一種基于小波與神經(jīng)網(wǎng)絡(luò)的逆變器低頻噪聲故障診斷方法
【專利摘要】本發(fā)明是一種基于小波與神經(jīng)網(wǎng)絡(luò)的逆變器低頻噪聲故障診斷方法，其特點是：包括以下步驟：分別對正常及故障逆變器進行無源測試數(shù)據(jù)輸出，通過對輸出的正常信號和故障信號分別進行小波變換并分解，將能量轉(zhuǎn)換后得到的數(shù)值矩陣差值處理作為特征量，將特征量輸入進神經(jīng)網(wǎng)絡(luò)進行訓練，并對神經(jīng)網(wǎng)絡(luò)的輸出做出判斷實現(xiàn)故障等級的裁定。具有方法科學合理，適用，診斷準確且速度快等優(yōu)點。
【專利說明】一種基于小波與神經(jīng)網(wǎng)絡(luò)的逆變器低頻噪聲故障診斷方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種逆變器的故障診斷方法，特別涉及一種基于小波與神經(jīng)網(wǎng)絡(luò)的逆 變器低頻噪聲故障診斷方法，屬于模擬電路故障診斷檢測【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 隨著逆變器在人們生產(chǎn)生活中的廣泛應(yīng)用，人們對其有著越來越高的可靠性要 求。傳統(tǒng)的人工檢測并判定故障狀態(tài)的方法一方面由于維修人員的經(jīng)驗不足，一方面由于 缺少詳細的故障狀態(tài)信息，使得快速準確的檢測故障成為一大難題。近年來，研究學者們在 逆變器的故障診斷方面已取得不少成就，例如鍵合圖理論故障診斷法，開關(guān)函數(shù)模型故障 診斷法，模糊理論，專家系統(tǒng)，粒子群，譜估計等各種故障診斷方法等，但這些方法大多由于 實施過程復(fù)雜，故障診斷單一而使得應(yīng)用受限，并且如何準確描述逆變器故障等級的過渡， 目前為止還沒有準確的診斷方法。并且未見基于小波與神經(jīng)網(wǎng)絡(luò)的逆變器低頻噪聲故障診 斷方法的文獻報道和實際應(yīng)用。
[0003]本發(fā)明基于以下考慮：噪聲在有用信號中是一種必須消除的信號，卻也因其攜帶 的信息而在故障診斷中占有重要地位。器件中由于電子的運動及硬件構(gòu)成隨時存在著可 顯示其狀態(tài)的噪聲信號。噪聲含量的變化不僅可以預(yù)示器件的潛在故障，還可以判斷器件 的狀態(tài)水平。低頻噪聲是模擬電路中常見的噪聲信號，最具代表性的噪聲為1/f噪聲及產(chǎn) 生-復(fù)合（g-r)噪聲。逆變器的不同故障狀態(tài)所具有的能量水平不同，初步測定，g_r噪聲 的過激噪聲-爆裂噪聲的能量值比1/f?噪聲的能量值至少高一個數(shù)量級。各個故障狀態(tài)的 判定為一可波動閾值。當器件正常狀態(tài)，會含有少量的1/f噪聲；當器件亞健康狀態(tài)時，其 中的1/f噪聲會出現(xiàn)過激現(xiàn)象，使得其含量大幅增加，并摻雜少量的g-r噪聲；當器件出現(xiàn) 軟故障時，過激1/f噪聲及大量g-r噪聲大幅度出現(xiàn)；當器件處于硬故障狀態(tài)即器件可放棄 時，g-r的過激噪聲-爆裂噪聲會大量出現(xiàn)。為逆變器正常工作，通過對其低頻噪聲的檢測 來準確判定其工作狀態(tài)，及時檢測其可靠性，對逆變器的故障管理機制提供了有效的依據(jù)。


【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于提出一種科學合理，適用，診斷準確且速度快的基于小波與神 經(jīng)網(wǎng)絡(luò)的逆變器低頻噪聲故障診斷方法。
[0005]實現(xiàn)本發(fā)明目的采用的技術(shù)方案是：一種基于小波與神經(jīng)網(wǎng)絡(luò)的逆變器低頻噪聲 故障診斷方法，其特征在于，步驟如下：
[0006] 1)分別對無故障狀態(tài)、有故障狀態(tài)的待測逆變器進行數(shù)據(jù)采集，提取信號并濾 波；
[0007]2)將濾波后的信號分別進行小波變換，利用閾值函數(shù)進行去噪，將數(shù)據(jù)中高頻信 號進行濾波處理，并將信號分解為尺度系數(shù)h與小波系數(shù)dp其中j= 1，2, ...，J，J為分 解的最_層數(shù)；
[0008]3)分別將最高層數(shù)的尺度系數(shù)與各層次的小波系數(shù)進行能量轉(zhuǎn)換并加和處理，得 到

【權(quán)利要求】
1. 一種基于小波與神經(jīng)網(wǎng)絡(luò)的逆變器低頻噪聲故障診斷方法，其特征在于，步驟如 下： 1) 分別對無故障狀態(tài)、有故障狀態(tài)的待測逆變器進行數(shù)據(jù)采集，提取信號并濾波； 2) 將濾波后的信號分別進行小波變換，利用閾值函數(shù)進行去噪，將數(shù)據(jù)中高頻信號進 行濾波處理，并將信號分解為尺度系數(shù)h與小波系數(shù)其中j= 1，2,…，J，J為分解的最 高層數(shù)； 3) 分別將最高層數(shù)的尺度系數(shù)與各層次的小波系數(shù)進行能量轉(zhuǎn)換并加和處理，得到 五= (Kzf+IKI2)Ij= 1，2,…，J，得到分別代表正常值矩陣與故障值矩陣的EjPEfi，其中， i為故障逆變器個數(shù)； 4) 將能量值矩陣進行差值處理得到特征量AEi =Eti-En,i為逆變器個數(shù)； 5) 將4)中特征量AEi輸入到神經(jīng)網(wǎng)絡(luò)進行訓練得到故障識別能力，根據(jù)邏輯輸出 及故障對應(yīng)狀態(tài)進行故障診斷，輸出的二進制數(shù)值分別代表故障類型：〇〇_逆變器正常； Ol-逆變器亞健康狀態(tài)；10-軟故障預(yù)警狀態(tài)；11-硬故障可排除狀態(tài)。
2. 根據(jù)權(quán)利要求1所述的一種基于小波與神經(jīng)網(wǎng)絡(luò)的逆變器低頻噪聲故障診斷方法， 其特征在于，所述待測逆變器為無源檢測。
3. 根據(jù)權(quán)利要求1所述的一種基于小波與神經(jīng)網(wǎng)絡(luò)的逆變器低頻噪聲故障診斷方法， 其特征在于，所述的小波變換方法為多分辨率分析小波變換。
4. 根據(jù)權(quán)利要求1所述的一種基于小波與神經(jīng)網(wǎng)絡(luò)的逆變器低頻噪聲故障診斷方法， 其特征在于，所述神經(jīng)網(wǎng)絡(luò)為三層前饋神經(jīng)網(wǎng)絡(luò)。
【文檔編號】G06N3/08GK104318305SQ201410605501
【公開日】2015年1月28日 申請日期:2014年10月30日 優(yōu)先權(quán)日:2014年10月30日
【發(fā)明者】陳曉娟, 申雅茹, 陳東陽, 吳潔, 李建坡, 李楠, 姜萬昌 申請人:東北電力大學