帕孜來(lái)·馬合木提，付 玲，林吉?jiǎng)P

（新疆大學(xué) 電氣工程學(xué)院，新疆 烏魯木齊830047）

0 引言

多電平逆變器相對(duì)傳統(tǒng)的兩電平逆變器具有開(kāi)關(guān)損耗小、輸出諧波含量低等優(yōu)點(diǎn)，但是隨著開(kāi)關(guān)數(shù)量的成倍增加，也大大降低了多電平逆變器的可靠性。任何一個(gè)開(kāi)關(guān)管發(fā)生故障后，將導(dǎo)致整個(gè)逆變器不能正常工作，從而導(dǎo)致一些經(jīng)濟(jì)損失甚至還可能引發(fā)重大安全事故。因此，對(duì)多電平逆變器進(jìn)行故障診斷研究，特別是應(yīng)用自動(dòng)故障診斷技術(shù)對(duì)提高多電平逆變器的可靠性具有很大的經(jīng)濟(jì)價(jià)值與現(xiàn)實(shí)意義[1]。

目前國(guó)內(nèi)外學(xué)者針對(duì)多電平逆變器的故障診斷都有較為深入的研究。有學(xué)者提出運(yùn)用變換器交流側(cè)PWM電壓UPWM和電流的極性來(lái)判斷功率開(kāi)關(guān)管的故障[2]，該方法的診斷速度快，可靠性也高，但其診斷結(jié)果無(wú)法精確定位具體發(fā)生故障的功率管。此外，一些學(xué)者對(duì)于逆變器故障診斷，提出了基于模型的故障診斷方法[3-4]，引入鍵合圖等建模方法對(duì)其進(jìn)行建模，其方法提高了診斷正確率，但其分析過(guò)程比較復(fù)雜。

近年來(lái)，隨著神經(jīng)網(wǎng)絡(luò)理論的引入，為故障診斷問(wèn)題提供了一種新途徑，神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性特性特別適合用于逆變器這樣的混雜系統(tǒng)。傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)需要預(yù)先給定期望輸出值以及大量故障學(xué)習(xí)樣本。因此，筆者根據(jù)自組織特征映射（SOM）神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)特點(diǎn)將其應(yīng)用于多電平逆變器的故障診斷中，利用小波包變換對(duì)三電平逆變器的上、中、下橋臂電壓進(jìn)行變換，提取故障能量系數(shù)，組成其相應(yīng)的故障特征矢量作為SOM神經(jīng)網(wǎng)絡(luò)的輸入，根據(jù)獲勝神經(jīng)元的位置來(lái)判斷其逆變器的故障模式。

1 三電平逆變器故障特征分析與提取

在實(shí)際運(yùn)用中逆變電源主電路出現(xiàn)較多的故障是功率管的開(kāi)路與短路故障。短路故障會(huì)導(dǎo)致過(guò)流保護(hù)，其存在的時(shí)間較短，并且其自身的保護(hù)電路也會(huì)很快使其變?yōu)殚_(kāi)路。實(shí)際應(yīng)用中多個(gè)開(kāi)關(guān)器件同時(shí)發(fā)生故障的幾率比較低，因此本文僅對(duì)最多兩個(gè)功率半導(dǎo)體元件開(kāi)路作故障作分析。圖1為本文所研究的三電平逆變器的主電路拓?fù)浣Y(jié)構(gòu)圖。

圖1 三電平逆變器的主電路圖

1.1 三電平逆變器故障模式分析

圖2 單相仿真電路圖

基于每相的基本情況都相同，本文就已單相電路為研究對(duì)象，研究其開(kāi)路故障情況，如圖2所示。利用MATLAB進(jìn)行仿真，設(shè)輸入直流電壓為530 V，功率管采用理想的開(kāi)關(guān)元件和二極管。定義“A相中點(diǎn)橋臂電壓”為Vao，即橋臂中點(diǎn)a與電容電壓中點(diǎn)o之間的電壓；“上橋臂電壓”為 Vbo；“下橋臂電壓”為 Vco[5]。由于三電平逆變器的主電路存在對(duì)稱(chēng)性，所以這里就給出了Sa1、Sa2、VD1開(kāi)路的故障波形圖。圖3為單個(gè)功率開(kāi)關(guān)管開(kāi)路時(shí)中點(diǎn)橋臂電壓Vao的仿真波形[6]。

當(dāng)功率開(kāi)關(guān)管同時(shí)有兩個(gè)出現(xiàn)開(kāi)路故障時(shí)，存在兩種情況：一類(lèi)是兩個(gè)開(kāi)關(guān)管處于同一橋臂；第二類(lèi)是兩個(gè)開(kāi)關(guān)管處于不同的橋臂。對(duì)于第二類(lèi)情況，相當(dāng)于某個(gè)橋臂的單個(gè)開(kāi)關(guān)管開(kāi)路，因此，本文僅分析第一類(lèi)情況。以橋臂a為研究對(duì)象，可以分為6種故障模式?？紤]到主電路存在對(duì)稱(chēng)性，因此本文就只給出了Sa1和Sa2、Sa1和 Sa3、Sa1和 Sa4、Sa2和 Sa3同時(shí)開(kāi)路時(shí)的中點(diǎn)臂電壓Vao的波形，如圖4所示。

