本发明专利技术提供一种逆变器的故障检测方法，该故障检测方法包括：S10、将逆变器的输出电压信号进行傅里叶变换，以得到电压谐波信号；S20、对傅里叶变换后的电压谐波信号进行分类；S30、确定各种类型的傅里叶变换后的电压谐波信号所对应的故障类型。相应地，本发明专利技术还提供一种逆变器的故障检测装置。与现有技术相比，本发明专利技术能够提高逆变器的故障检测效率。
【技术实现步骤摘要】
【专利摘要】本专利技术提供一种逆变器的故障检测方法，该故障检测方法包括：S10、将逆变器的输出电压信号进行傅里叶变换，以得到电压谐波信号；S20、对傅里叶变换后的电压谐波信号进行分类；S30、确定各种类型的傅里叶变换后的电压谐波信号所对应的故障类型。相应地，本专利技术还提供一种逆变器的故障检测装置。与现有技术相比，本专利技术能够提高逆变器的故障检测效率。【专利说明】逆变器的故障检测方法和检测装置
本专利技术涉及逆变器的故障检测领域，尤其涉及一种逆变器的故障检测方法和逆变器的故障检测装置。
技术介绍
逆变器是一种把直流电转变为交流电的变压器，广泛适用于电动工具、电脑、电视、洗衣机、风扇等电器。级联逆变器的输出端可以有多个电平的输出从而得到了广泛应用，随着级联逆变输出电平数的增加，对应的电路中的功率器件的数目也随之增加，使得电路的结构和控制方式更加复杂，同时使得设备的故障率增加，因而逆变器的故障检测尤为重要。现有的逆变器检测方法主要有:基于知识和经验的故障检测和基于支持向量机的故障检测方法等。 但是这些方法的检测效率较低，需要检测电路中多个位置，且应用范围较窄，不能适用于多种结构不同的电路。
技术实现思路
本专利技术的目的在于提供一种逆变器的故障检测方法和检测装置，以提高逆变器的故障检测效率。 为了实现上述目的，本专利技术提供一种逆变器的故障检测方法，该故障检测方法包括: S10、将逆变器的输出电压信号进行傅里叶变换，以得到电压谐波信号； S20、对傅里叶变换后的电压谐波信号进行分类； S30、确定各种类型的傅里叶变换后的电压谐波信号所对应的故障类型。 优选地，在所述步骤S20中，利用神经网络模型对傅里叶变换后的电压谐波信号进行分类。 优选地，所述逆变器的输出电压信号包括模拟电压信号，所述步骤SlO包括: SI 1、将所述逆变器的输出的模拟电压信号转换为数字电压信号； S12、将转换后的数字电压信号进行傅里叶变换。 优选地，所述傅里叶变换包括快速傅里叶变换。 优选地,所述步骤S20包括: S21、将所述神经网络模型的输入信号进行归一化； S22、将所述归一化后的值进行降维。 优选地，所述故障检测方法还包括在所述步骤SlO之前执行的至少一次神经网络模型的训练过程，该训练过程包括: S01、将逆变器的在预设故障状态下的输出信号进行傅里叶变换，得到电压谐波信号; S02、将所述步骤SOl中经傅里叶变换后的谐波信号输入神经网络模型的输入层； S03、根据所述神经网络模型的输入信号和神经网络模型的预设输出信号确定所述神经网路模型的权值，以确定所述神经网络模型的分类机制，所述神经网络模型的预设输出信号与所述预设故障状态对应。 优选地，所述故障检测方法包括多次神经网络模型的训练过程，该多次神经网络模型的训练过程包括:调节逆变器的调制比，以获得多个不同的调制比，每获得一个调制比执行一次所述神经网络模型的训练过程。 优选地，所述故障检测方法还包括在所述步骤SlO之前执行的至少一次神经网络模型的测试过程，该测试过程包括: S04、将逆变器的调制比的值调节为不同于所述训练过程中所对应的调制比的值，并对逆变器在所述预设故障下的输出信号进行傅里叶变换； S05、将傅里叶变换后的谐波信号输入所述神经网络模型； S06、比较所述神经网络模型的实际输出信号和所述预设输出信号是否一致，若是，则所述神经网络模型训练成功；若否，则所述神经网络模型训练失败。 优选地，所述故障检测方法包括多次执行的神经网络模型的测试过程。 相应地，本专利技术还提供一种逆变器的故障检测装置，所述故障检测装置包括: 信号变换单元，用于将逆变器的输出电压信号进行傅里叶变换，以得到电压谐波信号; 分类单元，用于对傅里叶变换后的电压谐波信号进行分类； 故障确定单元，用于确定各种类型的傅里叶变换后的电压谐波信号所对应的故障类型。 