宋 威，施偉鋒，卓金寶，謝嘉令

(上海海事大學(xué) 電氣自動化系，上海 201306)

0 引 言

多電平逆變器是一種新型逆變器，它通過改變逆變器自身拓?fù)浣Y(jié)構(gòu)來實現(xiàn)高壓大功率輸出。與傳統(tǒng)的兩電平電路相比，多電平逆變器具有功率器件串聯(lián)均壓、開關(guān)損耗小、輸出電壓諧波含量低、電磁干擾影響小和工作效率高等優(yōu)點[1]，因此被廣泛應(yīng)用于中高壓、電力傳動與大功率電能變換系統(tǒng)。同時，多電平逆變器作為系統(tǒng)控制的中樞執(zhí)行機(jī)構(gòu)，其工作的穩(wěn)定性、可靠性和可維護(hù)性顯得更加重要[2]。然而，隨著逆變器電平數(shù)的增加，開關(guān)管的數(shù)量也隨之增加，使得逆變器發(fā)生故障的概率增大，嚴(yán)重影響系統(tǒng)的安全可靠運行，因此必須對多電平逆變器中開關(guān)管的故障進(jìn)行診斷。

多電平逆變器中開關(guān)管的故障可分為短路故障和開路故障。由于功率器件短路故障發(fā)生的時間一般極短，難以檢測，所以短路故障的診斷和系統(tǒng)保護(hù)多采用硬件電路設(shè)計的方法解決，也可以通過將快速熔斷器接入電路，把短路故障轉(zhuǎn)化為開路故障進(jìn)行處理[3-5]。當(dāng)開路故障發(fā)生后，系統(tǒng)往往還能繼續(xù)運行，導(dǎo)致非故障功率半導(dǎo)體器件流過更大電流、轉(zhuǎn)矩減小、發(fā)熱和絕緣損壞等問題，嚴(yán)重時可以導(dǎo)致整個系統(tǒng)癱瘓，從而造成巨大經(jīng)濟(jì)損失。因此，目前多電平逆變器的故障診斷的研究重點集中于開關(guān)管的開路故障。

按照傳統(tǒng)的分類方法，故障診斷方法可分為基于解析模型的方法、基于信號處理的方法、基于知識的方法[6-7]。本文提出一種全新的故障診斷分類方法，分別從定性和定量的角度對多電平逆變器開關(guān)管開路故障診斷方法進(jìn)行分析，并總結(jié)出這些方法的基本思想、研究進(jìn)展、適用條件和優(yōu)缺點，最后進(jìn)一步說明多電平逆變器開關(guān)管開路故障診斷方法今后的研究方向和趨勢。

1 NPC三電平逆變器故障分類及其診斷方法

1.1 開關(guān)管開路故障分類

多電平逆變器主要有三種拓?fù)浣Y(jié)構(gòu)：二極管箝位型、飛跨電容型和級聯(lián)型。中點鉗位型(Neutral Point Clamped, NPC)三電平逆變器作為一種典型的多電平逆變器，已經(jīng)廣泛應(yīng)用到電力傳動系統(tǒng)和大功率電能變換系統(tǒng)中，其拓?fù)浣Y(jié)構(gòu)如圖1所示。以NPC三電平逆變器為例，對常見的開關(guān)管開路故障進(jìn)行分類。

圖1 NPC三電平逆變器拓?fù)浣Y(jié)構(gòu)

NPC三電平逆變器由A、B、C三相橋臂組成，每相橋臂結(jié)構(gòu)相同。每一相的鉗位二極管通過中點相連，并連接到直流側(cè)中性點，其作用是把橋臂上與其相連的點上的電位鉗回到中性點電位[8-9]。

在逆變器實際運行工作中，很少出現(xiàn)3只或3只以上開關(guān)管同時故障的情況，針對常見的單管和雙管開路故障情況進(jìn)行分類和描述，分類結(jié)果如下所示：

