一种基于小波与神经网络的逆变器低频噪声故障诊断方法

文档序号:6632730阅读:295来源:国知局
一种基于小波与神经网络的逆变器低频噪声故障诊断方法
【专利摘要】本发明是一种基于小波与神经网络的逆变器低频噪声故障诊断方法,其特点是:包括以下步骤:分别对正常及故障逆变器进行无源测试数据输出,通过对输出的正常信号和故障信号分别进行小波变换并分解,将能量转换后得到的数值矩阵差值处理作为特征量,将特征量输入进神经网络进行训练,并对神经网络的输出做出判断实现故障等级的裁定。具有方法科学合理,适用,诊断准确且速度快等优点。
【专利说明】一种基于小波与神经网络的逆变器低频噪声故障诊断方法

【技术领域】
[0001] 本发明涉及一种逆变器的故障诊断方法,特别涉及一种基于小波与神经网络的逆 变器低频噪声故障诊断方法,属于模拟电路故障诊断检测【技术领域】。

【背景技术】
[0002] 随着逆变器在人们生产生活中的广泛应用,人们对其有着越来越高的可靠性要 求。传统的人工检测并判定故障状态的方法一方面由于维修人员的经验不足,一方面由于 缺少详细的故障状态信息,使得快速准确的检测故障成为一大难题。近年来,研究学者们在 逆变器的故障诊断方面已取得不少成就,例如键合图理论故障诊断法,开关函数模型故障 诊断法,模糊理论,专家系统,粒子群,谱估计等各种故障诊断方法等,但这些方法大多由于 实施过程复杂,故障诊断单一而使得应用受限,并且如何准确描述逆变器故障等级的过渡, 目前为止还没有准确的诊断方法。并且未见基于小波与神经网络的逆变器低频噪声故障诊 断方法的文献报道和实际应用。
[0003]本发明基于以下考虑:噪声在有用信号中是一种必须消除的信号,却也因其携带 的信息而在故障诊断中占有重要地位。器件中由于电子的运动及硬件构成随时存在着可 显示其状态的噪声信号。噪声含量的变化不仅可以预示器件的潜在故障,还可以判断器件 的状态水平。低频噪声是模拟电路中常见的噪声信号,最具代表性的噪声为1/f噪声及产 生-复合(g-r)噪声。逆变器的不同故障状态所具有的能量水平不同,初步测定,g_r噪声 的过激噪声-爆裂噪声的能量值比1/f?噪声的能量值至少高一个数量级。各个故障状态的 判定为一可波动阈值。当器件正常状态,会含有少量的1/f噪声;当器件亚健康状态时,其 中的1/f噪声会出现过激现象,使得其含量大幅增加,并掺杂少量的g-r噪声;当器件出现 软故障时,过激1/f噪声及大量g-r噪声大幅度出现;当器件处于硬故障状态即器件可放弃 时,g-r的过激噪声-爆裂噪声会大量出现。为逆变器正常工作,通过对其低频噪声的检测 来准确判定其工作状态,及时检测其可靠性,对逆变器的故障管理机制提供了有效的依据。


【发明内容】

[0004]本发明的目的在于提出一种科学合理,适用,诊断准确且速度快的基于小波与神 经网络的逆变器低频噪声故障诊断方法。
[0005]实现本发明目的采用的技术方案是:一种基于小波与神经网络的逆变器低频噪声 故障诊断方法,其特征在于,步骤如下:
[0006] 1)分别对无故障状态、有故障状态的待测逆变器进行数据采集,提取信号并滤 波;
[0007]2)将滤波后的信号分别进行小波变换,利用阈值函数进行去噪,将数据中高频信 号进行滤波处理,并将信号分解为尺度系数h与小波系数dp其中j= 1,2, ...,J,J为分 解的最_层数;
[0008]3)分别将最高层数的尺度系数与各层次的小波系数进行能量转换并加和处理,得 到

【权利要求】
1. 一种基于小波与神经网络的逆变器低频噪声故障诊断方法,其特征在于,步骤如 下: 1) 分别对无故障状态、有故障状态的待测逆变器进行数据采集,提取信号并滤波; 2) 将滤波后的信号分别进行小波变换,利用阈值函数进行去噪,将数据中高频信号进 行滤波处理,并将信号分解为尺度系数h与小波系数其中j= 1,2,…,J,J为分解的最 高层数; 3) 分别将最高层数的尺度系数与各层次的小波系数进行能量转换并加和处理,得到 五= (Kzf+IKI2)Ij= 1,2,…,J,得到分别代表正常值矩阵与故障值矩阵的EjPEfi,其中, i为故障逆变器个数; 4) 将能量值矩阵进行差值处理得到特征量AEi =Eti-En,i为逆变器个数; 5) 将4)中特征量AEi输入到神经网络进行训练得到故障识别能力,根据逻辑输出 及故障对应状态进行故障诊断,输出的二进制数值分别代表故障类型:〇〇_逆变器正常; Ol-逆变器亚健康状态;10-软故障预警状态;11-硬故障可排除状态。
2. 根据权利要求1所述的一种基于小波与神经网络的逆变器低频噪声故障诊断方法, 其特征在于,所述待测逆变器为无源检测。
3. 根据权利要求1所述的一种基于小波与神经网络的逆变器低频噪声故障诊断方法, 其特征在于,所述的小波变换方法为多分辨率分析小波变换。
4. 根据权利要求1所述的一种基于小波与神经网络的逆变器低频噪声故障诊断方法, 其特征在于,所述神经网络为三层前馈神经网络。
【文档编号】G06N3/08GK104318305SQ201410605501
【公开日】2015年1月28日 申请日期:2014年10月30日 优先权日:2014年10月30日
【发明者】陈晓娟, 申雅茹, 陈东阳, 吴洁, 李建坡, 李楠, 姜万昌 申请人:东北电力大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1