通過(guò)對(duì)圖3與圖4的比對(duì)，可以發(fā)現(xiàn)Sa2單管開(kāi)路與Sa1、Sa2同時(shí)開(kāi)路時(shí)的橋臂電壓Vao具有相同的電平邏輯特征。因此，只應(yīng)用小波包變換單獨(dú)提取中點(diǎn)橋臂Vao各頻段能量系數(shù)不能區(qū)分這兩類(lèi)故障模式。

經(jīng)仿真研究實(shí)驗(yàn)分析，Sa2單獨(dú)開(kāi)路時(shí)與 Sa1、Sa2同時(shí)開(kāi)路時(shí)的上橋臂電壓與下橋臂電壓其電平邏輯區(qū)分較為明顯，那么其波形所含能量值也就不同。所以，同時(shí)提取橋臂電壓Vao、Vbo和 Vco各頻帶能量系數(shù)可以很好地表示各種故障模式。

1.2 三電平逆變器故障特征提取

根據(jù)小波包的一系列特性，利用小波包對(duì)信號(hào)進(jìn)行分解，再對(duì)其分解系數(shù)進(jìn)行重構(gòu)，得到各頻帶的能量值。在各頻帶的電壓能量中，包含了其相應(yīng)的故障信息，由此，提出“能量—故障”模式診斷識(shí)別方法[7-8]。本文采用小波包兩層分解后各頻帶的能量作為相應(yīng)故障模式的輸入向量，將三電平逆變器的單相故障進(jìn)行編碼，利用小波包原理對(duì)相應(yīng)的故障橋電壓進(jìn)行能量提取，其特征向量如表1所示。

2 SOM神經(jīng)網(wǎng)絡(luò)與模式識(shí)別

SOM神經(jīng)網(wǎng)絡(luò)是由芬蘭赫爾辛基大學(xué)神經(jīng)網(wǎng)絡(luò)專(zhuān)家Coonan教授在1981年提出的，其網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖5所示[9]，由輸入層與競(jìng)爭(zhēng)層（輸出層）組成。輸入層與輸出層的神經(jīng)元通過(guò)一個(gè)權(quán)值實(shí)現(xiàn)全連接。

圖3 單個(gè)功率開(kāi)關(guān)管開(kāi)路時(shí)橋臂電壓仿真波形

圖4 兩個(gè)功率管同時(shí)開(kāi)路時(shí)橋臂電壓Vao仿真波形

表1 標(biāo)準(zhǔn)故障樣本

圖5 SOM神經(jīng)網(wǎng)絡(luò)模型

SOM神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法是一種無(wú)導(dǎo)師指導(dǎo)與監(jiān)督的聚類(lèi)方式，當(dāng)學(xué)習(xí)訓(xùn)練結(jié)束后，競(jìng)爭(zhēng)層中的一個(gè)神經(jīng)元只針對(duì)某一類(lèi)輸入矢量最為敏感從而產(chǎn)生最大輸出值，其他的神經(jīng)元只有最小值輸出。因此，對(duì)該網(wǎng)絡(luò)中具有最大輸出值的神經(jīng)元標(biāo)以其對(duì)應(yīng)的故障標(biāo)號(hào)，即可進(jìn)行故障模式的識(shí)別與分類(lèi)。其具體學(xué)習(xí)過(guò)程如下：

(1)用[0，1]之間的隨機(jī)數(shù)對(duì)輸入層與競(jìng)爭(zhēng)層之間的連接權(quán)值進(jìn)行初始化。

(2)把標(biāo)準(zhǔn)故障樣本 P=[p1，p2，…，pn]T通過(guò)輸入層輸入網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

(3)由公式(1)找到使yi具有最大輸出值的神經(jīng)元 i，i即為最佳匹配單元C。

(4)為使網(wǎng)絡(luò)經(jīng)過(guò)學(xué)習(xí)訓(xùn)練后具有聚類(lèi)功能，定義NC為C的一個(gè)拓?fù)溧徲颉Ｊ筃C內(nèi)的單元輸出為 1，NC外的單元輸出為0。即：

(5)權(quán)值調(diào)整學(xué)習(xí)。對(duì)與勝出神經(jīng)元連接的各個(gè)權(quán)值進(jìn)行訓(xùn)練修正。其權(quán)值訓(xùn)練公式如下：其中，α(t)為學(xué)習(xí)因子，當(dāng)其減小到0時(shí)，學(xué)習(xí)訓(xùn)練結(jié)束。