(1)單個開關(guān)管發(fā)生故障，即Si1～Si4其中一個發(fā)生故障，其中i=a,b,c,共12種。

(2)同一橋臂兩個開關(guān)管同時故障，即Sim和Sin同時發(fā)生故障，其中i=a,b,c，m，n=1,2,3,且m≠n，共18種。

(3)同一半橋交叉兩橋臂雙管故障，即Sik和Smn同時發(fā)生故障，其中i,m=a,b,c，i≠m，k,n=1,2,3,4，|k-n|≤1，共24種。

(4)上下半橋交叉兩橋臂雙管故障，即Sik和Smn同時發(fā)生故障，其中i,m=a,b,c，i≠m，k,n=1,2,3,4，|k-n|>1，共24種。

1.2 多電平逆變器故障診斷方法

通過總結(jié)已有的研究成果，以多電平逆變器開關(guān)管開路故障為對象，對現(xiàn)有的軟件冗余故障診斷方法進(jìn)行分析。從定性診斷方法和定量診斷方法出發(fā)，對目前的多電平逆變器故障診斷方法進(jìn)行分類，并對定量診斷方法按照基于解析模型和基于數(shù)據(jù)驅(qū)動逐層細(xì)分，分類結(jié)構(gòu)圖如圖2所示。

圖2 多電平逆變器故障診斷方法分類

2 多電平逆變器定性故障診斷方法

基于定性經(jīng)驗的逆變器故障診斷是一種利用不完備先驗知識描述系統(tǒng)功能結(jié)構(gòu)，并建立定性模型實現(xiàn)故障診斷過程的方法，主要包括專家系統(tǒng)(Expert System,ES)、故障樹分析(Fault Tree Analysis,FTA)等方法。

2.1 專家系統(tǒng)

基于ES的故障診斷方法的基本思想是：根據(jù)專家在故障診斷領(lǐng)域內(nèi)積累的有效經(jīng)驗和專業(yè)知識，通過理論分析建立知識庫，并通過計算機(jī)模擬專家思維過程，對故障信息進(jìn)行推理和決策以得到診斷結(jié)果。典型的逆變器故障診斷專家系統(tǒng)如圖3所示。

圖3 基于專家系統(tǒng)的逆變器故障診斷

專家系統(tǒng)提供了靈活的人機(jī)交互界面，因此故障診斷結(jié)果表達(dá)直觀性強(qiáng)，且故障診斷結(jié)果魯棒性較好。文獻(xiàn)[10]研究了基于專家系統(tǒng)理論的風(fēng)電變流器故障診斷方法，這種方法不需要建立系統(tǒng)數(shù)學(xué)模型,而是從預(yù)先得到的變流器故障知識中提取出有效的故障診斷信息，然后再與變流器實際運行數(shù)據(jù)進(jìn)行比較，從而實現(xiàn)系統(tǒng)的故障診斷。文獻(xiàn)[11]中利用ES對逆變器進(jìn)行故障診斷，并與電流電壓測量法進(jìn)行比較，證明了ES方法的實用性和精確性。

基于ES的逆變器開關(guān)管故障診斷不需要精準(zhǔn)的數(shù)學(xué)模型，診斷過程和結(jié)果便于理解，但是該方法需要大量的專家領(lǐng)域知識積累。因為ES方法不具有自主學(xué)習(xí)的功能，所以當(dāng)獲取的知識出現(xiàn)未知情況或者閾值范圍超出預(yù)判時，系統(tǒng)將無法做出判斷。因此，目前更多的研究側(cè)重于專家系統(tǒng)和人工智能算法的結(jié)合，如D-S融合專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)和貝葉斯網(wǎng)絡(luò)專家系統(tǒng)[12-13]。

