劉玲

摘 要： PWM逆變電路故障具有多發(fā)性和非線性相關(guān)性，對(duì)其準(zhǔn)確檢測(cè)的難度較大。為了提高PWM逆變電路的故障診斷性能，提出基于獨(dú)立主成分分析的PWM逆變電路的故障診斷方法，采用電路輸出信號(hào)測(cè)量方法進(jìn)行故障狀態(tài)特征檢測(cè)，對(duì)采集的PWM逆變電路信號(hào)進(jìn)行調(diào)理和抗混疊濾波處理，提取檢測(cè)信號(hào)的獨(dú)立主成分特征，實(shí)現(xiàn)故障識(shí)別。仿真結(jié)果表明，采用該方法進(jìn)行PWM逆變電路故障診斷的準(zhǔn)確檢測(cè)性能較好，故障診斷可靠穩(wěn)定。

關(guān)鍵詞： 獨(dú)立主成分分析； PWM逆變電路； 故障診斷； 信號(hào)測(cè)量

中圖分類號(hào)： TN710?34； TP277 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）05?0147?04

Abstract： The fault of the PWM inverter circuit has the characteristics of malfunction and nonlinear correlation， and it is difficult to detect its accuracy. In order to improve the fault diagnosis performance of the PWM inverter circuit， the PWM inverter circuit fault diagnosis method based on independent principal component analysis is proposed. The measuring method of the circuit output signal is used to detect the fault state feature to perform the conditioning and anti?aliasing filtering for the acquired signal of the PWM inverter circuit， and extract the independent principal component characteristics of the signal， so as to recognize the fault. The simulation results show that the method has better accurate detection performance for PWM inverter circuit fault diagnosis， and the fault diagnosis is reliable and stable.

Keywords： independent principal component analysis； PWM inverter circuit； fault diagnosis； signal measurement

0 引 言

PWM逆變電路廣泛應(yīng)用在調(diào)制解調(diào)通信、信號(hào)放大系統(tǒng)和信號(hào)調(diào)理系統(tǒng)中，在實(shí)現(xiàn)電壓逆變和信號(hào)增強(qiáng)方面具有較大的應(yīng)用價(jià)值。PWM逆變電路要求輸出時(shí)鐘頻率精確、穩(wěn)定，但在PWM逆變電路中，存在來(lái)自外部的有源晶振干擾和內(nèi)部寄生振蕩的擾動(dòng)，容易產(chǎn)生電路故障[1?2]，為了保障PWM逆變電路穩(wěn)定、可靠的工作，需要進(jìn)行有效的電路故障診斷，研究PWM逆變電路故障診斷的優(yōu)化方法在提高電路系統(tǒng)的穩(wěn)定性方面具有重要意義。

對(duì)電路故障診斷的原理是通過(guò)對(duì)電路輸出信號(hào)進(jìn)行特征檢測(cè)和分析，采用信號(hào)測(cè)量方法完成電路輸出信號(hào)的濾波、采集和處理，提供給專家系統(tǒng)做出診斷決策[3]，實(shí)現(xiàn)對(duì)PWM逆變電路故障產(chǎn)生的原因、性質(zhì)和特征進(jìn)行分析。典型的電路故障診斷方法按照檢測(cè)手段分為電路寄生振蕩檢測(cè)法、混疊譜分析方法、超聲檢測(cè)方法等。按照診斷原理可分為時(shí)域分析診斷方法、頻域分析診斷方法、統(tǒng)計(jì)分析診斷法和信息論分析方法等[4]。其他的人工智能診斷方法還有神經(jīng)網(wǎng)絡(luò)診斷法和專家系統(tǒng)法，一般來(lái)說(shuō)，上述方法都是將采集的電路信號(hào)直接來(lái)判別PWM逆變電路的運(yùn)行狀態(tài)，結(jié)合濾波電路濾除與故障無(wú)關(guān)的信息，進(jìn)行信號(hào)的統(tǒng)計(jì)特征量分析，但通常從檢測(cè)的電路信號(hào)直接判別PWM逆變電路的故障運(yùn)行狀態(tài)是比較困難的，特別是PWM逆變電路的物理量變化復(fù)雜，元件的組成要素較多，存在非線性特征干擾和寄生振蕩，故障具有多發(fā)性，常規(guī)的檢測(cè)方法難以實(shí)現(xiàn)有效的故障診斷。

為了提高PWM逆變電路的故障診斷性能，提出基于獨(dú)立主成分分析的PWM逆變電路的故障診斷方法，并通過(guò)仿真實(shí)驗(yàn)測(cè)試其可行性。

1 PWM逆變電路故障診斷原理

PWM逆變電路狀態(tài)識(shí)別和故障診斷的第一步是信號(hào)的檢測(cè)測(cè)量，采用信號(hào)處理和濾波方法實(shí)現(xiàn)對(duì)PWM逆變電路的輸出振蕩信號(hào)和寄生信號(hào)的采集和測(cè)量。PWM逆變電路的故障診斷原理如圖1所示[5]。

