本站小編為你精心準(zhǔn)備了級(jí)聯(lián)式變頻器故障診斷參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

引言目前，級(jí)聯(lián)式變頻器在高壓、大功率應(yīng)用中已經(jīng)成為了一項(xiàng)重要的技術(shù)［1］。在鋼鐵、化工、石油、冶金、水處理等各行業(yè)中，級(jí)聯(lián)式變頻器被廣泛用于驅(qū)動(dòng)風(fēng)機(jī)、泵類及各種大型機(jī)械，已成為當(dāng)今節(jié)電、提高生產(chǎn)過(guò)程自動(dòng)化水平、改造傳統(tǒng)工業(yè)、推動(dòng)技術(shù)進(jìn)步的主要手段之一［2］。級(jí)聯(lián)式變頻器采用功率單元進(jìn)行級(jí)聯(lián)［3］，相對(duì)于傳統(tǒng)的兩電平變頻器，主電路功率器件增多了，因此其故障的可能性大大增加，故障問(wèn)題也越來(lái)越明顯［4］。級(jí)聯(lián)式變頻器的功率管開路故障在變頻器輸出頻率較低時(shí)對(duì)輸出電壓、電流影響很小，因而不容易被發(fā)現(xiàn)。若不能及時(shí)的診斷出該故障，將會(huì)形成很大的故障隱患，給安全生產(chǎn)帶來(lái)威脅。因此，研究準(zhǔn)確高效的級(jí)聯(lián)式變頻器故障診斷方法具有重要意義。對(duì)于級(jí)聯(lián)式變頻器故障診斷的研究目前比較少，主要以神經(jīng)網(wǎng)絡(luò)的故障診斷方法為主。其中，BP神經(jīng)網(wǎng)絡(luò)是應(yīng)用最廣泛和成功的神經(jīng)網(wǎng)絡(luò)之一［5］。BP算法主要是通過(guò)不斷地調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值來(lái)修正網(wǎng)絡(luò)的輸出誤差。但是，BP算法也存在一些缺點(diǎn)，比如需要足夠多的訓(xùn)練樣本、容易陷入局部極小、學(xué)習(xí)時(shí)間過(guò)長(zhǎng)、收斂速度慢等問(wèn)題［6］，從而不能夠很好的診斷出級(jí)聯(lián)式變頻器的功率管開路故障。PSO算法［7，8］是近年來(lái)發(fā)展起來(lái)的一種新的群體智能優(yōu)化算法，它主要是通過(guò)個(gè)體之間的互相協(xié)作來(lái)搜索空間中的最優(yōu)解，其概念簡(jiǎn)單、參數(shù)少且易于實(shí)現(xiàn)。為了提高級(jí)聯(lián)式變頻器故障診斷的精確度，針對(duì)BP神經(jīng)網(wǎng)絡(luò)在級(jí)聯(lián)式變頻器功率管開路故障診斷中所存在的不足，利用改進(jìn)的粒子群算法(particleswarmoptimization，PSO)來(lái)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，提出了一種改進(jìn)PSO－BP的級(jí)聯(lián)式變頻器故障診斷方法，仿真結(jié)果表明，該方法相對(duì)于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)能夠快速準(zhǔn)確的診斷出故障，更好的應(yīng)用到級(jí)聯(lián)式變頻器的故障診斷中。

1級(jí)聯(lián)式變頻器故障診斷原理

級(jí)聯(lián)式變頻器是由多個(gè)相互獨(dú)立的低壓功率單元串聯(lián)實(shí)現(xiàn)高壓輸出。移相整流變壓器采用的為多重化設(shè)計(jì)，它將網(wǎng)側(cè)的高壓轉(zhuǎn)換為二次側(cè)的多組低壓，二次側(cè)低壓繞組均相互獨(dú)立給功率單元供電，所以也沒(méi)有串聯(lián)均壓的問(wèn)題存在。功率單元是級(jí)聯(lián)式變頻器實(shí)現(xiàn)其功能的基本單元，它相當(dāng)于一臺(tái)交直交低壓電壓型變頻器，結(jié)構(gòu)如圖1所示，相鄰的功率單元的輸出端成Y型連接，實(shí)現(xiàn)高壓輸出，給高壓電動(dòng)機(jī)供電。本文所研究的級(jí)聯(lián)式變頻器每相分別由五個(gè)功率單元相互串聯(lián)組成，其中每個(gè)功率單元的逆變部分有四個(gè)功率器件(Q1～Q4)。由于所含的功率器件數(shù)量眾多而且在運(yùn)行時(shí)不停的導(dǎo)通和關(guān)斷，因此極易發(fā)生開路故障。由于級(jí)聯(lián)式變頻器發(fā)生功率管開路故障時(shí)，對(duì)輸出的電壓、電流影響很小，不容易被發(fā)現(xiàn)，因此需要研究高效的級(jí)聯(lián)式變頻器故障診斷方法。級(jí)聯(lián)式變頻器每個(gè)功率器件發(fā)生故障的概率相同，而且是隨機(jī)的，因此需要分析級(jí)聯(lián)式變頻器故障時(shí)的輸出電壓和電流信號(hào)，找到能夠反映其故障特征的信號(hào)。本文通過(guò)對(duì)級(jí)聯(lián)式變頻器故障時(shí)輸出的電壓電流信號(hào)進(jìn)行分析，發(fā)現(xiàn)在故障時(shí)輸出的電壓信號(hào)所含的信息量最大，因此將級(jí)聯(lián)式變頻器輸出電壓作為故障信號(hào)源來(lái)對(duì)級(jí)聯(lián)式變頻器進(jìn)行故障分析。