2.2 故障樹分析法

FTA是以故障樹邏輯圖為基礎(chǔ)的一種演繹分析方法，它對系統(tǒng)故障采用由果到因、從整體到局部、按樹枝狀逐步細(xì)化的方法[14]。故障樹診斷系統(tǒng)直觀明了、邏輯性強(qiáng)[15]，通過與其他算法相結(jié)合，可以實現(xiàn)多電平逆變器開關(guān)管的故障診斷。

文獻(xiàn)[16]在三相電壓型PWM逆變器的鍵合圖模型基礎(chǔ)上，采用故障樹分析法，對逆變器開路故障進(jìn)行定性分析，實現(xiàn)了故障源的定位，并且具有對模型精確度要求低和計算量少的優(yōu)點。文獻(xiàn)[17]通過故障樹和雙向聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的結(jié)合，實現(xiàn)逆變器的故障診斷。實驗證明通過兩種方法的結(jié)合提高了診斷能力，并且表現(xiàn)出很好的實時性和有效性。

對于簡單系統(tǒng)，建立故障樹是比較方便的。但是，隨著系統(tǒng)復(fù)雜性的增加，龐大的故障樹規(guī)模使得故障診斷搜索過程變得非常困難。因此故障樹診斷需要協(xié)同其他統(tǒng)計分析方法或者智能算法，才能更好地建立和維護(hù)故障樹，實現(xiàn)故障源的快速搜索和定位[18]。

3 多電平逆變器定量故障診斷方法

3.1 基于解析模型的方法

基于解析模型的故障診斷方法的基本思想是：通過將被診斷對象的可測信息與數(shù)學(xué)模型表達(dá)的系統(tǒng)先驗信息進(jìn)行比較，產(chǎn)生殘差，并對殘差進(jìn)行分析和處理，從而實現(xiàn)故障的識別和定位[19]。根據(jù)產(chǎn)生殘差的方式不同，可分為參數(shù)估計法和狀態(tài)估計法，基于解析模型的故障診斷基本原理如圖4所示。

圖4 基于解析模型的故障診斷原理

文獻(xiàn)[20]通過對電壓源逆變器的拓?fù)浣Y(jié)構(gòu)進(jìn)行分析，提出了等電位的概念，并分別定義了描述健康和故障狀態(tài)下的兩種函數(shù)模型。結(jié)合任意兩相函數(shù)之間的殘差和電壓源逆變器的拓?fù)浣Y(jié)構(gòu)，實現(xiàn)對故障的準(zhǔn)確定位。文獻(xiàn)[21]通過對永磁同步電機(jī)驅(qū)動系統(tǒng)中電壓源逆變器的數(shù)學(xué)模型分析，提出依賴于自適應(yīng)閾值的觀測器故障診斷算法，實現(xiàn)了多個IGBT的故障診斷，且檢測時間較短。文獻(xiàn)[22]基于計算的平均橋臂極電壓和誤差自適應(yīng)閾值，把平均橋臂極電壓偏差作為故障檢測和識別的診斷變量，實現(xiàn)電壓源逆變器單、多管開路故障診斷。

電力電子電路作為開關(guān)型功率變換器，其離散事件與連續(xù)動態(tài)特性相互作用，是一個典型的混合邏輯動態(tài)(Mixed Logical Dynamic,MLD)系統(tǒng)[23]。近年來，基于混合邏輯動態(tài)系統(tǒng)模型的逆變器故障診斷方法得到發(fā)展。文獻(xiàn)[24]建立了電力電子電路混合邏輯動態(tài)模型，并基于故障事件識別向量實現(xiàn)電路的故障診斷，最后通過逆變電路故障診斷的仿真和實驗驗證了診斷方法的有效性。文獻(xiàn)[25]提出一種基于混合邏輯動態(tài)模型和殘差生成的單相PWM整流器開路故障診斷的新方法，通過將MLD模型輸出與實際系統(tǒng)輸出相比較，產(chǎn)生殘差，通過對殘差的分析，實現(xiàn)整流器的故障診斷。文獻(xiàn)[26]建立了三電平NPC變換器的混合邏輯動態(tài)模型，對電網(wǎng)電流進(jìn)行了估計，不同故障下的被測電流減去估計值產(chǎn)生殘差，進(jìn)而根據(jù)殘差變化率的特點實現(xiàn)晶閘管和二極管的快速檢測和故障定位。實驗結(jié)果表明此故障診斷方法時間短且避免了二次故障，提高了故障維護(hù)的可靠性和效率，并且也適合整流器和逆變器的故障診斷。

