(西安工業(yè)大學(xué) 電子信息工程學(xué)院, 西安 710021)

0 引言

隨著電力電子技術(shù)的飛速發(fā)展，利用逆變器供電的電機(jī)驅(qū)動(dòng)系統(tǒng)被廣泛用于工業(yè)、軍事、航空等領(lǐng)域。在電機(jī)驅(qū)動(dòng)系統(tǒng)中，如果不能檢測(cè)到逆變器的故障，將直接影響系統(tǒng)的正常工作并帶來(lái)不可估量的經(jīng)濟(jì)損失。因此，進(jìn)行逆變器故障診斷方法的研究是非常有必要的。

逆變器主電路是由許多開關(guān)管組成，逆變器故障大多情況下是由開關(guān)管故障引起的。其中IGBT故障占很大比重，據(jù)統(tǒng)計(jì)逆變器故障的38%為IGBT故障[1]。IGBT故障的類型主要為短路故障和開路故障，短路故障發(fā)生時(shí)間極短，一般在硬件電路上對(duì)其處理[2]，應(yīng)用較廣的是在電路中串聯(lián)快速熔斷器，將IGBT短路故障轉(zhuǎn)化成IGBT開路故障，然后進(jìn)行故障診斷。在電機(jī)驅(qū)動(dòng)系統(tǒng)中，IGBT發(fā)生開路故障后，電機(jī)在短時(shí)間還可以正常運(yùn)行，若長(zhǎng)時(shí)間不處理故障，其余IGBT將會(huì)流過(guò)很大的電流造成二次故障。

目前，故障診斷的方法可以分為基于解析模型、基于信號(hào)處理、基于數(shù)據(jù)驅(qū)動(dòng)的方法。具體故障分類如圖1所示?；诮馕瞿Ｐ偷姆椒ㄟm用于能對(duì)被控對(duì)象建立數(shù)學(xué)模型的系統(tǒng)，比較典型的方法有參數(shù)估計(jì)法、狀態(tài)估計(jì)法、等價(jià)空間法，這三種方法兩兩之間有一定的關(guān)系[3-5]?；谛盘?hào)處理和數(shù)據(jù)驅(qū)動(dòng)的方法適用于不易建立數(shù)學(xué)模型，可采集到表征被控對(duì)象特征信號(hào)的系統(tǒng)。針對(duì)逆變器故障，本文同樣從這三個(gè)大方面對(duì)逆變器故障診斷方法進(jìn)行了綜述，具體介紹了各種故障診斷方法的原理，并從不同方面對(duì)這些方法進(jìn)行了對(duì)比，最后指出了逆變器故障診斷方法今后的研究方向。

圖1 故障診斷方法的分類

1 逆變器的拓?fù)浣Y(jié)構(gòu)

在電機(jī)驅(qū)動(dòng)系統(tǒng)中，逆變器的結(jié)構(gòu)如圖2所示，逆變器由6個(gè)帶反向二極管D1～D6的IGBT T1～T6構(gòu)成，Udc為直流母線電壓，ia,ib,ic為三相繞組電流，ea,eb,ec為三相反電動(dòng)勢(shì)，R為定子繞組電阻，L為定子電感。逆變器將直流電轉(zhuǎn)化成三相交流電，進(jìn)而給電機(jī)供電。

圖2 逆變器的結(jié)構(gòu)

2 基于解析模型的逆變器IGBT故障診斷方法

基于解析模型的故障診斷是先對(duì)被控對(duì)象的運(yùn)行機(jī)理進(jìn)行分析并建立其數(shù)學(xué)解析模型，然后根據(jù)模型和觀測(cè)參數(shù)構(gòu)建的殘差信號(hào)來(lái)對(duì)故障診斷?；诮馕瞿Ｐ偷墓收显\斷原理如圖3所示，基于解析模型的方法包括殘差生成和決策兩個(gè)步驟。殘差生成是用于生成故障信息，決策是確定故障是否發(fā)生。

