張晨+凌躍勝
摘 要: 傳統(tǒng)DC?DC變換器故障檢測系統(tǒng)只對變換器中某重要元器件進行故障檢測,導致檢測結果不準確。為此,設計了新的雙向全橋DC?DC變換器故障智能檢測系統(tǒng)。通過閉環(huán)霍爾電流傳感器對電流信號進行采集,給出信號采集電路,通過分析雙向全橋DC?DC變換器元件衰減過程提取故障數(shù)據(jù),對不同故障狀態(tài)樣本進行采集,構建HMM模型,求出HMM模型初始參數(shù),迭代參數(shù)直至其收斂到既定區(qū)間,對采集的電壓、電流信號進行歸一化處理,產(chǎn)生觀察值序列,把觀察值序列輸入到訓練完成的不同HMM模型中,求出相似或然率和相似或然率最大值相應的HMM模型,即為雙向全橋DC?DC變換器故障檢測結果。實驗結果表明所設計系統(tǒng)檢測準確性高。
關鍵詞: 雙向全橋; DC?DC變換器; 故障; 智能檢測; 系統(tǒng)設計; 信號采集電路
中圖分類號: TN710?34; TP277 文獻標識碼: A 文章編號: 1004?373X(2018)05?0144?05
Abstract: The traditional fault detection system of the bidirectional full?bridge DC?DC converter can only detect the fault of a certain important component in the converter, and its detection result is inaccurate. Therefore, a new intelligent fault detection system for bidirectional full?bridge DC?DC converter was designed. The current signal is acquired through closed?loop Hall current sensor. The signal acquisition circuit is given. The component attenuation process of bidirectional full?bridge DC?DC converter is analyzed to extract the fault data. The samples with different fault conditions are acquired. The hidden Markov model (HMM) is constructed, and its initial parameter is determined. The parameter is iterated until it is converged to the established section. The acquired voltage and current signals are normalized to generate the observing values sequence. The observing values sequence is input into different HMMs after training to get the similarity probability and the HMM corresponding to the maximum similarity probability, whose output is the fault detection result of a bidirectional full?bridge DC?DC converter. The experimental results show that the designed system has high detection accuracy.
Keywords: bidirectional full?bridge; DC?DC converter; fault; intelligent detection; system design; signal acquisition circuit
0 引 言
雙向全橋DC?DC變換器是電力電子技術的關鍵,通過雙向全橋開關DC?DC變換器技術組成的高頻開關電源被廣泛應用于電子通信和家用電器等領域[1?2]。開關是整個電子設備的基礎,在出現(xiàn)故障的情況下會造成電子設備功能喪失,甚至會導致系統(tǒng)癱瘓,帶來很大的損失[3?4]。因此,準確檢測雙向全橋DC?DC變換器故障非常關鍵,能夠及時采取防御措施,降低維修周期和損失。
