級聯(lián)式變頻器功率單元故障診斷與系統(tǒng)設計.pdf

1、目前，級聯(lián)式變頻器在高壓、大功率應用中已經(jīng)成為了一項重要的技術，被廣泛用于驅(qū)動風機、泵類及各種大型機械，已成為當今節(jié)電、提高生產(chǎn)過程自動化水平、推動技術進步的主要手段之一。相對于傳統(tǒng)的兩電平變頻器，其主電路功率單元增多了，大大增加了故障的可能性。級聯(lián)式變頻器的功率單元故障在變頻器輸出頻率較低時對輸出影響很小不容易被發(fā)現(xiàn)。若不能及時的診斷出該故障，將會形成很大的故障隱患。因此，研究準確高效的級聯(lián)式變頻器故障診斷方法具有重要意義。
　

2、　本文主要以級聯(lián)式變頻器的功率器件開路故障為研究的對象。首先對級聯(lián)式變頻器的結(jié)構(gòu)以及工作原理進行了分析，并在MATLAB/Simulink模塊下建立了級聯(lián)式變頻器的仿真模型，分別對變頻器功率器件在不考慮直流濾波電容老化因素的影響以及考慮其老化因素影響的情況下對其開路故障進行了仿真。通過分析級聯(lián)式變頻器在不同情況下的輸出信號，確定其故障特征信號的來源，并運用小波分析的方法對其故障特征進行提取，從而得到作為神經(jīng)網(wǎng)絡輸入的故障特征向量。

3、>　　其次，針對松散型小波神經(jīng)網(wǎng)絡在進行級聯(lián)式變頻器故障診斷中所存在的一些不足，例如網(wǎng)絡收斂的速度慢，易陷入局部極小值等一些缺點，為了提高級聯(lián)式變頻器的精度，提出了一種粒子群優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法，同時針對粒子群算法易早熟且后期迭代精度不高等缺陷，對其慣性權重和學習因子進行了改進，并對其部分粒子進行了變異。通過仿真實驗分析的結(jié)果表明改進的粒子群神經(jīng)網(wǎng)絡對級聯(lián)式變頻器功率單元故障診斷的準確性和實時性明顯提高。
　　最后，基于本文