綜上所述，基于解析模型的故障診斷需要充分了解系統(tǒng)運行機(jī)理，在構(gòu)建合適的數(shù)學(xué)模型的基礎(chǔ)上才能實現(xiàn)理想的故障檢測與定位。因此，此方法適合可以建立精確數(shù)學(xué)模型的系統(tǒng)。然而，多電平逆變器所在整個系統(tǒng)是個復(fù)雜非線性系統(tǒng)，且存在電網(wǎng)擾動、負(fù)載擾動，很難建立一個精確數(shù)學(xué)模型，因此基于解析模型的多電平逆變器故障診斷存在著局限性。

3.2 基于數(shù)據(jù)驅(qū)動的方法

基于數(shù)據(jù)驅(qū)動的診斷方法是指對過程運行數(shù)據(jù)進(jìn)行分析和處理，利用數(shù)學(xué)方法或者智能算法等一系列方法進(jìn)行學(xué)習(xí)與推理，從而實現(xiàn)系統(tǒng)的故障診斷的方法。主要分為三類：基于統(tǒng)計分析的方法、基于信號處理的方法、基于人工智能定量算法的方法。

3.2.1 基于統(tǒng)計分析的方法

基于統(tǒng)計分析的方法是指運用基本數(shù)學(xué)理論和方法對系統(tǒng)運行數(shù)據(jù)進(jìn)行統(tǒng)計與分析，從而實現(xiàn)系統(tǒng)的故障診斷。多電平逆變器故障診斷統(tǒng)計分析方法主要包括主成分分析(Principal Component Analysis,PCA)、貝葉斯網(wǎng)絡(luò)(Bayesian Network,BN)。

(1)主成分分析

主成分分析是一種常用的多元統(tǒng)計分析方法，通過降低維度把多指標(biāo)數(shù)據(jù)轉(zhuǎn)化為能夠反映事物特征的少量指標(biāo)數(shù)據(jù)，從而從多元事物中解析出主要影響因素。PCA在多電平逆變器故障診斷中主要用于特征向量降維和故障辨識[27]。

文獻(xiàn)[28]提出了一種基于主成分分析和多分類相關(guān)向量機(jī)的故障診斷技術(shù)。首先通過快速傅里葉變換對特征信號進(jìn)行預(yù)處理，其次用PCA提取故障信號特征并減少樣本維數(shù)，最后采用多分類支持向量機(jī)實現(xiàn)級聯(lián)H橋多電平逆變器的故障診斷。文獻(xiàn)[29]對三相電壓源逆變器故障檢測與診斷進(jìn)行研究，提出了一種基于逆變器輸出電流的主成分分析算法，通過仿真，驗證了算法的可行性。

PCA主要用于多電平逆變器故障信號特征的降維處理，可以處理帶有測量噪聲、誤差甚至數(shù)據(jù)缺失的多元相關(guān)數(shù)據(jù)[30]。通過將PCA與其他方法相結(jié)合，可實現(xiàn)對多電平逆變器的故障檢測和診斷。

(2)貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)是在信息不確定、不完備的情況下，采用概率推理技術(shù)對部分未知狀態(tài)進(jìn)行估計，然后利用貝葉斯公式更新概率信息以進(jìn)行診斷決策的一種統(tǒng)計模型決策方法[31]。