當前,針對雙向全橋DC?DC變換器故障檢測的研究主要是對變換器中某重要元器件進行故障檢測,如通過卡爾曼濾波方法對電解電容器故障進行檢測,通過高斯回歸方法對變換器、濾波器故障進行檢測[5],因為雙向全橋DC?DC變換器中不同元件具有負載型和容差等問題,導致上述方法在實際應用時均有局限性,不能有效實現(xiàn)雙向全橋DC?DC變換器的故障檢測。
1 系統(tǒng)硬件設計
1.1 控制芯片選擇
為了保證智能故障檢測系統(tǒng)的實時性,要求選用芯片處理數(shù)據(jù)時間小于故障診斷的采樣周期,本文設定的采樣周期為3 μs。對雙向全橋DC?DC變換器故障智能檢測系統(tǒng)進行設計時,控制芯片選用TSM320LF2407,該芯片為一種定點DSP芯片,擁有功耗小、性能強等特點,采用此芯片的DSP中央控制單元對指令處理周期只需28 ns,可達到系統(tǒng)采樣速率要求[6?7]。雙向全橋DC?DC變換器故障智能檢測系統(tǒng)硬件電路結構圖如圖1所示。其中,TSM320LF2407為主控芯片,外部電路有外部存儲電路、競爭倍頻驅動電路、聲光報警電路、外部仿真電路、信號采集電路等。
1.2 電壓信號采集電路設計endprint
設計雙向全橋DC?DC變換器故障智能檢測系統(tǒng)時,需對雙向全橋DC?DC變換器母線電壓進行采集,母線電壓通??蛇_到500 V,本節(jié)通過型號為VSM800D的霍爾電壓傳感器對其進行測量[8?9]。電壓信號采集電路如圖2所示。為了增大輸入阻抗,將運算放大器B1作為電壓跟隨器,其還具有緩沖、隔離以及增加帶載等功能。采用6 V電源為充電,采用穩(wěn)壓管產(chǎn)生相應6 V參考電壓,對產(chǎn)生的參考電壓進行反向放大處理,此時獲得的參考電壓用表示,參考電壓與采樣電壓的誤差值經(jīng)運算放大器B2放大后輸出。則采集電壓信號為:
1.3 電流采集電路設計
為了確保采集電流信號的及時性和精確性,本節(jié)選用型號為CSM015P的閉環(huán)霍爾電流傳感器,其可實時對電流信號進行采集,并且能夠使控制電路與雙向全橋DC?DC變換器電路隔離。變壓器原邊電流是交流電流,需在閉環(huán)霍爾電流傳感器的輸出值后添加一處理電路,通過LM317集成穩(wěn)壓IC控制輸出電壓不超過6 V。
電流信號采集電路如圖3所示。
2 系統(tǒng)關鍵技術
雙向全橋DC?DC變換器故障檢測實際就是一種模式識別,因為隱馬爾可夫模型HMM為一種能夠有效實現(xiàn)模式識別的模型,所以,本節(jié)采用HMM模型對雙向全橋DC?DC變換器故障進行檢測。其原理包括:
1) 隱藏的故障信息無法直接檢測,雙向全橋DC?DC變換器的輸出電壓中存在隱藏故障信息,可采用其輸出電壓信號和電流信號進行識別。
2) 雙向全橋DC?DC變換器的各運行狀態(tài)通過特定的電信號特征描述。
3) 雙向全橋DC?DC變換器涉及很多電信號,通過觀測序列完成參數(shù)訓練,以增強檢測精度。
2.1 特征參數(shù)的提取
采用HMM故障模型對雙向全橋DC?DC變換器故障進行檢測時,準確提取DC?DC變換器故障數(shù)據(jù)非常重要。本節(jié)通過分析雙向全橋DC?DC變換器元件衰減過程提取故障數(shù)據(jù)。
雙向全橋DC?DC變換器主要包括電阻、電感、二極管、電容等元件,本節(jié)根據(jù)檢測的輸出電壓與電流確定元件的衰減過程。采用等效電阻對各元件性能衰減過程進行分析,對于選用的等效電阻,其參數(shù)與溫度、時間等因素的關系如下:
式中:用于描述根據(jù)電容特性得到的常數(shù);用于描述等效電阻;用于描述時間;用于描述溫度。
2.2 HMM訓練
HMM訓練的目的是為雙向全橋DC?DC變換器所有故障狀態(tài)訓練一個相應的HMM模型,通過若干觀測序列完成對所有模型的訓練。訓練詳細過程如下:
1) 完成對4種不同待訓練故障狀態(tài)樣本的采集,也就是在各故障狀態(tài)下對輸出電壓和電流信號進行采集,將采集結果看作觀察序列,輸入HMM模型中,觀察序列用進行描述。
2) 構建HMM模型,。對模型參數(shù)進行初始化處理,包括狀態(tài)數(shù)量、初始狀態(tài)概率和狀態(tài)轉移矩陣。依據(jù)雙向全橋DC?DC電路的特征,采用左右型HMM模型進行訓練,其隱含狀態(tài)是4,與雙向全橋DC?DC變換器的四種狀態(tài)相對應,依次是正常運行狀態(tài)、輕度退化狀態(tài)、重度退化狀態(tài)和故障狀態(tài)。假設雙向全橋DC?DC變換器初始時刻正常運行,初始狀態(tài)概率是則狀態(tài)轉移矩陣可描述成:
3) 對訓練的雙向全橋DC?DC變換器故障數(shù)據(jù)進行分割處理,將其和個狀態(tài)對應,求出HMM模型初始參數(shù)。本節(jié)取觀察值序列時間長度,通過高斯函數(shù)對觀測值概率矩陣進行描述,公式如下:
式中:為高斯函數(shù)混合個數(shù),本節(jié)也就是為高斯函數(shù)。
4) 通過Viterbi法重新估計分割初始參數(shù)。
5) 獲取新的初始參數(shù)后,通過Baum?Welch法完成對參數(shù)的迭代,直至參數(shù)收斂到既定區(qū)間。
2.3 變換器狀態(tài)檢測
通過訓練完成的HMM模型對雙向全橋DC?DC變換器故障信號進行檢測,首先對采集的電壓電流信號進行歸一化處理,產(chǎn)生觀察值序列,再把觀察值序列輸入訓練完成的不同HMM模型中,求出相似或然率和相似或然率最大值相應的HMM模型,即為雙向全橋DC?DC變換器故障檢測結果。
3 雙向全橋DC?DC變換器故障智能檢測系統(tǒng)實驗
雙向全橋變換器電路結構如圖4所示。
三相輸入電源通過三相整流電路和LC濾波電路后,變成直流電源傳輸?shù)饺珮蚰孀冸娐?,?jīng)全橋逆變電路處理后得到所需的交流電路,通過全波整流電路變成直流電路,最后傳輸至負載。實驗設計了5 kVA的雙向全橋直流變換器實驗樣機,將瑞新電力電子公司KA型高頻晶閘管作為樣機功率開關管。為了防止短路實驗導致三相整流管失效,本節(jié)選用電流承受值是150 A的三相整流模塊。
全橋逆變電路包括4個開關管?KA型高頻晶閘管K1~K4,將經(jīng)整流濾波處理后的直流電源轉換成頻率是25 kHz的交流方波。將2個SS115肖特基二極管Ds1,Ds2和續(xù)流管Dx構成全波整流電路,將交流方波轉換成直流,經(jīng)輸出濾波電路傳輸至負載。
雙向全橋變換器故障智能檢測系統(tǒng)實驗樣機如圖5所示。
圖5中,在一個正常運行的雙向全橋DC?DC變換器中添加兩個繼電器,用于人為設置開關管的開路故障與短路故障。利用排線將變換器中的輸出電壓與檢測信號和故障檢測系統(tǒng)相連。
續(xù)流管兩端電壓含有整流元件與開關管的故障信息,輸出電壓含有濾波器的故障信息,變壓器輸出電壓含有開關管故障信息,所以將三個變量看作特征參數(shù)進行實驗。圖6描述的是雙向全橋DC?DC變換器正常運行時三個特征參數(shù)的波形,圖7描述的是開關管出現(xiàn)故障時三個特征參數(shù)的波形,圖8描述的是出現(xiàn)故障時三個特征參數(shù)的波形。
分析圖6~圖8可知,雙向全橋DC?DC變換器正常和故障情況下三個特征參數(shù)波形存在很大差異,有利于檢測。
針對上述不同故障訓練不同的HMM模型,雙向全橋具有對稱性,晶閘管中K1~K4出現(xiàn)故障的波形一致,將其合并成一類故障。另外,濾波時在電感出現(xiàn)開路故障的情況下,輸出電壓幅值是0。綜上,將故障劃分成含電感的故障和不含電感的故障,故障分類結果如表1所示。endprint
將雙向全橋DC?DC變換器不同故障情況下各10組樣本作為訓練樣本,對進行測量,組成觀測序列輸入模型,獲取HMM模型訓練結果。通過訓練好的HMM模型對變換器故障進行智能檢測,將相似或然率最大值相應模型看作檢測結果。
將不含故障的正常狀態(tài)(編號1)、Ds1開路故障(編號4)和含故障的開路故障(編號9)、開路故障(編號11)觀測序列輸入HMM模型,求出相似或然率,如表2所示。
分析表2可知,將4個測試樣本輸入各HMM模型后,經(jīng)模型求出的編號1、編號4、編號9和編號11的似然或然率值最高,和其余狀態(tài)間存在很大差異,可有效檢測故障狀態(tài)。
為了驗證本文方法的檢測準確性,進行了120次實驗,發(fā)現(xiàn)本文系統(tǒng)檢測精度高達98.22%,檢測結果很準確。
4 結 論
本文設計了一種新的雙向全橋DC?DC變換器故障智能檢測系統(tǒng)。介紹了系統(tǒng)控制芯片選擇過程,給出信號采集電路,分析了雙向全橋DC?DC變換器故障檢測的關鍵技術。實驗結果表明所設計系統(tǒng)檢測準確性高。
參考文獻
[1] 程紅,高巧梅,朱錦標,等.基于雙重移相控制的雙向全橋DC?DC變換器動態(tài)建模與最小回流功率控制[J].電工技術學報,2014,29(3):245?253.