2改進(jìn)PSO－BP的級(jí)聯(lián)式變頻器故障診斷算法

2．1PSO算法PSO算法是通過(guò)模擬鳥群捕食行為來(lái)進(jìn)行群體搜索的算法。PSO算法中的每個(gè)待優(yōu)化問(wèn)題的解都可以看作搜索空間中的一只鳥，稱其為“粒子”。所有粒子都有一個(gè)適應(yīng)度來(lái)決定它們的優(yōu)劣，然后每個(gè)粒子就跟隨其當(dāng)前最優(yōu)粒子在解空間中進(jìn)行搜索。即粒子對(duì)以前速度的改變程度，當(dāng)它取值較大時(shí)有利于使算法擺脫局部最優(yōu)，當(dāng)它取值較小時(shí)有利于算法收斂。所以，在算法的初期階段，ω應(yīng)該賦予較大的值以便于擴(kuò)大粒子的搜索范圍，從而提高全局搜索效率;在算法的收斂階段，應(yīng)該盡可能減小ω的取值，使其盡可能的搜索最優(yōu)個(gè)體周邊的范圍，從而提高其準(zhǔn)確率。

2．2PSO算法的改進(jìn)思想在PSO算法中，ω大多設(shè)定為隨進(jìn)化而線性遞減，由于慣性權(quán)重ω服從線性變化，難以在搜索范圍和尋優(yōu)精度之間取得較好的權(quán)衡，所以本文考慮將ω服從隨機(jī)分布，如式(3)所示，易跳出局部最優(yōu)值，且能有效搜索到全局最優(yōu)值。學(xué)習(xí)因子c1、c2分別代表了粒子在進(jìn)行速度更新時(shí)，個(gè)體最優(yōu)和全局最優(yōu)所占的比重大小。c1、c2的調(diào)整方式與粒子群此時(shí)位置的適應(yīng)度有關(guān)，當(dāng)適應(yīng)度大于群體適應(yīng)度的平均值時(shí)，可以通過(guò)增大c1、減小c2的方式來(lái)減小飛向全局極值的速度;反之，則減小c1、增大c2［12］。

2．3BP神經(jīng)網(wǎng)絡(luò)假設(shè)BP神經(jīng)網(wǎng)絡(luò)的輸入層、隱含層、輸出層神經(jīng)元個(gè)數(shù)分別為n、m、q，輸入層到隱含層的權(quán)值為vij，隱含層的閾值為b1，隱含層到輸出層的權(quán)值為ωjk，輸出層的閾值為b2，隱含層和輸出層節(jié)點(diǎn)所用的傳遞函數(shù)分別。

2．4PSO－BP的級(jí)聯(lián)式變頻器故障診斷過(guò)程PSO－BP神經(jīng)網(wǎng)絡(luò)的算法診斷流程如圖2所示，具體步驟如下:1)故障模擬及樣本數(shù)據(jù)采集。首先根據(jù)級(jí)聯(lián)式變頻器的仿真模型模擬出功率管開路故障，獲取其故障信息。然后，采用小波分解方法對(duì)級(jí)聯(lián)式變頻器故障狀態(tài)和正常狀態(tài)的輸出電壓信號(hào)進(jìn)行分解，提取其頻帶能量值。將提取的特征頻帶能量值與輸出電壓歪度值一起構(gòu)造故障特征向量，并對(duì)其進(jìn)行歸一化處理，進(jìn)而作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本和測(cè)試樣本。2)確定網(wǎng)絡(luò)的結(jié)構(gòu)。網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)n=5，根據(jù)多次實(shí)驗(yàn)結(jié)果隱含層節(jié)點(diǎn)數(shù)確定為m=7，網(wǎng)絡(luò)的輸出層節(jié)點(diǎn)數(shù)q=13。