文獻(xiàn)[32]提出一種基于多分辨率小波和貝葉斯分類器的NPC三電平逆變器的故障診斷方法，利用小波分析對故障信號進(jìn)行多尺度分解，建立故障特征，以此作為貝葉斯分類器的輸入來進(jìn)行故障識別。文獻(xiàn)[33]提出一種基于FFT-PCA-BN的一種三相逆變器故障診斷方法。采用快速傅里變換提取信號特征，利用主成分分析降低了樣本的維數(shù)，并利用貝葉斯網(wǎng)絡(luò)實現(xiàn)對系統(tǒng)的故障檢測和診斷，實驗表明基于貝葉斯理論的數(shù)據(jù)驅(qū)動故障診斷方法對傳感器噪聲和偏差有較好的耐受性。

貝葉斯網(wǎng)絡(luò)的構(gòu)建需要相關(guān)領(lǐng)域?qū)＜液凸こ處煆V泛收集相關(guān)資料，綜合其各種檢測數(shù)據(jù)和故障征兆，才能獲得較為全面的故障集和征兆集，從而提高診斷結(jié)果的準(zhǔn)確性。

3.2.2 基于信號處理的方法

基于信號處理的故障診斷方法是指直接利用測量信號的時域和頻域特征實現(xiàn)故障的檢測與定位。在傳感器故障過程中，故障信息存在于已測信號里，根據(jù)這些故障特征和正常系統(tǒng)的相應(yīng)特征進(jìn)行比對，從而實現(xiàn)系統(tǒng)的故障診斷。信號處理的方法通常也作為其他故障診斷方法的第一步。基于信號處理的多電平逆變器故障診斷方法主要有頻譜分析法、小波分析法和信息融合技術(shù)。

(1)頻譜分析法

頻譜分析法是指將系統(tǒng)輸出的故障信號從時域信息變換頻域，進(jìn)而對功率譜、倒頻譜或高階譜進(jìn)行分析，通過提取不同頻譜表現(xiàn)的故障特征，實現(xiàn)系統(tǒng)的故障診斷[34]。用于多電平逆變器的頻譜分析法主要是指傅里葉變換法。

文獻(xiàn)[35]提出一種基于傅里葉變換和神經(jīng)網(wǎng)絡(luò)的逆變器故障檢測與診斷方法，利用加窗傅里葉變換提取逆變器輸出信號的正序?qū)ΨQ分量，提出譜殘差和相對譜殘差的概念，利用基本殘差實現(xiàn)逆變器的故障檢測。文獻(xiàn)[36]研究了采用高階譜分析和支持向量機(jī)的電力電子電路故障診斷方法，首先利用高階譜中的雙譜技術(shù)分析、處理和提取電路狀態(tài)的故障特征，然后采用多類層次支持向量機(jī)實現(xiàn)電路的故障準(zhǔn)確定位。文獻(xiàn)[37]針對變頻驅(qū)動系統(tǒng)中的逆變器開關(guān)管開路故障，應(yīng)用開關(guān)函數(shù)的雙傅里葉變換技術(shù)，通過檢測直流側(cè)電流頻譜的低頻是否含有調(diào)制信號實現(xiàn)逆變器的故障診斷。

基于傅里葉變換的故障特征提取方法簡單，適合平穩(wěn)信號的處理。然而多電平逆變器三相電壓中信號中含有非平穩(wěn)或時變信息，因此難以有效提取故障特征。并且，故障原始信號經(jīng)過傅里葉變換之后，經(jīng)歷了一個全局變化的過程，舍棄了時域特性且不能用于局部分析?；谝陨先秉c，頻譜分析法逐漸被小波分析法取代。

(2)小波分析法

小波分析法是時間和空間頻率的局部化分析，它通過伸縮平移運算對信號逐步進(jìn)行多尺度和多分辨率細(xì)化，最終實現(xiàn)高頻處時間細(xì)分，低頻處頻率細(xì)分，從而可以聚焦到信號的任意細(xì)節(jié)。目前應(yīng)用于多電平逆變器故障診斷的小波分析法主要有小波變換、小波包變換與小波多分辨率分析[38]。