圖3 基于解析模型的故障診斷原理

2.1 觀測(cè)器法

基于解析模型的故障診斷方法的一個(gè)重要步驟就是殘差生成，通過(guò)設(shè)計(jì)控制系統(tǒng)的觀測(cè)器得到觀測(cè)值與實(shí)際系統(tǒng)的測(cè)量值比較，即可得故障信號(hào)的殘差[6-10]?；谟^測(cè)器的故障診斷原理如圖4所示。對(duì)于逆變器故障，文獻(xiàn)[6]通過(guò)設(shè)計(jì)狀態(tài)觀測(cè)器得到殘差信息與設(shè)定的閾值比較診斷逆變器開路故障，但這種方法有一定的局限性，只能診斷單個(gè)IGBT開路故障。逆變器中也有可能發(fā)生兩個(gè)及兩個(gè)以上IGBT同時(shí)開路故障，文獻(xiàn)[7]以永磁同步電機(jī)系統(tǒng)為研究對(duì)象, 提出了一種基于Luenberger觀測(cè)器的故障診斷方法，該方法能對(duì)多個(gè)IGBT同時(shí)發(fā)生開路故障進(jìn)行診斷，而且采用的是自適應(yīng)閾值，提高了診斷準(zhǔn)確率。到目前為止，逆變器故障診斷常用的觀測(cè)器有Luenberger觀測(cè)器[7]、卡爾曼濾波器[8]、非線性PI觀測(cè)器[9]、滑模觀測(cè)器[10]等。由于滑模觀測(cè)器在設(shè)計(jì)時(shí)考慮了系統(tǒng)的不確定性和干擾因素，可以準(zhǔn)確地估計(jì)系統(tǒng)的狀態(tài)變量，應(yīng)用前景較廣。

圖4 基于觀測(cè)器的故障診斷原理

2.2 開關(guān)函數(shù)模型法

為了描述逆變器開關(guān)時(shí)的具體狀態(tài)和快速診斷故障，開關(guān)函數(shù)模型法應(yīng)運(yùn)而生[11-12]。該方法是假定開關(guān)管為理想開關(guān)且不考慮同相兩個(gè)開關(guān)管之間的開關(guān)死區(qū)建立逆變器正常工作時(shí)IGBT的電壓與開關(guān)函數(shù)之間的關(guān)系為:

(1)

式中，uT1,uT2,uT3,uT4,uT5,uT6為IGBT集電極-發(fā)射極之間的電壓，sa,sb,sc為三相IGBT的開關(guān)函數(shù)，其含義為:

(2)

通過(guò)分析IGBT實(shí)際承受的電壓與式(1)計(jì)算的理論電壓值比較判斷IGBT是否發(fā)生開路故障。文獻(xiàn)[12]通過(guò)建立逆變器和整流器的開關(guān)函數(shù)模型，并分析故障狀態(tài)下逆變器直流側(cè)電流和整流器交流側(cè)電流進(jìn)行故障診斷。但開關(guān)函數(shù)模型診斷故障時(shí)需要高速光耦或比較器且沒有考慮同相IGBT之間的開關(guān)死區(qū)，容易造成誤診斷。

2.3 混合邏輯動(dòng)態(tài)模型法

基于開關(guān)函數(shù)模型的逆變器故障診斷方法在描述逆變器開關(guān)動(dòng)作狀態(tài)時(shí)，未考慮同相兩個(gè)IGBT之間的開關(guān)死區(qū)，這樣就不能對(duì)逆變器進(jìn)行完全描述，影響故障診斷的準(zhǔn)確性[13-14]。為了解決這一問(wèn)題，研究者研究了基于混合邏輯動(dòng)態(tài)模型的逆變器故障診斷方法。文獻(xiàn)[14]提出了基于滑模觀測(cè)器和混合邏輯動(dòng)態(tài)模型相結(jié)合的逆變器故障診斷方法。

混合邏輯動(dòng)態(tài)模型是利用系統(tǒng)中離散變量和連續(xù)變量建立的模型，一般表達(dá)形式為:

(3)

式中，x=(xc,xd)T為狀態(tài)變量且xc為連續(xù)變量，xd為離散變量；u(t)為輸入變量；y(t)為輸出變量；δ,z分別為輔助邏輯變量和輔助連續(xù)變量；A,B1～B3,C,D1～D3分別為系數(shù)矩陣。

在電機(jī)驅(qū)動(dòng)系統(tǒng)中，混合邏輯動(dòng)態(tài)模型是利用開關(guān)信號(hào)和電流建立模型，其具體表達(dá)式為:

(4)

式中，i=[ia,ib,ic]T為狀態(tài)向量；δ=[δ1,δ2,δ3]T為開關(guān)信號(hào)(輔助邏輯變量)；e=[ea,eb,ec]T為三相反電動(dòng)勢(shì)；A為狀態(tài)系數(shù)矩陣；B1為連續(xù)輸入系數(shù)矩陣；B2為離散輸入系數(shù)矩陣。在傳統(tǒng)的混合邏輯動(dòng)態(tài)模型建立時(shí)，利用的連續(xù)變量為電流信號(hào)，由于電流易受負(fù)載擾動(dòng)的影響，可靠性較低。今后可考慮利用連續(xù)變量電壓與離散變量開關(guān)信號(hào)來(lái)建立模型，這樣一來(lái)可提高診斷準(zhǔn)確率。

2.4 圖論法

隨著計(jì)算機(jī)技術(shù)的發(fā)展，產(chǎn)生了基于圖論的故障診斷方法，該方法先分析系統(tǒng)內(nèi)部結(jié)構(gòu)，把系統(tǒng)模型轉(zhuǎn)化為圖，然后利用計(jì)算機(jī)對(duì)圖分析進(jìn)行故障診斷。文獻(xiàn)[15]提出了一種有向圖論的故障診斷方法。文獻(xiàn)[16]提出了一種鍵合圖的逆變器開路故障診斷方法。這兩種方法可解決過(guò)分依賴精確數(shù)學(xué)模型的模型故障診斷問(wèn)題，是今后研究的熱點(diǎn)。

為了對(duì)這幾種方法的優(yōu)劣進(jìn)行分析，分別從模型檢測(cè)量、診斷所需時(shí)間、應(yīng)用系統(tǒng)(開環(huán)/閉環(huán))、實(shí)現(xiàn)難易、受負(fù)載和噪聲等干擾程度這幾方面進(jìn)行對(duì)比(見表1)?；诮馕瞿Ｐ偷哪孀兤鱅GBT故障診斷方法診斷速度快，定位準(zhǔn)確度高，診斷技術(shù)比較成熟，實(shí)際應(yīng)用比較廣，但它過(guò)分依賴于精確的數(shù)學(xué)模型，一旦研究對(duì)象的結(jié)構(gòu)發(fā)生變化就需重新建模。

表1 基于解析模型的逆變器IGBT故障方法對(duì)比

3 基于信號(hào)處理的逆變器IGBT故障診斷方法

基于信號(hào)處理的故障診斷是利用各種信號(hào)處理方法對(duì)系統(tǒng)輸入輸出信號(hào)的測(cè)量值進(jìn)行分析處理，并提取故障特征信息。在逆變器開關(guān)管故障診斷中，基于信號(hào)處理的方法是根據(jù)采集到的電壓電流信號(hào)來(lái)分析它們的均值、諧波、頻率、幅值等關(guān)鍵信息，進(jìn)而提取故障特征[17]。

3.1 歸一化直流法

對(duì)逆變器IGBT開路故障進(jìn)行診斷時(shí)，設(shè)定閾值的不當(dāng)會(huì)引起負(fù)載突變情況下誤診斷。為解決這個(gè)問(wèn)題，文獻(xiàn)[18]提出了基于離散傅里葉變換的歸一化方法，此方法首先利用離散傅里葉變換得到定子電流的直流分量和基波幅值，再利用基波幅值將直流分量進(jìn)行歸一化處理，然后根據(jù)歸一化后直流分量的大小進(jìn)行故障診斷。歸一化直流量的計(jì)算公式為:

(5)

其中:

(6)

(7)

(8)

進(jìn)行歸一化處理后，要準(zhǔn)確定位故障的位置，歸一化直流量需要與故障閾值1進(jìn)行比較，兩者之間具體關(guān)系為:

(9)

f2,j=

(10)

