[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

说明书

本发明涉及一种基于多模态数据的逆变器IGBT微小故障特征提取方法，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。与现有技术相比，本发明具有易于实现、节约成本、降低噪声干扰、提高模态分类准确性、准确提取和故障检测等优点。

技术领域

本发明涉及逆变器故障检测领域，尤其是涉及一种基于多模态数据的逆变器IGBT微小故障特征提取方法。

背景技术

常用两电平牵引逆变器中的IGBT在长期运行过程中由于受到电压、电流的累积作用，线路电磁波的干扰作用，模块内部各部分材料热膨胀系数不一样而在界面产生的热应力作用，从而会产生键合线断裂、焊料层疲劳等微小故障，若不对这些微小故障进行及时有效的检测，听任故障发展，最终将演变成短路或断路等显著故障，对系统运行造成不利影响。与显著故障相比，IGBT微小故障具有故障特征值小、故障发展缓慢、故障特征易被未知扰动和噪声掩盖等特点，其检测难度更高。因此，选取合适的能够反映IGBT微小故障的故障特征变量，并且从这些故障特征变量中准确地提取故障特征参数，对于准确检测微小故障具有决定性的作用。

近年来，国内外专家学者对IGBT微小故障检测方法进行了广泛而深入的研究，已经确定了部分能够明确表征IGBT微小故障的故障特征变量，包括集射极饱和导通压降V_CE(on)、门极电压V_GE、开通阈值电压V_GE(th)、关断时间t_off、开通时间t_on、结壳热阻R_th、结温T_j等，但是这些已知的故障特征变量，都需要在逆变器内部的IGBT模块上安装相应的传感器来获得，这不仅增加了系统的复杂程度，而且提高了采样难度，不便于及时获取故障特征信息。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多模态数据的逆变器IGBT微小故障特征提取方法。

本发明的目的可以通过以下技术方案来实现：

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，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。

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；