姜濤+高瑞

摘 要：電力電子技術(shù)誕生于上世紀(jì)九十年代，緊接著就發(fā)展成為一門新興的科學(xué)技術(shù)。電力電子器件主要完成對(duì)電能的控制和轉(zhuǎn)換，這是電力電子技術(shù)的核心思想。在這一思想的引領(lǐng)下，其在改造傳統(tǒng)產(chǎn)業(yè)、發(fā)展高新技術(shù)等多種領(lǐng)域里發(fā)揮著舉足輕重的作用。從另一方面來(lái)講就使得電力電子電路在不同領(lǐng)域的各類設(shè)備中取得了廣泛的應(yīng)用。因此對(duì)于它的故障檢測(cè)與診斷就顯得尤為重要，其一旦出現(xiàn)故障，輕則設(shè)備停機(jī)造成經(jīng)濟(jì)損失，重則導(dǎo)致人員傷亡。為此文章設(shè)計(jì)一種基于核極限學(xué)習(xí)機(jī)的電力電子電路故障診斷的方法，對(duì)于電力電子電路出錯(cuò)率較高的問(wèn)題，利用Simulink軟件搭建故障仿真模型。采集不同故障下單周期固定采樣點(diǎn)數(shù)據(jù)，將此數(shù)據(jù)利用小波包分解重構(gòu)的方法提取能量作為特征，并將該特征作為極限學(xué)習(xí)機(jī)故障分類輸入。但因電力電子電路具有較強(qiáng)的非線性，傳統(tǒng)的極限學(xué)習(xí)機(jī)算法得不到較好的分類結(jié)果。因此課題引入核函數(shù)的思想，利用核極限學(xué)習(xí)機(jī)的方法對(duì)其進(jìn)一步分類測(cè)試，經(jīng)過(guò)調(diào)整參數(shù)可以得到較好的分類效果，從理論的角度說(shuō)明了此方法的合理性。

關(guān)鍵詞：電力電子電路；simulink仿真；小波包；核極限學(xué)習(xí)機(jī)；故障診斷

中圖分類號(hào)：TN710 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2017）30-0014-04

1 概述

隨著電力電子技術(shù)的快速發(fā)展，電力電子產(chǎn)品在社會(huì)生產(chǎn)及生活等方面得到了廣泛應(yīng)用，如電氣牽引裝置、電力傳動(dòng)系統(tǒng)、航空電源、變頻器等。電源或電機(jī)驅(qū)動(dòng)器的核心部分通常由電力電子裝置擔(dān)當(dāng)。因此，電力電子裝置是整個(gè)工程電源系統(tǒng)的關(guān)鍵，一旦其發(fā)生故障將導(dǎo)致設(shè)備停產(chǎn)，造成巨大的經(jīng)濟(jì)損失，更有可能造成人員的傷亡，引發(fā)嚴(yán)重事故[1]。在一些有高可靠性要求的應(yīng)用場(chǎng)合，如航空軍事系統(tǒng)中，一旦其發(fā)生故障將會(huì)給國(guó)防安全帶來(lái)嚴(yán)重危害。

三相整流電路廣泛應(yīng)用于電力電子裝置中。晶閘管本身?yè)p壞以及觸發(fā)脈沖一場(chǎng)導(dǎo)致的不導(dǎo)通和誤導(dǎo)通都會(huì)使該晶閘管所在的整流電路發(fā)生故障并引發(fā)整流電壓的畸變。因此，對(duì)電力電子電路實(shí)現(xiàn)在線實(shí)時(shí)監(jiān)測(cè)和故障診斷顯得很有必要。在對(duì)故障診斷快速性和準(zhǔn)確性要求越來(lái)越高的同時(shí)，人們也不斷尋找如何對(duì)三相全控整流電路中故障晶閘管快速、準(zhǔn)確地定位，應(yīng)用先進(jìn)的算法實(shí)現(xiàn)智能故障診斷也越來(lái)越受到重視。對(duì)于故障診斷主要應(yīng)用的方法有以下幾種：

（1）信號(hào)處理的方法：其主要是確定故障檢測(cè)有用信息，獲取此類信息并對(duì)其進(jìn)行相關(guān)分析操作，最終得出結(jié)論。其中信息分析的方法有傅里葉分析、小波變換，或者提取信號(hào)的幅值、相位、頻率等信息。

（2）解析模型的方法：在確定診斷系統(tǒng)數(shù)學(xué)模型的基礎(chǔ)