优选地，所述分类单元内设置有神经网络模型，该神经网络模型用于对傅里叶变换后的电压谐波信号进行分类。 优选地，所述逆变器的输出电压信号包括模拟电压信号，所述故障检测装置还包括连接在所述逆变器与所述信号变换单元之间的模数转换单元，该模数转换单元能够将所述逆变器输出的模拟电压信号转换为数字电压信号，且所述信号变换单元能够将转换后的数字电压信号进行傅里叶变换。 优选地，所述分类单元能够将所述神经网络模型的输入信号进行归一化并将所述归一化后的信号进行降维。 与现有技术中的检测逆变器电路的多个位置相比，本专利技术通过对逆变器的输出电压信号进行傅里叶变换，从而将难以处理的时域信号转换为便于分析的频域信号，由于傅里叶变换可以应用于多种信号，因而检测效率得到提高，适用范围有所增大；且快速傅里叶变换进一步提高了检测效率；另一方面，利用神经网络模型对电压谐波信号进行分类以确定各类型电压谐波信号所对应的故障类型，进而确定逆变器的输出电压信号所对应的故障类型，提高了逆变器的故障检测效率。同时，可以减少电压检测器件的使用，降低系统成本。 【专利附图】【附图说明】 附图是用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与下面的【具体实施方式】一起用于解释本专利技术，但并不构成对本专利技术的限制。在附图中: 图1所示的是本专利技术所提供的逆变器的故障检测方法流程图； 图2所示的是本专利技术所提供的逆变器的故障检测装置结构示意图。 其中附图标记为:10、信号变换单元；20、分类单元；30、故障确定单元；40、模数转换单元；41、采样保持电路；42、A/D转换电路。 【具体实施方式】 以下结合附图对本专利技术的【具体实施方式】进行详细说明。应当理解的是，此处所描述的【具体实施方式】仅用于说明和解释本专利技术，并不用于限制本专利技术。 本专利技术提供一种逆变器的故障检测方法，如图1所示，该故障检测方法包括: S10、将逆变器的输出电压信号进行傅里叶变换，以得到电压谐波信号； S20、对傅里叶变换后的电压谐波信号进行分类； S30、确定各种类型的傅里叶变换后的电压谐波信号所对应的故障类型。 傅里叶变换将原来难以处理的时域信号转换为便于分析的频域信号，通过对傅里叶变换后的电压谐波信号进行分类，从而确定各类型电压谐波信号所对应的故障类型，进而确定逆变器的输出电压信号所对应的故障类型。与现有技术中的检测电路的多个位置相t匕，可以提高故障检测效率，且傅里叶变换对各种不同电压信号进行变换，即对不同结构的逆变器电路进行检测，提高了检测方法的适用范围；同时，避免了对电路中多个位置进行检测，降低了系统成本。 本专利技术可以采用多种方法对傅里叶变换后的电压谐波信号进行分类，为了提高分类的准确度和分类速度，作为本专利技术的一种优选实施方式，利用神经网络模型对傅里叶变换后的电压谐波信号进行分类。 具体地，所述神经网络模型的输入层可以设置有20?50个输入节点，将傅里叶变换后得到的各次谐波信号依次输入各个输入节点，例如，将基波信号输入第一个输入节点，一次谐波信号输入第二个输入节点，二次谐波信号输入第三个输入结点，以此类推。所述神经网络模型的输出层的输出节点的数量可以根据逆变器可能出现的故障的类别数而进行设置。以所述逆变器包括10个功率器件为例本文档来自技高网...
【技术保护点】
一种逆变器的故障检测方法，其特征在于，该故障检测方法包括：S10、将逆变器的输出电压信号进行傅里叶变换，以得到电压谐波信号；S20、对傅里叶变换后的电压谐波信号进行分类；S30、确定各种类型的傅里叶变换后的电压谐波信号所对应的故障类型。
【技术特征摘要】
【专利技术属性】
技术研发人员：何佳，韩晓艳，郑平，李津，
申请(专利权)人：北京京东方能源科技有限公司，京东方科技集团股份有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。