括根據(jù)公式（15)和（16)得到的期望與方 差，對(duì)數(shù)據(jù)Xnew進(jìn)行標(biāo)準(zhǔn)化處理。6. 根據(jù)權(quán)利要求1所述的用于診斷CR冊(cè)型高鐵逆變器的微小故障的方法，其特征在于， 所述步驟6)中計(jì)算T2的公式為：其中，Ppc為特征主元向量，八pc = diag(Ai,A2,··· ,λι)為主元特征值構(gòu)成的對(duì)角矩陣。7. 根據(jù)權(quán)利要求1所述的用于診斷CR冊(cè)型高鐵逆變器的微小故障的方法，其特征在于， 所述步驟7)中，對(duì)IGBT是否存在故障進(jìn)行決策使用的判斷標(biāo)準(zhǔn)如下：8. 根據(jù)權(quán)利要求1至7任意一項(xiàng)所述的檢巧傾冊(cè)型高鐵的IGBT微小故障的方法，其特征 在于，所述步驟1中CRH5型高鐵逆變器采用異步調(diào)制、分段調(diào)制、預(yù)先計(jì)算角度和方波四種 調(diào)制方式。9. 根據(jù)權(quán)利要求8所述的檢測(cè)C畑5型高鐵的IGBT微小故障的方法，其特征在于，所述從 模擬系統(tǒng)平臺(tái)中IGBT采集的數(shù)據(jù)或離線存儲(chǔ)數(shù)據(jù)是動(dòng)態(tài)的，該數(shù)據(jù)體現(xiàn)微小故障到故障的 演變過(guò)程。
【文檔編號(hào)】G01R31/00GK106093626SQ201610379861
【公開(kāi)日】2016年11月9日
【申請(qǐng)日】2016年5月31日
【發(fā)明人】陳宏田, 姜斌, 陸寧云, 冒澤慧
【申請(qǐng)人】南京航空航天大學(xué)