上，通過(guò)狀態(tài)估計(jì)和參數(shù)估計(jì)的方法，確定系統(tǒng)故障的類別。但這種方法主要用于故障的前期檢測(cè)，對(duì)故障發(fā)生后的分類就存在些許不足。

（3）基于知識(shí)的故障診斷：基于知識(shí)的故障診斷方法主要基于人工智能的學(xué)習(xí)算法，通過(guò)對(duì)系統(tǒng)各類故障進(jìn)行學(xué)習(xí)，從而構(gòu)建整個(gè)系統(tǒng)的故障診斷模型。對(duì)于復(fù)雜系統(tǒng)此方法同樣具有適用性，只是故障診斷時(shí)間會(huì)相對(duì)延長(zhǎng)。例如人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等算法。

2 整流電路及故障分類

2.1 三相橋式整流電路

目前在各種整流電路中，三相橋式可控整流電路是應(yīng)用比較廣泛的。通常將陰極連接在一起的稱為共陰極組，即晶閘管（VT1、VT3、VT5），陽(yáng)極連接在一起的稱為共陽(yáng)極組，即晶閘管（VT2、VT4、VT6）。同時(shí)在三相橋式整流電路工作時(shí)，為了保證晶閘管導(dǎo)通順序依次為VT1～VT6，因此在對(duì)各晶閘管命名時(shí)，將三相橋共陰極組與a、b、c三相電源連接的三只晶閘管命名為VT1、VT3、VT5，共陽(yáng)極組與a、b、c三相電源相連接的三只晶閘管為VT4、VT6、VT2，如圖1所示。

工作原理：

為了搞清楚觸發(fā)角α變化時(shí)個(gè)晶閘管導(dǎo)通順序，分析整流后輸出電壓波形規(guī)則，本文選擇α=00時(shí)整流后的輸出波形加以說(shuō)明。如圖2為α=00的情況，即在自然換相點(diǎn)觸發(fā)換相。

在第Ⅰ階段，三相電壓中Ua電壓最高，因此共陰極組中晶閘管VT1被觸發(fā)導(dǎo)通，與之對(duì)應(yīng)的Ub電壓最低，所以共陽(yáng)極組的晶閘管VT6被觸發(fā)導(dǎo)通，此時(shí)電流由a相經(jīng)VT1流向負(fù)載，再經(jīng)VT6流入b相，變壓器a、b兩相工作，共陰極組的a相電流為正，共陽(yáng)極組的b相電流為負(fù)，加在負(fù)載上的整流電壓為Ud=Ua-Ub=Uab。

經(jīng)過(guò)600后進(jìn)入第Ⅱ階段，這時(shí)a相電壓仍然最高，晶閘管VT1繼續(xù)導(dǎo)通，同時(shí)最低電壓由b相變?yōu)閏相，在經(jīng)過(guò)自然換相點(diǎn)后晶閘管VT2被觸發(fā)導(dǎo)通，電流即從b相換到c相，此時(shí)晶閘管VT6因承受反向電壓而關(guān)斷，此時(shí)的電流回路為：a相流出經(jīng)VT1、負(fù)載、VT6流回電源c相，對(duì)應(yīng)變壓器a、c兩相工作，這時(shí)a相電流為正，c相電流為負(fù)。在負(fù)載上的電壓為Ud=Ua-Uc=Uac。

再經(jīng)過(guò)600后進(jìn)入第Ⅲ階段，此時(shí)最高電壓變?yōu)閎相，在經(jīng)過(guò)自然換相點(diǎn)后，共陰極組晶閘管VT3被導(dǎo)通，電流即從a相換到b相，因電位依然最低c相晶閘管繼續(xù)導(dǎo)通，此時(shí)變壓器b、c兩相參與工作，此時(shí)負(fù)載上的電壓變?yōu)閁d=Ub-Uc=Ubc。

以此類推可以得到Uba，Uca，Ucb的電壓。于是得到晶閘管的導(dǎo)通情況及輸出整流電壓的情況如表1所示：

2.2 三相整流電路仿真及故障分類

2.2.1 仿真建立及參數(shù)設(shè)置

（1）Simulink環(huán)境下仿真模塊的建立

根據(jù)三相橋式全控整流電路結(jié)構(gòu)搭建仿真平臺(tái)，將所用各模塊找到并放入文檔中，對(duì)其進(jìn)行電氣連接，對(duì)于參數(shù)的設(shè)置可以通過(guò)雙擊模塊器件，在對(duì)話框中進(jìn)行設(shè)置。如圖3為系統(tǒng)仿真接線圖。

