-
公开(公告)号：CN116610916A
公开(公告)日：2023-08-18
申请号：CN202310564708.9
申请日：2023-05-18
Applicant: 兰州理工大学
IPC: G06F18/20 , G06F18/213 , G06F18/25 , G06F18/241 , G06N3/0464 , G06N3/08 , G01R31/54
Abstract: 多信号源自适应融合Conv‑transformer级联H桥逆变器故障诊断方法，针对多电平逆变器故障波形相似程度高、传统故障诊断方法难以获得较高诊断准确率问题，首先，利用小波变换将提取的三相电压与电流波形转换为二维图像，进行数据预处理；其次，通过波形畸变率差值设置双阈值判别进行故障相定位；然后，以残差网络为基础进行第一阶段的各信号源故障特征提取，并将其得到的不同传感器特征图进行自适应融合；最后，将融合后的故障特征图按通道数进行编码，并将其送入transformer进行二次特征提取，经分类层输出分类结果，得到精确的故障位置。本发明实现了级联H桥逆变器故障特征的自适应提取及端到端诊断，从而更精准的实现故障分类。摘要附图如说明书附图图1所示。
-
Patent Agency Ranking
公开(公告)号：CN116541772A
公开(公告)日：2023-08-04
申请号：CN202310496780.2
申请日：2023-05-05
Applicant: 兰州理工大学
IPC: G06F18/2415 , G01R31/54 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/047
Abstract: 基于多源融合残差网络的级联H桥逆变器故障诊断方法，针对级联H桥多电平逆变器不同功率器件故障特征相似度高、传统故障诊断特征提取不全和分类器选取困难问题，首先，建立并行残差网络模型，利用小波变换将提取的三相电压与电流波形转换为二维图像作为输入。其次，构建特征融合模块以自适应提取网络不同层级特征。该模块使用注意力机制定位重要特征，并通过特征融合机制，融合有效的故障信息，实现网络内的特征增强。最后，将特征融合模块所提取的故障特征经完整卷积操作依次递进，最终的增强特征作为分类特征并通过Softmax层进行分类。本发明实现了级联H桥逆变器故障特征的自适应提取及端到端诊断，从而更精准的实现故障分类。
-
公开(公告)号：CN115510913A
公开(公告)日：2022-12-23
申请号：CN202211219695.3
申请日：2022-10-04
Applicant: 兰州理工大学
Abstract: 基于数据驱动的H桥级联逆变器的故障诊断方法，针对级联H桥多电平逆变器不同功率管故障后输出电压/电流波形相似程度高、故障诊断困难且实际运行过程受到直流侧电压波动，交流侧负载变化及电路噪声扰动影响等问题。本发明提出一种基于EEMD‑MPE级联H桥逆变器故障诊断方法。首先，将各个IGBT晶体管故障后的电压进行集总经验模态分解(EEMD)，根据各分量与原始信号相关性选择最优固有模态分量(IMF)，后将所得最优固有模态分量计算多尺度排列熵(MPE)。其次，通过加入上述三方面扰动因素构建三个数据集，并运用网格搜索法支持向量机(GS‑SVM)进行故障诊断的方法。本发明运算速度快，泛化性能强，能够应对多工况下IGBT故障定位问题。
-
公开(公告)号：CN115510913B
公开(公告)日：2023-06-02
申请号：CN202211219695.3
申请日：2022-10-04
Applicant: 兰州理工大学
IPC: G06F18/2411 , G06F18/10 , G06F18/213 , G06F123/02
Abstract: 基于数据驱动的H桥级联逆变器的故障诊断方法，针对级联H桥多电平逆变器不同功率管故障后输出电压/电流波形相似程度高、故障诊断困难且实际运行过程受到直流侧电压波动，交流侧负载变化及电路噪声扰动影响等问题。本发明提出一种基于EEMD‑MPE级联H桥逆变器故障诊断方法。首先，将各个IGBT晶体管故障后的电压进行集总经验模态分解(EEMD)，根据各分量与原始信号相关性选择最优固有模态分量(IMF)，后将所得最优固有模态分量计算多尺度排列熵(MPE)。其次，通过加入上述三方面扰动因素构建三个数据集，并运用网格搜索法支持向量机(GS‑SVM)进行故障诊断的方法。本发明运算速度快，泛化性能强，能够应对多工况下IGBT故障定位问题。
-
-
公开(公告)号：CN116541772B
公开(公告)日：2023-10-10
申请号：CN202310496780.2
申请日：2023-05-05
Applicant: 兰州理工大学
IPC: G06F18/2415 , G01R31/54 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/047
Abstract: 基于多源融合残差网络的级联H桥逆变器故障诊断方法，针对级联H桥多电平逆变器不同功率器件故障特征相似度高、传统故障诊断特征提取不全和分类器选取困难问题，首先，建立并行残差网络模型，利用小波变换将提取的三相电压与电流波形转换为二维图像作为输入。其次，构建特征融合模块以自适应提取网络不同层级特征。该模块使用注意力机制定位重要特征，并通过特征融合机制，融合有效的故障信息，实现网络内的特征增强。最后，将特征融合模块所提取的故障特征经完整卷积操作依次递进，最终的增强特征作为分类特征并通过Softmax层进行分类。本发明实现了级联H桥逆变器故障特征的自适应提取及端到端诊断，从而更精准的实现故障分类。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