文獻(xiàn)[39]針對H橋逆變器IGBT開路故障，提出一種基于小波多分辨率、核主成分分析和最小二乘法支持向量機(jī)的故障診斷方法，通過選取了半個基波周期的電容電壓平均值為原始信號，避免了負(fù)載變化對故障診斷的影響。文獻(xiàn)[40]提出一種結(jié)合小波變換與Concordia變換的逆變器故障特征提取方法，并用于開環(huán)控制的逆變器驅(qū)動電路功率管故障診斷與定位。文獻(xiàn)[41]提出一種基于小波包分析和概率神經(jīng)網(wǎng)絡(luò)的電磁法三電平變換器故障診斷方法，通過小波包分析方法提取特征向量，然后利用核主成分分析對特征向量進(jìn)行降維，最后采用概率神經(jīng)網(wǎng)絡(luò)建立故障分類器，提高診斷方法的魯棒性。

相比于頻譜分析法，小波分析法能夠有效處理非穩(wěn)態(tài)、非線性信號，具有多分辨率分析、時頻局部化等優(yōu)良特性，因此是分析和處理多電平逆變器的故障信息的有效工具。通過與其他數(shù)學(xué)分析方法和智能算法相結(jié)合，可以進(jìn)一步提高故障診斷的可靠性。然而該方法也有一些缺點，如：自適應(yīng)能力不強(qiáng)、小波基函數(shù)選取困難、小波譜的時頻分辨率互相影響所造成的能量泄露問題等。

(3)信息融合技術(shù)

當(dāng)實際系統(tǒng)中存在較大干擾或者噪聲時，如果僅僅提取直流側(cè)電壓或者交流側(cè)相電流作為故障特征向量，故障信息的不確定將降低診斷系統(tǒng)的可靠性[42]?；谛畔⑷诤霞夹g(shù)的故障診斷方法的思想是通過利用不同傳感器信息之間的互補和冗余關(guān)系，對多個信息源進(jìn)行分析和綜合，克服利用單一數(shù)據(jù)源信息進(jìn)行故障診斷因故障信息的不確定性而導(dǎo)致診斷錯誤的問題，從而實現(xiàn)精確的故障定位[43]。

信息融合按照融合時信息的抽象層可以分為數(shù)據(jù)層融合、特征層融合和決策層融合，其中，數(shù)據(jù)層的融合通常利用多源傳感器采集故障信息來實現(xiàn)。應(yīng)用于多電平逆變器故障診斷的信息融合技術(shù)主要是特征層融合和決策層融合，其診斷結(jié)構(gòu)分別如圖5和圖6所示[44]。

圖5 特征層融合的多電平逆變器故障診斷結(jié)構(gòu)

圖6 決策層融合的多電平逆變器故障診斷結(jié)構(gòu)

文獻(xiàn)[45]將多源信息特征融合應(yīng)用于光伏并網(wǎng)逆變器故障診斷中，選擇電網(wǎng)側(cè)電流和重要橋臂電壓為融合對象，利用小波變換對數(shù)據(jù)進(jìn)行預(yù)處理和特征提取，通過神經(jīng)網(wǎng)絡(luò)對特征值進(jìn)行訓(xùn)練，有效提高了光伏并網(wǎng)逆變器故障診斷的精度。文獻(xiàn)[46]將待測電路的電壓信號、電流信號通過小波變換和主成分分析進(jìn)行預(yù)處理與特征提取，采取間隔交叉的方式將電壓特征矢量和電流特征矢量聯(lián)合形成特征矢量，通過神經(jīng)網(wǎng)絡(luò)對聯(lián)合特征矢量進(jìn)行推理實現(xiàn)故障診斷。

