[发明专利]一种有源逆变器间歇故障诊断方法

权利要求书

1.一种有源逆变器间歇故障诊断方法，其特征在于，包括如下步骤：

1)对不同工作状态下的有源逆变器输出的三相电流信号进行采样，其中包括有源逆变器正常运行状态数据、已知类型的永久故障数据和已知类型的间歇故障数据，生成采样数据集X。

2)将步骤1)中采集到的每个原始数据样本使用小波包算法进行N层小波分解，得到小波包分解结构图，然后对最后一层分解系数进行单支重构得到2^N个频带重构信号，构成重构信号集合

3)将步骤2)中所得的重构信号根据频带顺序由低到高地进行排序，并取各频带的能量熵并对各频带能量熵进行归一化处理得到频带的归一能量熵用构造能量特征向量T_n^r。

4)将所有样本经步骤3)后构造得到的特征向量组成数据集D，对数据集D运用“k折交叉验证”方法进行处理，生成k组训练集和测试集的组合。

5)取步骤4)所得的数据集用于训练CART(Classification and Regression Tree)决策树，在生成分支时，从当前组训练集所有的A个属性中随机选出一个包含A′个属性的子集，在A′中选出使当前数据集“基尼指数”(Gini index)最小特征的a_*，决定决策树的分支，将算法运行到不能再长出分支为止，然后对这棵树进行适当剪枝。使用k组数据训练出k棵决策树。

6)对待测有源逆变器数据样本使用步骤2)的方法进行小波包分解和重构，再使用步骤3)的方法提取归一化能量熵，构造能量特征向量，输入到由步骤5)生成的k棵决策树组成随机森林网络中，进行间歇故障分类，从而实现有源逆变器间歇故障诊断。

2.根据权利要求1所述的，一种有源逆变器间歇故障诊断方法，其特征在于，所述步骤1)的有源逆变器数据采样过程为：在n种不同工作状态下的有源逆变器电路中，分别采集r组当前工作状态的电路输出的三相电流信号，生成采样数据集X。

3.根据权利要求1所述的，一种有源逆变器间歇故障诊断方法，其特征在于，所述步骤2)使用的小波包分解算法为：

将原始信号分解后对最后一层分解系数进行单支重构，重构算法为：

式(1)和式(2)中j为尺度因子，n为调制参数或振荡参数，表示第j层第n个子频带的小波系数，k是平移量，l为函数变量。重构后得到2^N个频带重构信号的集合此处的n代表数据集中的第n个样本。

4.根据权利要求1所述的，一种有源逆变器间歇故障诊断方法，其特征在于，所述步骤3)的能量熵的计算方法为：

式(3)中表示重构信号的幅值。将计算出能量熵归一化得到归一化能量熵计算方法为：

用归一化能量熵构造特征向量T_n^r：

将得到的特征向量T_n^r用作决策树的训练。

5.根据权利要求1所述的，一种有源逆变器间歇故障诊断方法，其特征在于，所述步骤4)的数据集D是由特征向量T_n^r构成。将数据集D进行“k折交叉验证”的方法为：

先将数据集D划分为k个大小相似的互斥子集，即每个子集D_i都从D中通过分层采样得到，尽可能保证数据分布的一致性。每次用k-1个子集的并集作为训练集，剩下的那个子集作为测试集，则可以获得k组训练集和测试集的组合，测试集中不使用标签。

6.根据权利要求1所述的，一种有源逆变器间歇故障诊断方法，其特征在于，所述步骤5)训练决策树的方法为：

从数据集D所有的A个属性中随机选出能一个包含A′＝log₂ A个属性的子集，再在A′中选出使当前数据集基尼指数最小特征的a_*：

用a_*决定决策树分支的生长方向，将CART算法运行到不能再长出分支为止，然后对这棵树进行适当剪枝，从而生产一棵决策树。

7.根据权利要求1所述的，一种有源逆变器间歇故障诊断方法，其特征在于，所述步骤6)生成随机森林的投票过程为：

其中

其中的一棵树h_i对待测样本的预测结果为投票完成后，选择使最大的C_j作为最终的分类结果，也就是有源逆变器间歇故障的诊断结果，从而实现有源逆变器间歇故障的诊断。