（2）模塊各參數(shù)的設(shè)置

三相電源電壓設(shè)置為404V，頻率設(shè)置為50Hz，相角相差1200，Va的初相角設(shè)置為00。同步6脈沖觸發(fā)器模塊用于觸發(fā)三相全控整流橋的6只晶閘管，同步6脈沖觸發(fā)器可以給雙脈沖，雙脈沖間隔為600。將6脈沖觸發(fā)器中發(fā)出的脈沖信號(hào)一次傳送到對(duì)應(yīng)的晶閘管中。endprint

2.2.2 三相橋式整流電路故障分類

根據(jù)三相橋式整流電路的工作原理，晶閘管的導(dǎo)通順序?yàn)椋海╒T6、VT1）-（VT1、VT2）-（VT2、VT3）-（VT3、VT4）-（VT4、VT5）-（VT5、VT6）。正常工作時(shí)整流輸出電壓每周期以相同的趨勢(shì)脈動(dòng)六次，即每工頻周期由六個(gè)形狀相同的波頭組成。

當(dāng)電路中晶閘管出現(xiàn)故障時(shí)，電壓波形就會(huì)按照一定規(guī)律產(chǎn)生畸變。如VT1故障時(shí)，晶閘管的導(dǎo)通次序變?yōu)椋海╒T5、VT6）-（無(wú)）-（VT2、VT3）-（VT3、VT4）-（VT4、VT5）-（VT5、VT6）； 故障時(shí)，晶閘管的導(dǎo)通次序變?yōu)椋海╒T6、VT1）-（VT6、VT1）-（無(wú)）-（VT3、VT4）-（VT4、VT5）-（VT5、VT6）；當(dāng)VT1、VT3故障時(shí)，晶閘管的導(dǎo)通次序變?yōu)椋海╒T5、VT6）-（無(wú)）-（無(wú)）-（VT4、VT5）-（VT4、VT5）-（VT5、VT6）；當(dāng)VT1、VT2故障時(shí)，晶閘管的導(dǎo)通次序變?yōu)椋海╒T5、VT6）-（VT5、VT6）-（無(wú)）-（VT3、VT4）-（VT4、VT5）-（VT5、VT6）。綜上所述，課題將故障情況分為以下7類[3]，見表2所示。

其中正常及7大類故障類型單周期波形如圖4所示（觸發(fā)角為30度）：

3 核極限學(xué)習(xí)機(jī)的分類應(yīng)用

3.1 極限學(xué)習(xí)機(jī)算法原理

極限學(xué)習(xí)機(jī)（Extreme Learning Machine，ELM）是一種新型算法，此算法由南洋理工大學(xué)黃廣斌教授提出。極限學(xué)習(xí)機(jī)針對(duì)單隱含層前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在運(yùn)行過(guò)程中其輸入層與隱含層之間的連接權(quán)值和隱含層神經(jīng)元閾值的產(chǎn)生是隨機(jī)的，并且在之后的訓(xùn)練中不再進(jìn)行調(diào)整。整個(gè)過(guò)程中需要設(shè)置的參數(shù)只有隱含層神經(jīng)元個(gè)數(shù)，最終通過(guò)嚴(yán)格的理論推理獲得最優(yōu)解的過(guò)程。極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示。

極限學(xué)習(xí)機(jī)和BP神經(jīng)網(wǎng)絡(luò)的主要區(qū)別在于連接權(quán)值的設(shè)定。BP神經(jīng)網(wǎng)絡(luò)的所有連接權(quán)值是在訓(xùn)練過(guò)程中時(shí)刻迭代調(diào)整的，而極限學(xué)習(xí)機(jī)的連接權(quán)值只能在初始時(shí)刻隨機(jī)給定，因而不需時(shí)刻調(diào)整。