診斷時(shí)具體的故障位置情況如表2所示。

表2 歸一化直流法開關(guān)管故障定位

3.2 小波變換法

小波變換將采集到的信號(hào)在多尺度下分解為既包含頻域信息又包含時(shí)域信息的小波變換系數(shù)，這樣可對(duì)故障特征信息充分提取。文獻(xiàn)[19]研究了一種將小波變換與Concordia 變換相結(jié)合的逆變器故障特征提取的方法。文獻(xiàn)[20]將采集的相電流進(jìn)行小波包分解，提取故障特征量，從而診斷IGBT短路故障和開路故障。

3.3 小波神經(jīng)網(wǎng)絡(luò)法

小波神經(jīng)網(wǎng)絡(luò)法先是利用小波變換提取故障信息，然后用神經(jīng)網(wǎng)絡(luò)對(duì)特征信息學(xué)習(xí)并訓(xùn)練，從而對(duì)故障診斷和定位。文獻(xiàn)[21]先對(duì)三相電流小波變換，然后將變換得到的小波系數(shù)輸入到神經(jīng)網(wǎng)絡(luò)里進(jìn)行逆變器故障診斷，仿真表明這種方法診斷故障的準(zhǔn)確率較高。

3.4 小波模糊法

這一方法利用小波分析逆變器三相電流的直流偏移量和突變情況，當(dāng)檢測(cè)到電流發(fā)生突變時(shí)，將直流偏移量輸入到模糊邏輯系統(tǒng)中，通過(guò)直流偏移量的變化來(lái)檢測(cè)和定位逆變器開關(guān)管開路故障，一般應(yīng)用于速度模糊閉環(huán) V/F 控制的感應(yīng)電機(jī)驅(qū)動(dòng)系統(tǒng)中。在逆變器IGBT開路故障研究中，小波變換還可以與其他算法結(jié)合進(jìn)行故障診斷，文獻(xiàn)[23]中提出了小波變換和核主元分析相結(jié)合的逆變器故障診斷方法。

3.5 譜分析法

譜分析法[24]主要是將采集信號(hào)中的各種頻率成分進(jìn)行分解，對(duì)故障信息進(jìn)行特征提取。針對(duì)逆變器IGBT開路故障，文獻(xiàn)[24]通過(guò)對(duì)逆變器正常、單個(gè)開關(guān)管開路故障、單相開路故障三種狀態(tài)下的母線電流進(jìn)行頻譜分析，進(jìn)而根據(jù)母線電流所包含的低頻成分來(lái)診斷故障但不能定位故障。文獻(xiàn)[25]研究了頻譜分析與其它方法相結(jié)合的故障診斷方法。

3.6 電流檢測(cè)法

3.6.1 電流矢量軌跡斜率法

電流矢量軌跡斜率法[26]是在Concordia變換的基礎(chǔ)上進(jìn)行的，Concordia變換公式為:

(11)

對(duì)電流進(jìn)行周期采樣，將電流矢量軌跡的斜率定義為:

(12)

其中:k,k-1為當(dāng)前時(shí)刻和上一時(shí)刻。在無(wú)故障時(shí)，電流矢量軌跡為一個(gè)圓且Ψ是不斷變化的。當(dāng)發(fā)生故障時(shí)，電流矢量軌跡就變成不同的半圓。根據(jù)軌跡和斜率的變化進(jìn)行逆變器IGBT開路故障檢測(cè)與定位。

3.6.2 電流矢量瞬時(shí)頻率法

電流矢量瞬時(shí)頻率法是利用變換過(guò)電流的瞬時(shí)頻率來(lái)檢測(cè)故障，電流矢量瞬時(shí)頻率的估算公式為:

(13)

其中:

(14)

通過(guò)分析可得發(fā)生故障時(shí)fi為零，因此可通過(guò)fi是否小于閾值(fi的最小值)判斷IGBT是否發(fā)生故障。這種方法相對(duì)于電流矢量軌跡斜率法來(lái)說(shuō)比較容易實(shí)現(xiàn)，但它不能定位故障。

3.6.3 平均電流Park矢量法

平均電流Park矢量法[27]首先要對(duì)三相電流進(jìn)行Park變換，變換后的表達(dá)式為:

(15)

然后計(jì)算變換后電流在一個(gè)周期內(nèi)的平均值：

(16)

這樣就可得到電流一個(gè)周期內(nèi)平均值的模和相位為：

(17)