信息融合故障診斷技術(shù)充分利用系統(tǒng)的故障信息，從而實現(xiàn)故障的準(zhǔn)確定位。隨著信息融合技術(shù)的發(fā)展，在故障診斷工作中綜合運用多特征提取和多分類器融合決策的方法，將進(jìn)一步提高故障診斷的準(zhǔn)確性和可靠性。目前，信息融合技術(shù)的核心和難點是如何選擇合適的融合算法和制定故障判定規(guī)則，這是進(jìn)一步研究的方向。

3.2.3 基于人工智能定量算法的方法

人工智能定量算法的方法是逆變器故障診斷方法中的重要組成成分，通過將智能算法和故障診斷的思想相結(jié)合，實現(xiàn)系統(tǒng)的故障檢測與定位。主要包括人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)，支持向量機(jī)(Support Vector Machines,SVM)，粗糙集(Rough Set,RS)等。

(1)人工神經(jīng)網(wǎng)絡(luò)

ANN是一種定量的人工智能算法，具有良好的泛化能力，并且具有自學(xué)習(xí)、自組織、并行性和較強(qiáng)的聯(lián)想記憶功能，因此被越來越多的用在多電平逆變器系統(tǒng)的故障診斷中。神經(jīng)網(wǎng)絡(luò)一般由輸入層、隱含層、輸出層組成。

基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法是指通過大量的已知故障數(shù)據(jù)樣本進(jìn)行訓(xùn)練，通過數(shù)據(jù)的學(xué)習(xí)不斷調(diào)整權(quán)值和閾值的大小，從而建立故障信息和故障類型之間的映射關(guān)系，再將待診斷故障信息輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中，從而實現(xiàn)系統(tǒng)的故障診斷。

文獻(xiàn)[47]將神經(jīng)網(wǎng)絡(luò)應(yīng)用于多電平逆變器的故障診斷中。通過把遺傳算法應(yīng)用于主成分分析，實現(xiàn)故障信息的降維處理和故障特征提取。這種方法不僅提高了系統(tǒng)故障診斷性能，并且大大減少了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時間。文獻(xiàn)[48]利用頻譜分析提取橋臂電壓諧波幅值和相位作為故障特征信息，把多神經(jīng)網(wǎng)絡(luò)應(yīng)用于三電平逆變器功率器件的故障診斷，實現(xiàn)單個器件和多個器件同時開路的多故障模式診斷。實驗驗證該方法具有診斷結(jié)果精度高、抗干擾能力強(qiáng)的優(yōu)點。

ANN具有較高的非線性擬合能力、魯棒性和容錯性，并且不需要考慮系統(tǒng)的內(nèi)部結(jié)構(gòu)，克服了解析模型需要建立精確模型的缺點，因此在多電平逆變器的故障診斷當(dāng)中被廣泛應(yīng)用。然而網(wǎng)絡(luò)的學(xué)習(xí)需要大量的故障樣本，因此確保故障樣本的完整性和典型性是準(zhǔn)確實現(xiàn)系統(tǒng)故障檢測和定位的關(guān)鍵。其次，ANN對學(xué)習(xí)和診斷結(jié)果的可解釋性比較差，可以將神經(jīng)網(wǎng)絡(luò)與其他智能算法進(jìn)行融合，構(gòu)建與ANN的映射關(guān)系，從而尋找能夠使蘊含在ANN中的知識得以用語言表達(dá)的規(guī)則，增強(qiáng)故障診斷的解釋性[49]。

(2)支持向量機(jī)

SVM是一種基于統(tǒng)計學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險最小原理的定量智能算法，具有較強(qiáng)的分類能力。SVM具有完整的數(shù)學(xué)形式、直觀的幾何解釋和良好的泛化能力，是處理小樣本、高維度、非線性問題的有力工具。