由于電力電子電路存在較強(qiáng)的非線性，而傳統(tǒng)的極限學(xué)習(xí)機(jī)在解決非線性分類問(wèn)題中還存在一定不足。為了提高極限學(xué)習(xí)機(jī)得非線性分類性能，本文考慮結(jié)合支持向量機(jī)的核函數(shù)思想，將非線性的核映射引入到極限學(xué)習(xí)機(jī)中。核函數(shù)具有強(qiáng)大的非線性映射能力，能夠克服維數(shù)災(zāi)難，對(duì)于線性不可分的問(wèn)題可以映射到高維空間使其線性可分?；A(chǔ)的極限學(xué)習(xí)機(jī)是無(wú)核的，其只有一個(gè)隱含層，當(dāng)輸入權(quán)值給定以后，這個(gè)隱含層恰恰就是一個(gè)非線性的顯式映射，將輸入樣本映射到另外一個(gè)空間中，使其在該空間線性可分，而實(shí)驗(yàn)發(fā)現(xiàn)，對(duì)于分類問(wèn)題極限學(xué)習(xí)機(jī)常常需要較多的隱含層結(jié)點(diǎn)，這也就是說(shuō)需要將樣本映射到高維空間，這與核函數(shù)最初的思想是等價(jià)的，所以課題借鑒核函數(shù)內(nèi)積的理論，可以不必采用這種顯示的映射方式，而直接采用核函數(shù)來(lái)代替極限學(xué)習(xí)機(jī)隱藏結(jié)點(diǎn)的映射。經(jīng)過(guò)研究發(fā)現(xiàn)將核方法與極限學(xué)習(xí)機(jī)結(jié)合起來(lái)理論和實(shí)踐上都是可行的，它提高了極限學(xué)習(xí)機(jī)的穩(wěn)健性和非線性逼近能力[4-6]。

3.2 電力電子電路分類實(shí)現(xiàn)

課題對(duì)仿真的各類故障下的整流電壓進(jìn)行采樣。由于電路中某處晶閘管發(fā)生故障后，輸出波形為非平穩(wěn)信號(hào)，并且不同故障下整流電壓輸出波形中各個(gè)頻率成分的能量不同，為此課題提出了基于各頻段能量作為特征的故障診斷識(shí)別信息。故障識(shí)別過(guò)程如圖6所示。通過(guò)計(jì)算不同故障波形中各頻率成分能量值作為核極限學(xué)習(xí)機(jī)分類特征，并對(duì)不同故障進(jìn)行標(biāo)簽標(biāo)識(shí)，在能夠表征各個(gè)故障特征的同時(shí)，使得輸入數(shù)據(jù)大大減少。

針對(duì)三相橋式整流電路正常及各類故障，因系統(tǒng)為阻感負(fù)載，其觸發(fā)角變化范圍是00-900，為此課題在仿真采樣時(shí)，對(duì)于每一類故障采取觸發(fā)角每間隔2.50進(jìn)行采樣，采樣時(shí)間間隔為0.0002s，以A相電壓由負(fù)變正過(guò)零點(diǎn)為采樣起始點(diǎn)，每周期采樣100個(gè)點(diǎn)，具體數(shù)據(jù)見表3。課題選取穩(wěn)定后第二個(gè)周期的波形，首先將采樣數(shù)據(jù)從Simulink中將其導(dǎo)入工作空間中，存入.mat文件。以上述單周期波形做小波包分解，然后對(duì)其分解后最終節(jié)點(diǎn)的低頻和高頻信號(hào)做能量計(jì)算，以此作為核極限學(xué)習(xí)機(jī)的故障特征，如表4所示。

3.3 核極限學(xué)習(xí)機(jī)分類結(jié)果

通過(guò)上述小波包分解重組后，將其波形能量作為特征。使用Matlab實(shí)現(xiàn)極限學(xué)習(xí)機(jī)（KELM）故障診斷算法。首先進(jìn)行故障大類分類，其中包含7種故障類型；對(duì)于核極限學(xué)習(xí)機(jī)而言，其輸入神經(jīng)元個(gè)數(shù)為8，輸出神經(jīng)元個(gè)數(shù)為7，經(jīng)過(guò)測(cè)試訓(xùn)練設(shè)置其他合適參數(shù)后，將標(biāo)簽定義后的各類故障輸入，然后將上述數(shù)據(jù)進(jìn)行歸一化處理，將所有數(shù)據(jù)都轉(zhuǎn)化為[0，1]之間的數(shù)。這樣做的優(yōu)點(diǎn)在于，取消了各維數(shù)據(jù)間數(shù)量級(jí)差別，減小由于輸入數(shù)據(jù)數(shù)量級(jí)偏差過(guò)大導(dǎo)致的網(wǎng)絡(luò)預(yù)測(cè)誤差。