當(dāng)IGBT正常工作時(shí)，I為零。當(dāng)IGBT發(fā)生開路故障時(shí)，平均電流Park矢量的模和相位會(huì)發(fā)生變化，根據(jù)模和相位的變化來(lái)檢測(cè)和定位故障。

電流檢測(cè)法除了以上幾種外，文獻(xiàn)[28]利用電流矢量軌跡半徑的變化來(lái)診斷單個(gè)IGBT故障。文獻(xiàn)[29]中將一個(gè)周期內(nèi)的負(fù)載電流均值和它的絕對(duì)值均值相結(jié)合診斷多個(gè)IGBT開路故障。為了對(duì)這幾種方法的優(yōu)劣進(jìn)行分析，分別從信號(hào)檢測(cè)量、診斷所需時(shí)間及診斷效果、應(yīng)用系統(tǒng)(開環(huán)/閉環(huán))、實(shí)現(xiàn)難易、受負(fù)載和噪聲等干擾程度這幾方面進(jìn)行對(duì)比(見表3)?；谛盘?hào)處理的方法無(wú)需建立被控對(duì)象的數(shù)學(xué)模型，其中利用電流信號(hào)進(jìn)行故障診斷時(shí)需要的額外硬件電路較少，但診斷速度慢，易受負(fù)載變化的影響。利用電壓信號(hào)進(jìn)行故障診斷時(shí)診斷速度快，但硬件電路復(fù)雜。

表3 基于信號(hào)處理的逆變器IGBT故障方法對(duì)比

4 基于數(shù)據(jù)驅(qū)動(dòng)的逆變器IGBT故障診斷方法

4.1 基于統(tǒng)計(jì)分析法

對(duì)于逆變器故障，基于統(tǒng)計(jì)分析法主要是利用核主元分析對(duì)故障診斷。核主元分析先借助核函數(shù)來(lái)進(jìn)行非線性變換，再將采集的原始數(shù)據(jù)映射到高維線性特征空間用主元分析提取線性特征。核主元分析需對(duì)大量的數(shù)據(jù)進(jìn)行處理，計(jì)算量大。文獻(xiàn)[30]研究了一種基于改進(jìn)核主元成分分析的故障診斷方法。此方法在核主元分析法的基礎(chǔ)上增加靈敏度分析，并對(duì)故障特征加權(quán)處理，消除了不同量綱和噪聲對(duì)數(shù)據(jù)的影響，但該方法工作量大。在今后的研究中，應(yīng)考慮先對(duì)某一特定的故障信號(hào)如故障發(fā)生后電流的直流分量進(jìn)行頻域分析，然后再與核主元分析結(jié)合進(jìn)行故障檢測(cè)，這樣可以減少工作量。

4.2 基于人工智能法

4.2.1 模糊邏輯法

模糊邏輯法利用概率集合論的隸屬度函數(shù)和模糊邏輯規(guī)則來(lái)對(duì)重疊的故障特征信息進(jìn)行分離，提高診斷準(zhǔn)確性。文獻(xiàn)[31]將正常工作和故障狀態(tài)下的平均電流矢量軌跡直徑之差Ed和表示電流矢量相位區(qū)間的整數(shù)Iθ輸入到模塊邏輯庫(kù)中，然后利用模糊邏輯規(guī)則診斷故障。由于模糊邏輯的推理易受到環(huán)境和參數(shù)變化的影響，所以用模糊邏輯診斷故障的有效性比較差。

4.2.2 神經(jīng)網(wǎng)絡(luò)法

基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法是通過(guò)對(duì)歷史數(shù)據(jù)進(jìn)行在線訓(xùn)練得到合適的網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)，然后對(duì)故障進(jìn)行診斷。文獻(xiàn)[32-33]研究了自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)與FFT相結(jié)合的故障診斷方法。該方法對(duì)輸出的電壓進(jìn)行FFT，然后將變換結(jié)果的前40項(xiàng)作為自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)的輸入，神經(jīng)網(wǎng)絡(luò)的輸出就是故障的分類。

