電力電子系統(tǒng)故障診斷技術淺談-全文預覽
【正文】 (3).8 / 8。實際應用表明，這些方法可行、有效，適用性強，具有較高的實用價值。我們在大量實驗中的體會是，故障診斷專家系統(tǒng)中可以用不同信號和它包含的諧波分量的波形來描述電路在正?；虬l(fā)生故障時的運行狀態(tài)，每一組諧波和其他的測量信息均可作為其對應的可能發(fā)生的故障的特征?？赡苡捎贛OSFET漏源極導通，VDS始終為零，致使其不可控，同一橋臂兩管發(fā)生直通；● 逆變器與電機三相母線接口連接不可靠，負載不對稱，使觀測到的波形異常。專家系統(tǒng)使用實際測量數(shù)據(jù)和知識庫診斷出故障并解釋其發(fā)生的原因，知識庫中包含系統(tǒng)正常和故障運行時的信息。而故障樹的定性分析過程就是找出故障樹的全部最小割集或全部最小路集的過程。在這一過程中應對發(fā)現(xiàn)的薄弱環(huán)節(jié)采取改進措施，以提高系統(tǒng)的可靠性，這比簡單算出可靠性的意義更大。在FTA分析過程中，建樹是第一個關鍵，是最基本、最實際、最艱苦的，在一定意義上也是最有用的環(huán)節(jié)。 圖1 故障模式影響及危害性分析步驟 故障樹分析故障樹分析FTA（fault tree analysis）可以讓人們知道哪些事件的組合可以導致危及系統(tǒng)安全的故障，并計算它們的發(fā)生概率，然后通過設計改進和有效的故障監(jiān)測、維修等措施，設法減小它們的發(fā)生概率。故障檢測方法分析是分析每一種故障模式是否存在特定的發(fā)現(xiàn)該故障模式的檢測方法，從而為系統(tǒng)的故障檢測與隔離設計提供依據(jù)。FMEA又包括故障模式分析、故障原因分析、故障影響分析、故障檢測方法分析與補償措施分析等步驟。合理利用采集信息（即把采集信息分為三層），運用遺傳算法進行分層信息故障診斷；將遺傳算法應用在故障診斷專家系統(tǒng)的推理和自學習中，可以克服專家系統(tǒng)存在的推理速度慢和在先驗知識很少的情況下知識獲取困難的障礙，提高了專家系統(tǒng)的適應性。信號的處理與分析是故障預測和診斷的基礎，提高診斷的準確度需要信號處理和分析方法，小波變換以其對非平穩(wěn)信號局部化分析，及良好的時—頻定位功能的突出優(yōu)點，為故障診斷提供了新的、強有力的分析手段，彌補了傳統(tǒng)故障診斷中因為專家的經(jīng)驗知識很難精確描述，存在知識獲取的“瓶頸”問題。本文后面將介紹作者在實際中應用專家系統(tǒng)方法進行故障診斷的實例。這種逆問題的求解明顯不同于正問題的求解，而人工智能AI（Artificial Intelligence）技術中的專家系統(tǒng)ES（Expert System）正是解這種逆問題的有利工具。BP網(wǎng)絡中沒有反饋，同一層的節(jié)點之間沒有耦合，每一層的節(jié)點只影響下一層節(jié)點的輸入。目前常用的方法有：最小距離分類法，Bayes分類法，F(xiàn)isher判別法，從參數(shù)模型求特征，用KL變換提取特征等 基于神經(jīng)網(wǎng)絡的故障診斷方法利用神經(jīng)網(wǎng)絡的自學習、自歸納能力，經(jīng)過一定的訓練，建立起故障信號與故障分類之間的映像關系。用模式識別方法進行故障診斷，是根據(jù)樣本的數(shù)學特征來進行的，因此它不需要精確的數(shù)學模型。狀態(tài)估計法的優(yōu)點是在線計算量小，診斷速度快。 狀態(tài)估計法通過監(jiān)測系統(tǒng)的狀態(tài)變化，也能反映由系統(tǒng)參數(shù)變化引起的故障，并對故障進行診斷。 參數(shù)模型與故障診斷如果系統(tǒng)的數(shù)學模型是已知的，就可以通過測量，估計系統(tǒng)的狀態(tài)和參數(shù)，確定狀態(tài)變量和系統(tǒng)參量是否變化。而電力電子電路中包含故障信息的關鍵點信號通常具有周期性，因此可以用傅里葉變換將時域中的故障波形變換到頻域，以突出故障特征，實現(xiàn)故障診斷。
環(huán)評公示相關推薦
鄂ICP備17016276號-1