文獻(xiàn)[50]針對級聯(lián)H-橋多電平逆變系統(tǒng)提出一種基于PCA-SVM模型的故障診斷策略，通過快速傅里葉變換和主元分析對故障信號進(jìn)行預(yù)處理和特征向量提取，最后通過SVM進(jìn)行訓(xùn)練和故障診斷。實驗表明該方法診斷精度高達(dá)98%，且計算效率高。文獻(xiàn)[51]提出一種基于自適應(yīng)噪聲和支持向量機(jī)的三相逆變器的故障診斷方法，實驗證明該方法具有更高的診斷準(zhǔn)確率和較好的抗干擾能力。文獻(xiàn)[52]采用粒子群聚類算法生成決策樹SVM實現(xiàn)三電平逆變器的故障診斷，仿真結(jié)果表明故障診斷結(jié)果精度優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。

SVM適合小樣本系統(tǒng)故障特征的學(xué)習(xí)和診斷，克服了構(gòu)建神經(jīng)網(wǎng)絡(luò)映射關(guān)系需要大量已知故障樣本的缺點。但是SVM參數(shù)以及樣本的完備性和代表性對故障診斷的結(jié)果精度影響很大，且SVM僅僅是從分類的角度對故障進(jìn)行診斷，并沒有深層次地挖掘數(shù)據(jù)的結(jié)構(gòu)信息。因此，SVM在進(jìn)行多電平逆變器故障診斷時通常和其他方法相結(jié)合以提高診斷結(jié)果的準(zhǔn)確率[53]。

4 結(jié) 語

本文針對多電平逆變器開關(guān)管開路故障，對現(xiàn)有的故障診斷方法進(jìn)行了綜述，按照定性診斷方法和定量診斷方法對其進(jìn)行分類，重點介紹了故障診斷方法的基本思想、研究進(jìn)展、適用條件和優(yōu)缺點。

基于定性的故障診斷方法利用不完備先驗知識描述系統(tǒng)功能結(jié)構(gòu)，通過建立定性模型實現(xiàn)系統(tǒng)的故障診斷。這種方法需要豐富的經(jīng)驗知識作為支撐，且不具有自學(xué)習(xí)的能力，當(dāng)系統(tǒng)過于復(fù)雜時，定性故障診斷方法難以準(zhǔn)確實現(xiàn)。因此，對于定性故障診斷方法的研究，目前更多的側(cè)重將其和人工智能算法相結(jié)合來實現(xiàn)系統(tǒng)故障診斷?；诙康墓收显\斷方法主要有基于解析模型的方法和基于數(shù)據(jù)驅(qū)動的方法。多電平逆變器是一個非線性離散系統(tǒng)，難以建立精確的數(shù)學(xué)模型，因此，基于解析模型的故障診斷方法受到了很大限制。近年來，隨著信息處理技術(shù)和人工智能算法的深入研究，基于數(shù)據(jù)驅(qū)動的故障診斷方法得到進(jìn)一步發(fā)展，系統(tǒng)故障特征的提取、處理以及故障診斷決策都逐步趨向于多信息融合，從而大大提高了故障診斷的精度和可靠性。因此，采取多種技術(shù)方法相結(jié)合，取長補短實現(xiàn)多電平逆變器的故障診斷將逐步成為未來的研究熱點。特別地，當(dāng)逆變器的數(shù)量增多或者系統(tǒng)結(jié)構(gòu)比較復(fù)雜時，系統(tǒng)故障狀態(tài)將會成倍增加，如何選取和采集合適的故障信息、并進(jìn)行精確的故障診斷也是一個值得研究的方向。

在工業(yè)生產(chǎn)中，當(dāng)逆變器發(fā)生故障時，如不及時采取措施進(jìn)行處理，輕則造成系統(tǒng)停機(jī)，影響產(chǎn)量，重則給工業(yè)生產(chǎn)帶來重大經(jīng)濟(jì)損失或者災(zāi)難性事故。因此，在現(xiàn)有的故障診斷技術(shù)基礎(chǔ)上對多電平逆變器故障狀態(tài)預(yù)警和設(shè)備運行壽命進(jìn)行預(yù)測、以及故障后的容錯控制進(jìn)行深入研究，具有廣闊的前景和應(yīng)用價值。