基于三通道2 D-CNN的逆变器功率管开路故障诊断方法

• 作者: 何业兰 商蕾 林治国 武美君 陈亚杰 高海波
• 来源期刊: 船海工程
• 学科: 交通运输
• 关键词: 开路故障 故障诊断 逆变器 卷积神经网络 深度学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 轮机工程
• 页码范围: 78-82
• 页数: 5页
• 分类号: U665.26
• 字数: 3218字
• 语种: 中文
• DOI: 10.3963/j.issn.1671-7953.2020.01.018

摘要

针对逆变器功率管开路故障的诊断精度较低问题,对三相电压源型逆变器采用卷积神经网络的方法由现有故障数据训练得到故障识别模型,将不同类别故障对应的逆变器输出侧三相电流信号作为数据集,应用二维卷积神经网络并采用3个通道分别训练三相电流信号,采用Adam优化算法并引入dropout深度学习技巧及自适应学习速率防止模型过拟合,与SVM、KNN、DNN等方法的结果对比表明,该方法可明显提高逆变器功率管开路故障的诊断精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高海波	武汉理工大学能源与动力工程学院	70	356	9.0	16.0
2	林治国	武汉理工大学能源与动力工程学院	36	173	6.0	12.0
3	何业兰	武汉理工大学能源与动力工程学院	14	42	4.0	5.0
4	商蕾	武汉理工大学能源与动力工程学院	33	379	11.0	18.0
5	陈亚杰		5	10	2.0	3.0
6	武美君	武汉理工大学能源与动力工程学院	2	0	0.0	0.0