4.2.3 自適應(yīng)神經(jīng)模糊推理法

文獻(xiàn)[34-35]提出了基于聚類自適應(yīng)神經(jīng)模糊推理法來(lái)進(jìn)行逆變器故障診斷，后者首先將輸出的三相電流變換到d-q軸上，分析在故障狀態(tài)下d-q相電流軌跡的特征信息并用聚類算法分類。聚類算法降低了系統(tǒng)的維數(shù)，模糊推理具有較強(qiáng)的辨別能力，降低維數(shù)后縮短了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間。該方法克服了由負(fù)載變引起的擾動(dòng)問(wèn)題，但算法復(fù)雜。

4.2.4 機(jī)器學(xué)習(xí)法

基于機(jī)器學(xué)習(xí)的故障診斷，文獻(xiàn)[36]對(duì)IGBT開路后的輸出電壓進(jìn)行離散小波變換和矩陣奇異值分解來(lái)提取故障的特征值，然后在利用支持向量機(jī)進(jìn)行診斷故障。文獻(xiàn)[37]在深度學(xué)習(xí)的基礎(chǔ)上提出了基于棧式稀疏自動(dòng)編碼器的逆變器開路故障的診斷方法。

基于數(shù)據(jù)驅(qū)動(dòng)的方法無(wú)需立被控對(duì)象的數(shù)學(xué)模型，對(duì)歷史數(shù)據(jù)分析處理就可以進(jìn)行故障診斷，但需要對(duì)大量的樣本進(jìn)行訓(xùn)練，進(jìn)行故障特征的提取，計(jì)算量大。現(xiàn)從樣本檢測(cè)量、診斷時(shí)間、應(yīng)用系統(tǒng)、實(shí)現(xiàn)難易、受負(fù)載和噪聲等干擾程度這幾個(gè)方面進(jìn)行分析和對(duì)比(見表4)?；跀?shù)據(jù)驅(qū)動(dòng)的這幾種方法計(jì)算量大且故障診斷所耗費(fèi)的時(shí)間長(zhǎng)。

5 結(jié)語(yǔ)

本文主要對(duì)現(xiàn)有針對(duì)逆變器IGBT開路故障診斷的方法進(jìn)行綜述，并詳細(xì)介紹了逆變器故障診斷方法的原理，并對(duì)這些方法在幾個(gè)方面進(jìn)行了對(duì)比。在前人的基礎(chǔ)上，今后值得關(guān)注的逆變器開關(guān)管故障診斷研究方向如下：

1)從目前的研究現(xiàn)狀可知，逆變器故障診斷的方法有各自的優(yōu)點(diǎn)和局限性，如何利用各種診斷方法的優(yōu)點(diǎn)，將提取的不同故障類型、不同來(lái)源的故障信號(hào)進(jìn)行有機(jī)結(jié)合進(jìn)行故障診斷。

表4 基于數(shù)據(jù)驅(qū)動(dòng)的逆變器IGBT故障方法對(duì)比

2)基于電流信號(hào)的診斷方法往往依賴于控制策略，易受負(fù)載突變的影響，在開環(huán)系統(tǒng)中有較好的可靠性，但在閉環(huán)系統(tǒng)的可靠性較弱?；陔妷盒盘?hào)的故障診斷方法雖不受負(fù)載突變的影響且在閉環(huán)系統(tǒng)有較高的可靠性，但基于電壓信號(hào)的方法普適性不高。如何提高基于電流信號(hào)的診斷方法在閉環(huán)系統(tǒng)中可靠性以及基于電壓信號(hào)的診斷方法的普適性是逆變器故障診斷方法研究的難點(diǎn)；

3)對(duì)于逆變器故障問(wèn)題，只是對(duì)故障的檢測(cè)和定位方法進(jìn)行研究，在故障發(fā)生的一定時(shí)間里如何保證系統(tǒng)仍然可以正常工作，也就是容錯(cuò)控制的研究。針對(duì)逆變器開關(guān)管故障，對(duì)容錯(cuò)策略的研究將是今后的研究熱點(diǎn)；

4)目前對(duì)故障預(yù)測(cè)方面的研究還處于崛起階段，逆變器的故障預(yù)測(cè)可以通過(guò)對(duì)歷史數(shù)據(jù)分析處理來(lái)對(duì)開關(guān)管的壽命和故障變化的趨勢(shì)等進(jìn)行預(yù)測(cè)，這樣就可以在故障的早期階段排除故障。