2 電路信號(hào)測(cè)量穩(wěn)態(tài)指標(biāo)選取

分析故障診斷原理可知，進(jìn)行PWM逆變電路故障診斷的首要一步是進(jìn)行電路信號(hào)測(cè)量，信號(hào)的測(cè)量和調(diào)理是進(jìn)行PWM逆變電路狀態(tài)監(jiān)測(cè)和故障診斷最基礎(chǔ)的工作，采用傳感器測(cè)量方法，將電路中的敏感元件測(cè)量信號(hào)轉(zhuǎn)換為電量變化信號(hào)，假設(shè)PWM逆變電路敏感元件測(cè)量信號(hào)的表達(dá)式為：

圖3 電路故障診斷的實(shí)現(xiàn)流程

4 故障診斷的仿真測(cè)試

采用Matlab 2014工具箱中的Simulink平臺(tái)構(gòu)建PWM逆變電路，進(jìn)行故障診斷分析仿真實(shí)驗(yàn)，電路的故障信號(hào)測(cè)量節(jié)點(diǎn)分為6個(gè)節(jié)點(diǎn)，故障信號(hào)采樣中，每種狀態(tài)樣本為100個(gè)[8]，采集600組信號(hào)樣本進(jìn)行故障特征提取和獨(dú)立主成分分析[9]，信號(hào)測(cè)量節(jié)點(diǎn)間的相關(guān)系數(shù)分布見(jiàn)表1。

對(duì)采集的PWM逆變電路信號(hào)進(jìn)行調(diào)理和抗混疊濾波處理，對(duì)PWM逆變電路的主成分分析的PCA結(jié)果見(jiàn)表2。從表2可知，選擇的PWM逆變電路信號(hào)測(cè)量節(jié)點(diǎn)的主成分特征對(duì)故障診斷具有較高的累積貢獻(xiàn)百分率，平均百分率達(dá)到96.89%，說(shuō)明選擇的信號(hào)測(cè)量節(jié)點(diǎn)進(jìn)行故障診斷具有顯著性特征，可以作為故障檢測(cè)的信號(hào)輸入源。

以表2結(jié)果為基礎(chǔ)進(jìn)行故障診斷，得到測(cè)量信號(hào)的一組樣本如圖4所示。以故障診斷的準(zhǔn)確檢測(cè)概率為測(cè)試技術(shù)指標(biāo)，進(jìn)行診斷性能分析，圖5給出了采用本文方法和傳統(tǒng)方法，經(jīng)過(guò)1 000次實(shí)驗(yàn)，在不同干擾強(qiáng)度下進(jìn)行PWM逆變電路故障診斷的準(zhǔn)確度的平均值，結(jié)果可見(jiàn)，本文方法的故障診斷準(zhǔn)確度高于傳統(tǒng)方法，可靠性較好。

5 結(jié) 語(yǔ)

為了提高PWM逆變電路的故障診斷性能，保障電路的可靠穩(wěn)定工作，提出基于獨(dú)立主成分分析的PWM逆變電路的故障診斷方法，采用電路輸出信號(hào)的測(cè)量方法進(jìn)行故障狀態(tài)特征檢測(cè)，對(duì)采集的PWM逆變電路信號(hào)進(jìn)行調(diào)理和抗混疊濾波處理，提取檢測(cè)信號(hào)的獨(dú)立主成分特征，實(shí)現(xiàn)故障識(shí)別。結(jié)果表明，采用本文方法進(jìn)行PWM逆變電路故障診斷的準(zhǔn)確檢測(cè)性能較好，具有較好的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 溫陽(yáng)東，宋陽(yáng)，王穎鑫，等.基于模糊神經(jīng)網(wǎng)絡(luò)的電力變壓器故障診斷[J].計(jì)算機(jī)測(cè)量與控制，2013，21（1）：39?41.

[2] 孫海亮，訾艷陽(yáng)，何正嘉.多小波自適應(yīng)分塊閾值降噪及其在軋機(jī)齒輪故障診斷中的應(yīng)用[J].振動(dòng)工程學(xué)報(bào)，2013，26（1）：127?134.

[3] 孫云嵩，于德介，陳向民，等.基于信號(hào)共振稀疏分解的階比分析及其在齒輪故障診斷中的應(yīng)用[J].振動(dòng)與沖擊，2013，32（16）：88?94.

[4] 韓曉冬.基于小波神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障定位技術(shù)研究[J].科技通報(bào)，2013，29（6）：59?61.

[5] 王永旭，溫渤嬰.高壓直流輸電交流濾波器與交流系統(tǒng)最大并聯(lián)阻抗的分析與計(jì)算[J].中國(guó)電機(jī)工程學(xué)報(bào)，2015，35（11）：2703?2710.

[6] 索中英，程嗣怡，袁修久，等.優(yōu)勢(shì)決策信息系統(tǒng)規(guī)則獲取方法及應(yīng)用[J].兵工學(xué)報(bào)，2015，26（3）：539?544.

[7] 于晗，鐘志勇，黃杰波，等.采用拉丁超立方采樣的電力系統(tǒng)概率潮流計(jì)算方法[J].電力系統(tǒng)自動(dòng)化，2009，33（21）：32?36.

[8] 朱洪.基于D?S證據(jù)和POS神經(jīng)網(wǎng)絡(luò)的電路故障診斷[J].計(jì)算機(jī)測(cè)量與控制，2013，21（4）：868?870.

[9] 姚文軒，滕召勝，唐求，等.非同步采樣下電力系統(tǒng)相量測(cè)量修正算法[J].儀器儀表學(xué)報(bào)，2013，34（7）：1518?1524.