其次，將特征數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫(kù)，得到9維、1443組數(shù)據(jù)，前8維為故障特征信號(hào)，最后一維為故障類別標(biāo)識(shí)。分別是一只晶閘管故障 組數(shù)據(jù)，并從中取出212組數(shù)據(jù)做訓(xùn)練，10組數(shù)據(jù)做測(cè)試；同一相電壓的兩只晶閘管故障 組數(shù)據(jù)，從中取出101組數(shù)據(jù)做訓(xùn)練，10組數(shù)據(jù)做測(cè)試；同一半橋兩只晶閘管故障 組數(shù)據(jù)從中取出212組數(shù)據(jù)做訓(xùn)練，10組數(shù)據(jù)做測(cè)試；序號(hào)相鄰的兩只晶閘管故障 組數(shù)據(jù)，從中取出212組數(shù)據(jù)做訓(xùn)練，10組數(shù)據(jù)做測(cè)試；第五類故障 組數(shù)據(jù)，從中取出212組數(shù)據(jù)做訓(xùn)練，10組數(shù)據(jù)做測(cè)試；第六類故障 組數(shù)據(jù)，從中取出212組數(shù)據(jù)做訓(xùn)練，10組數(shù)據(jù)做測(cè)試；第七類故障 組數(shù)據(jù)，從中取出212組數(shù)據(jù)做訓(xùn)練，10組數(shù)據(jù)做測(cè)試；總計(jì)有1373組訓(xùn)練數(shù)據(jù)，和70組測(cè)試數(shù)據(jù)。根據(jù)故障類別標(biāo)定信號(hào)的期望輸出值。

最后，用訓(xùn)練好的KELM模型對(duì)故障診斷特征信號(hào)進(jìn)行分類，極限學(xué)習(xí)機(jī)（KELM）故障診斷的識(shí)別結(jié)果如圖7所示。

圖中橫坐標(biāo)表示測(cè)量樣本個(gè)數(shù)，縱坐標(biāo)為故障標(biāo)簽標(biāo)識(shí)，圖中“o”代表真實(shí)故障類別，“*”代表KELM算法的預(yù)測(cè)結(jié)果。反映在圖中即當(dāng)“*”與“o”重合時(shí)代表該組測(cè)量參數(shù)識(shí)別準(zhǔn)確；如果出現(xiàn)“*”偏離“o”的現(xiàn)象，即KELM算法預(yù)測(cè)錯(cuò)誤。上述核極限學(xué)習(xí)機(jī)對(duì)七大類故障類型分類訓(xùn)練與測(cè)試準(zhǔn)確率分別為：

訓(xùn)練集正確率Accuracy = 96.5134%（1218/1262）；

測(cè)試集正確率Accuracy = 91.4286%（64/70）。

由此可見核極限學(xué)習(xí)機(jī)在電力電子電路故障診斷方面具有較高的準(zhǔn)確率。

4 結(jié)束語(yǔ)

本論文針對(duì)電力電子電路晶閘管容易出現(xiàn)故障的現(xiàn)狀，通過(guò)Simulink仿真軟件實(shí)現(xiàn)對(duì)其各類故障的波形仿真，并對(duì)固定周期采樣后，將其波形數(shù)據(jù)通過(guò)小波包分解重構(gòu)后，進(jìn)行故障標(biāo)簽定義，同時(shí)利用核極限學(xué)習(xí)機(jī)的方法，高效準(zhǔn)確地判斷出故障類型?；诤藰O限學(xué)習(xí)機(jī)的電力電子電路故障診斷的研究為電力電子電路故障排查提供了一種快速有效的手段，全面提高了故障排查工作效率和質(zhì)量。

參考文獻(xiàn)：

[1]吳 .電力電子電路故障特征參數(shù)提取與健康預(yù)報(bào)研究[D].南京：南京航空航天大學(xué)，2008.

[2]劉華姿.基于虛擬儀器的電力電子整流裝置的故障診斷系統(tǒng)研究[D].長(zhǎng)沙：中南大學(xué)，2008.

[3]陳如清.大功率電力電子裝置在線故障診斷[D].西安：西安理工大學(xué)，2004.

[4]遇炳杰.基于極限學(xué)習(xí)機(jī)的變莊器故障診斷[D].保定：華北電力大學(xué)，2014.

[5]馬立新，范麗君.基于小波包神經(jīng)網(wǎng)絡(luò)的整流電路晶閘管故障識(shí)別[J].能源研究與信息，2016（1）：45-50.

[6]林敏.極限學(xué)習(xí)機(jī)在航空發(fā)動(dòng)機(jī)氣路故障診斷中的應(yīng)用[D].上海：上海交通大學(xué)，2015.endprint