基于小波包熵及双重优化神经网络的牵引逆变器开路故障诊断

• 作者: 赵苗苗 陈小强 王英 贺彦强
• 来源期刊: 铁道科学与工程学报
• 学科: 交通运输
• 关键词: 故障诊断 三电平逆变器 小波包熵 双重优化 神经网络
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 智能制造与装备|Intelligent Manufacturing and Equipment
• 页码范围: 1101-1110
• 页数: 10页
• 分类号: U264.3
• 语种: 中文
• DOI: 10.19713/j.cnki.43-1423/u.T20210480

摘要

功率模块器件作为高速动车组电力牵引传动系统的核心组成部分,大多应用于多场域耦合且承受主要的电热应力,故障率较高.通过提取其故障特征并准确定位故障点,实时在线诊断故障对于牵引传动系统的安全可靠运行具有重要意义.以CRH2型动车组牵引传动系统为例,三电平牵引逆变器存在12个功率管,故障发生频繁且种类繁多,故对于三电平牵引逆变器功率管的单管以及多管故障诊断不可忽视.以提升三电平牵引逆变器功率模块器件故障准确定位为目的,研究单个功率器件和多个功率器件开路故障诊断.通过分析该三电平牵引逆变器正常工作模式和多种功率管开路故障情况对比,将三电平牵引逆变器三相桥臂输出侧电流作为诊断电气量,对故障进行分类,提取每类故障特征电气量经小波包分解后各节点的熵值作为故障特征信息.以提取的小波包熵值作为故障特征向量建立BP神经网络,采用粒子群算法结合遗传算法对神经网络权值和阈值结构同时优化,2种算法优劣互补,实现不同故障分类的诊断,准确定位故障点.仿真结果表明,该方法能实现牵引逆变器单管以及多管故障类型的诊断和对不同故障点的准确定位,且诊断结果精度高,抗噪性能优异,实时性强.