CHENG Hong, GAO Qiaomei, ZHU Jinbiao, et al. Dynamic modeling and minimum backflow power controlling of the bi?directional full?bridge DC?DC converters based on dual?phase?shifting control [J]. Transactions of China electrotechnical so?ciety, 2014, 29(3): 245?253.
[2] ZUMEL P, ORTEGA L, LAZARO A, et al. Modular dual active bridge converter architecture [C]// IEEE Applied Power Electronics Conference and Exposition. [S.l.]: IEEE, 2014: 1081?1087.
[3] WANG J, JI B, WANG H, et al. An inherent zero?voltage and zero?current?switching full?bridge converter with no additional auxiliary circuits [J]. Journal of power electronics, 2015, 15(3): 610?620.
[4] 許正平,李俊.雙向全橋DC?DC變換器高效能控制研究與實現(xiàn)[J].電力系統(tǒng)保護與控制,2016,44(2):140?146.
XU Zhengping, LI Jun. Research and implementation of bidirectional full bridge DC?DC converter with high?efficiency control [J]. Power system protection and control, 2016, 44(2): 140?146.
[5] CHEN H C, LIAO J Y. Bidirectional current sensorless control for the full?bridge AC/DC converter with considering both inductor resistance and conduction voltages [J]. IEEE transactions on power electronics, 2014, 29(4): 2071?2082.
[6] 房緒鵬,趙珂,馬伯龍,等.開關電感型級聯(lián)準阻抗源DC?DC變換器[J].科學技術與工程,2017,17(11):57?61.
FANG Xupeng, ZHAO Ke, MA Bolong, et al. The cascade of switched?inductor quasi?Z?source DC?DC converter [J]. Science technology and engineering, 2017, 17(11): 57?61.
[7] 李東山,宋曉娜,宋帥.基于無源性的光伏DC?DC變換器的全局滑模控制[J].計算機測量與控制,2016,24(6):106?109.
LI Dongshan, SONG Xiaona, SONG Shuai. Global sliding model control based on passivity of photovoltaic DC?DC converter [J]. Computer measurement & control, 2016, 24(6): 106?109.
[8] KARTHIKEYAN V, GUPTA R. Zero circulating current modulation for isolated bidirectional dual?active?bridge DC?DC converter [J]. IET power electronics, 2016, 9(7): 1553?1561.
[9] 劉建粉,王小輝,王巍.基于遺傳進化專家系統(tǒng)的電氣故障檢測應用[J].科技通報,2015,31(8):117?119.
LIU Jianfen, WANG Xiaohui, WANG Wei. Electrical fault detection application based on genetic evolution expert system [J]. Bulletin of science and technology, 2015, 31(8): 117?119.endprint