A packet decomposition value based on component K (K Component Singular singular Value Decomposition Packet, referred to as KCSVDP) and remove the comparison method of power electronic circuit fault diagnosis method, which belongs to the signal processing and power conversion circuit fault diagnosis. The method comprises the following steps: 1) acquisition of power electronic circuits in normal mode and fault mode measuring node output signal; 2) using the K component of the singular value decomposition packet decomposition will collect signals acquisition signals, and based on Shannon entropy definition of component signal processing parameters to construct the feature sample set; 3) to deal with the characteristics of sample set by removing the contrast method, selected the key features; 4) will feature samples after the treatment set was divided into training set and test set, using the training set for training support vector machine, and then the classification performance using the test sample set and support vector machine evaluation of key features.
【技术实现步骤摘要】
一种基于KCSVDP和移除对比法的功率电子电路故障诊断方法
本专利技术涉及一种基于KCSVDP和移除对比法的功率电子电路故障诊断方法,属于信号处理和功率转换电路故障诊断领域。
技术介绍
随着科学技术的不断发展,功率电子电路在工业中得到了广泛应用,如可再生能源转换系统、整流逆变系统以及航空电源系统等。由于电力半导体器件的广泛使用,因而功率电子电路故障的概率将增加,例如功率开关器件的开路故障或短路故障。一旦功率电子电路发生故障,则会影响后续用电设备的正常工作,进而影响整个工作环境,轻则导致设备故障停机,重则导致巨大的生命财产和安全损失,因而,对功率电子电路进行故障诊断研究具有重大意义。特征提取和特征选择是故障诊断流程中重要组成部分,选择合适的特征提取方法,并与特征选择方法相结合,能够有效地提高故障诊断性能。K分量奇异值分解包是一种多分辨率奇异值分解技术,即利用奇异值分解来实现类似小波包的信号分解方式,通过构造合理的矩阵,同时采用恰当的信号构成方式,并与递推分解相结合,可用于信号的特征提取。香农熵旨在实现对信息的量化度量,可用于评估系统的混乱程度,若一个系统越是混乱,则其熵值越大。特征选择的目的是从原始特征中筛选出关键特征,并剔除冗余或不相关的特征,从而大大简化特征样本结构。利用筛选过后的特征样本构建分类器模型,能够简化分类器的设计并大幅提高分类器的分类性能。
技术实现思路
为了解决上述问题,本专利技术提出基于KCSVDP和移除对比法的功率电子电路故障诊断方法。一方面,利用K分量奇异值分解包对故障信号进行分解,并依据香农熵定义计算特征参数,获取故障信息;另一方面,利 ...
【技术保护点】
一种基于KCSVDP和移除对比法的功率电子电路故障诊断方法,其特征在于包括如下步骤:1)采集功率电子电路在正常模式以及故障模式下的可测节点输出信号;2)利用K分量奇异值分解包对采集信号进行分解,获取分量信号,并依据香农熵定义对分量信号处理,计算特征量以构建特征样本集;3)利用移除对比法对特征样本集进行处理,筛选出关键特征;4)将处理后的特征样本集分为训练样本集和测试样本集,先利用训练样本集训练支持向量机,再利用测试样本集以及支持向量机评估关键特征的分类性能。
【技术特征摘要】
1.一种基于KCSVDP和移除对比法的功率电子电路故障诊断方法,其特征在于包括如下步骤:1)采集功率电子电路在正常模式以及故障模式下的可测节点输出信号;2)利用K分量奇异值分解包对采集信号进行分解,获取分量信号,并依据香农熵定义对分量信号处理,计算特征量以构建特征样本集;3)利用移除对比法对特征样本集进行处理,筛选出关键特征;4)将处理后的特征样本集分为训练样本集和测试样本集,先利用训练样本集训练支持向量机,再利用测试样本集以及支持向量机评估关键特征的分类性能。2.根据权利要求1所述的基于KCSVDP和移除对比法的功率电子电路故障诊断方法,其特征在于所述步骤2)中...
【专利技术属性】
技术研发人员:崔江,叶纪青,龚春英,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:江苏,32
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。