(6)判斷網(wǎng)絡(luò)輸出結(jié)果。根據(jù)輸出結(jié)果判斷是否達(dá)到預(yù)先設(shè)定的結(jié)果，若符合預(yù)定結(jié)果則學(xué)習(xí)結(jié)束，否則返回步驟(2)，進(jìn)行下一輪的學(xué)習(xí)。

3 SOM網(wǎng)絡(luò)在故障診斷中的應(yīng)用

利用表1中的標(biāo)準(zhǔn)知識(shí)樣本對(duì)SOM網(wǎng)絡(luò)進(jìn)行訓(xùn)練，本文所設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)輸入矢量元素個(gè)數(shù)為10個(gè)，輸出層為10×10個(gè)神經(jīng)元。應(yīng)用SOM神經(jīng)網(wǎng)絡(luò)對(duì)13個(gè)標(biāo)準(zhǔn)故障故障樣本進(jìn)行分類(lèi)，其訓(xùn)練后的故障映射圖如圖6所示。

在SOM網(wǎng)絡(luò)訓(xùn)練結(jié)束后，為了測(cè)試其網(wǎng)絡(luò)的泛化識(shí)別能力，對(duì)輸入樣本增加隨機(jī)數(shù) (隨機(jī)數(shù)范圍 0～1之間)的 10%的增量作為干擾來(lái)進(jìn)行故障模式的識(shí)別。選取隨機(jī)數(shù)0.1的10%作為擾動(dòng)量的識(shí)別結(jié)果如表2所示。

從表2中可以看出，SOM網(wǎng)絡(luò)除了第三組測(cè)試樣本的診斷結(jié)果與三電平逆變器的實(shí)際故障不符合以外，其余診斷結(jié)果完全正確。從中可以得出，SOM網(wǎng)絡(luò)具有較強(qiáng)的學(xué)習(xí)泛化能力。對(duì)已經(jīng)學(xué)習(xí)過(guò)的樣本，識(shí)別率為100%。因此，SOM神經(jīng)網(wǎng)絡(luò)能夠較好地識(shí)別三電平逆變器的各類(lèi)開(kāi)路故障，較好地完成逆變器的故障診斷。

圖6 故障映射圖

4 結(jié)論

本文采用的被廣泛用于模式識(shí)別與分類(lèi)領(lǐng)域的SOM網(wǎng)絡(luò)，不需要大量的樣本進(jìn)行訓(xùn)練，不僅減小了神經(jīng)網(wǎng)絡(luò)的規(guī)模，同時(shí)也縮短了網(wǎng)絡(luò)訓(xùn)練的時(shí)間。通過(guò)對(duì)三電平逆變器的上、中、下3個(gè)橋臂電壓進(jìn)行小波包分解提取各頻帶能量值，作為其相應(yīng)的故障特征。實(shí)驗(yàn)診斷結(jié)果表明，將SOM網(wǎng)絡(luò)應(yīng)用于三電平逆變器的開(kāi)路故障診斷中，不僅可以快速診斷出各故障模式的具體類(lèi)型，其診斷精度也比較高，其故障模式分類(lèi)效果很理想，為逆變器的在線(xiàn)故障監(jiān)測(cè)與診斷提供了一種很好的智能診斷算法。

表2 測(cè)試結(jié)果

[1]肖剛.三電平逆變器故障診斷研究[D].西安：西安理工大學(xué)，2007.

[2]湯清泉，顏世超，盧松升，等.三電平逆變器的功率管開(kāi)路故障診斷[J].中國(guó)電機(jī)工程學(xué)報(bào)，2008，28(21)：26-32.

[3]王俊年，龔明，王海乾.大功率逆變器的鍵合圖模型及故障診斷方法[J].湖南科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，29(1)：24-28.

[4]GONZáLEZ-CONTRERAS B M，RULLáN-LARA J L，VELA-VALDéS L G，et al.Modelling,simulation and fault diagnosis of the three-phase inverter using bond graph[C].Industrial Electronics，2007.ISIE 2007.IEEE International Symposium on.IEEE，2007：130-135.

[5]LEE J，KIM T，KANG D，et al.A control method for improvement of reliability in fault tolerant NPC inverter system[C].Power Electronics Specialists Conference，2006.PESC′06.37th IEEE.IEEE，2006：1-5.

[6]陳丹江，葉銀忠.基于多神經(jīng)網(wǎng)絡(luò)的三電平逆變器器件開(kāi)路故障診斷方法[J].電工技術(shù)學(xué)報(bào)，2013，28(6)：120-126.

[7]楊勇，郭凱，馬西仃.基于小波包和支持向量機(jī)的提升機(jī)滾動(dòng)軸承故障診斷研究[J].礦山機(jī)械，2012，40(11)：41-44.

[8]王云亮，孟慶學(xué).基于小波包能量法及神經(jīng)網(wǎng)絡(luò)的電力電子裝置故障診斷[J].電氣自動(dòng)化，2009，31(2)：25-27.[9]張德豐.Matlab神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)[M].北京：機(jī)械工業(yè)出版社，2012.