[发明专利]基于多模态数据的逆变器IGBT微小故障特征提取方法

权利要求书

1.一种基于多模态数据的逆变器IGBT微小故障特征提取方法，用以提取能够反映逆变器中IGBT微小故障的特征参数用于后续的故障检测，其特征在于，包括以下步骤：

1)建立两电平牵引逆变器暂态模态的等效二阶系统，并对等效二阶系统表达式进行参数辨识；

2)通过Elman神经网络对逆变器输出电压数据进行模态划分；

3)提取每个暂态模态中相应的微小故障特征参数，包括电压超调量σ、峰值时间t_p以及电压斜率绝对值Δ；

4)提取每个稳态模态中的电压稳态值V_stab；

5)根据提取得到的IGBT微小故障的特征参数进行故障检测。

2.根据权利要求1所述的一种基于多模态数据的逆变器IGBT微小故障特征提取方法，其特征在于，所述的步骤1)具体包括以下步骤：

101)构建两电平牵引逆变器暂态模态的等效二阶系统传递函数，其表达式为：

其中，c₁、c₂均为传递函数的参数，s₁、s₂分别为传递函数G(s)的特征方程的根；

102)获取以设定采样间隔的阶跃信号作为系统输入时对应的阶跃响应；

103)将阶跃响应代入二阶差分方程求解，解得二阶差分方程的参数后计算获取传递函数的参数和特征方程的根，所述的二阶差分方程的表达式为：

g(t)+a₁g(t+Δt)+a₂g(t+2Δt)＝0

其中，a₁、a₂为二阶差分方程的参数，g(t)、g(t+Δt)、g(t+2Δt)分别为t、t+Δt、t+2Δt采样时刻的阶跃响应，Δt为采样间隔。

3.根据权利要求2所述的一种基于多模态数据的逆变器IGBT微小故障特征提取方法，其特征在于，所述的步骤2)具体包括以下步骤：

201)将一批次的逆变器原始工作模态数据，即原始输出电压数据切分为s个时间片，得到由s个数据元组x_i组成的数据集X_set，所述的数据元组作为逆变器工作模态的分类特征参数，其中，为原始工作模态数据的平均值；

202)将所有n个批次的数据集合并形成训练样本集Sample_Set，将训练样本集Sample_Set作为Elman神经网络的输入数据集并进行训练；

203)根据训练好的Elman神经网络对逆变器输出电压数据进行模态划分。

4.根据权利要求3所述的一种基于多模态数据的逆变器IGBT微小故障特征提取方法，其特征在于，所述的步骤201)中，每个数据集X_set至少包含一个完整的工作模态切换周期，包括6个暂态模态和6个稳态模态。

5.根据权利要求2所述的一种基于多模态数据的逆变器IGBT微小故障特征提取方法，其特征在于，所述的步骤3)包括暂态参数计算和权值融合两个过程，即，对于电压暂态模态，首先分别在原始输出电压数据和参数辨识系统数据中计算超调量和峰值时间，然后将两个超调量和峰值时间按照权重进行融合平均，最后通过组合计算得到电压斜率绝对值Δ。