3級(jí)聯(lián)式變頻器的故障診斷

本文以6kV級(jí)聯(lián)式變頻器功率管開路故障為例，在MATLAB下建立其故障仿真模型。級(jí)聯(lián)式變頻器每相由5個(gè)輸出電壓為690V的功率單元(即1號(hào)～5號(hào)功率單元)串聯(lián)組成。每個(gè)功率單元的逆變部分有4個(gè)功率管，分別為Q1、Q2、Q3、Q4。以每相1號(hào)功率單元的功率管開路故障為例，級(jí)聯(lián)式變頻器的輸出共有13種狀態(tài)，規(guī)定為F1～F13，對(duì)應(yīng)的故障編碼分別為(1000000000000～0000000000001)。根據(jù)級(jí)聯(lián)式變頻器的故障特點(diǎn)，采集級(jí)聯(lián)式變頻器不同狀態(tài)下每相的仿真輸出電壓信號(hào)，用于網(wǎng)絡(luò)的訓(xùn)練和測(cè)試。仿真時(shí)的采樣頻率fs為2000Hz，采樣點(diǎn)數(shù)為512個(gè)。本文總共采集了78組仿真數(shù)據(jù)，其中前65組數(shù)據(jù)用于網(wǎng)絡(luò)的訓(xùn)練，后13組數(shù)據(jù)用于網(wǎng)絡(luò)的測(cè)試。表1列舉了每種狀態(tài)的一組訓(xùn)練樣本，其中A1Q1表示A相1號(hào)功率單元逆變橋的1號(hào)功率管故障，后面的依次類推;|γ|表示不同狀態(tài)下輸出電壓的歪度值;E1，E2，E3，E4分別為四層小波分解后d1～d4細(xì)節(jié)頻帶所對(duì)應(yīng)的頻帶能量值。為了驗(yàn)證改進(jìn)的PSO－BP神經(jīng)網(wǎng)絡(luò)具有更好更快的學(xué)習(xí)能力和精度，分別用改進(jìn)的PSO－BP神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)對(duì)級(jí)聯(lián)式變頻器進(jìn)行故障診斷，設(shè)定最大訓(xùn)練次數(shù)為2000，設(shè)定訓(xùn)練精度為0．0001。每一種算法運(yùn)行100次，傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)在100次運(yùn)行中有85次不能夠達(dá)到設(shè)定的精度，并且陷入了局部極小值，只有15次能夠達(dá)到設(shè)定的精度;而改進(jìn)的PSO－BP神經(jīng)網(wǎng)絡(luò)在100次運(yùn)行中都能夠達(dá)到設(shè)定的精度，并且達(dá)到精度所需迭代的步數(shù)集中在20～69步之間。選取這兩種算法在100次運(yùn)行中的平均情況，得到樣本的學(xué)習(xí)過(guò)程如圖3所示。在改進(jìn)的PSO－BP神經(jīng)網(wǎng)絡(luò)作用下所得到的測(cè)試數(shù)據(jù)的網(wǎng)絡(luò)輸出結(jié)果如表2所示。其中A1Q1、A1Q2、A1Q3、A1Q4、B1Q1、B1Q2、B1Q3、B1Q4、C1Q1、C1Q2、C1Q3、C1Q4分別代表這些功率管所對(duì)應(yīng)的開路故障。改進(jìn)的PSO－BP神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)在100次運(yùn)行中的平均診斷結(jié)果參數(shù)對(duì)比如表3所示。由圖3兩種算法的對(duì)比，可以看出傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)收斂速度非常慢，且陷入了局部極值。改進(jìn)的PSO－BP神經(jīng)網(wǎng)絡(luò)的收斂速度很快，由表3可以看出，傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)的均方誤差很大，未達(dá)到設(shè)定精度，而只需要經(jīng)過(guò)30次迭代就可以達(dá)到設(shè)定的訓(xùn)練誤差，且均方誤差為2．05353×10－5。由此可知，改進(jìn)的PSO－BP神經(jīng)網(wǎng)絡(luò)不論是在學(xué)習(xí)速度還是精度方面都遠(yuǎn)遠(yuǎn)優(yōu)于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)。

4結(jié)論

本文針對(duì)級(jí)聯(lián)式變頻器的功率管開路故障，利用小波分析提取有效的故障特征向量，減少了訓(xùn)練網(wǎng)絡(luò)的規(guī)模;針對(duì)BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值難以選取的缺點(diǎn)，結(jié)合PSO算法尋優(yōu)能力和收斂能力較強(qiáng)的優(yōu)點(diǎn)，采用改進(jìn)的PSO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，提高了網(wǎng)絡(luò)的泛化能力和學(xué)習(xí)能力，加快了其收斂速度。仿真結(jié)果表明，經(jīng)改進(jìn)的PSO－BP神經(jīng)網(wǎng)絡(luò)相對(duì)于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)加快了網(wǎng)絡(luò)的收斂速度和診斷精度，能夠很好的用于級(jí)聯(lián)式變頻器的故障診斷。

作者：王新 孫河南 單位：河南理工大學(xué) 電氣工程與自動(dòng)化學(xué)院