【技术实现步骤摘要】
本专利技术涉及igbt器件和自激短路健康状态监测，尤其是涉及一种基于神经网络的自适应自激短路健康状态判据方法。
技术介绍
1、功率器件igbt广泛应用于城市轨道交通牵引变流器中，对其健康状态进行有效且准确的评估对牵引变流器正常运行有重要意义。根据相关文献显示，城轨列车牵引逆变器发生故障的情况中68%的比例是功率器件发生故障。
2、目前有基于特定集电极电流条件下监测对应的集射极饱和压降评估igbt模块的健康状态的方法。所谓特定集电极电流条件是指不同温度下的多条集电极电流-导通压降曲线的交点对应的集电极电流，其原理如图7所示，根据igbt模块等效模型和特性曲线得出在该点处对应饱和压降不受温度影响，再依据igbt模块不同老化状态对应饱和压降变化规律预测igbt模块健康状态。
3、基于短路电流的igbt模块寿命预测方法考虑了复杂工况下温度对igbt模块短路电流的影响，研究了igbt模块的通态集射极电压的温度依赖性以及igbt模块内部键合线老化对集射极电压的影响机理如图8所示，并建立通态电压与短路电流的理论关系实现对igbt模块老化状态的监测。
4、以上技术中，特定集电极电流条件下虽排除温度对导通压降的影响，可利用此条件进行状态监测，但在牵引变流器实际运行工况中igbt的导通电流并非总能处于该条件下电流，而处于非条件内的导通压降易受结温波动影响，从而影响igbt模块健康状态的判定结果；短路电流可以作为监测igbt老化的判据，但其容易受结温、饱和压降和运行工况等方面的影响，需要对温度等信号进行处理，较大的
5、基于上述技术中，对igbt模块健康状态评估判据较单一且容易受温度、工况等因素影响，无法匹配较多的情况，当监测条件发生变化容易判定方式缺乏自适应性。本专利技术提出基于神经网络的自适应牵引变流器igbt的状态监测方法，依托采集牵引变流器功率模块在运行过程中和自激短路监测发生过程中所产生的短路电流、集射极电压和结温等大量数据，构建训练集和验证集自适应完成对igbt模块健康状态监测。利用该方法获取igbt模块健康状态，具有较强的自适应性，实现故障的精准定位，辅助运维人员进行预防性维护，降低维护成本，对保障机组安全可靠运行具有重要的现实意义。
技术实现思路
1、本专利技术的目的是提供一种基于神经网络的自适应自激短路健康状态判据方法，由于列车运行工况复杂，选择单一的判据对igbt健康状态进行评估难以满足精度要求，比如短路电流 isc容易受到结温 tj，栅极电压 vge，运行工况等因素影响，该方法结合了自激短路状态监测技术，目的是根据不同的条件输入关键参数，利用神经网络自动适应判据获取igbt模块健康状态。
2、为实现上述目的，本专利技术提供了一种基于神经网络的自适应自激短路健康状态判据方法，包括以下步骤：
3、s1、采集转化环节，确定待监测关键电气参数，利用igbt模块的驱动电路的自激短路单元，使其进入自激短路工况，采集待监测的关键电气参数，并将参数输入至ad转化电路，将其转化为数字量参数；
4、s2、数字核心处理环节，数字核心分为归一化处理环节和神经网络处理环节，归一化处理将ad转化电路输出的数字量参数输入至前馈神经网络模型进行判定；
5、s3、输出环节，通过步骤s2中神经网络模型的判定，获取当前igbt模块的健康程度百分比或者是否已经发生老化。
6、优选的，在步骤s1中，待监测的关键电气参数包括短路电流 isc、结温 tj、栅极电压 vge和集射极电压 vce，且以上参数均为模拟量参数。
7、优选的，在步骤s2中，归一化处理将ad转化电路输出的数字量参数进行标幺化处理，按照比例缩放至[0,1]，再将标幺化数据输入至已完成训练的前馈神经网络模型进行判定。
8、优选的，在步骤s3中，前馈神经网络模型判定选择结温 tj，栅极电压 vge，集射极电压 vce和短路电流 isc，以上电气参数作为输入层；
9、选择线性输出单元作为健康程度百分比的输出阈值；
10、选择sigmoid单元作为igbt模块是否老化的输出阈值。
11、优选的，选择线性输出单元作为健康程度百分比的输出阈值的表达式如下所示：
12、（1）
13、选择sigmoid单元作为igbt模块是否老化的输出阈值的表达式如下所示：
14、（2）。
15、优选的，在步骤s3中，健康程度百分比或者是否已经发生老化的判定方法，具体如下所示：
16、s31、选取特定的反映igbt模块的老化特征参数，通过参数提取试验获取所选择的老化特征参数在不同igbt的健康状态下数值；
17、s32、对获取的关键参数进行预处理，并标注各数据点对应的健康状态，剔除无效数据点；
18、s33、将完成处理的数据点随机划分为训练集与验证集，训练集用于训练相关神经网络，验证集用于验证训练完成的神经网络模型准确度；
19、s34、模型根据输入的关键参数判定得到的健康状态与实际相符合，完成当前模型训练，输出健康状态判据。
20、因此，本专利技术采用上述结构的一种基于神经网络的自适应自激短路健康状态判据方法，具备以下有益效果：
21、（1）本专利技术中采用基于数据驱动的神经网络模型，具有较强的关联性，可精确定位igbt健康状态。
22、（2）本专利技术中自适应功能可动态匹配输入参数输出准确的判据结果，无需人为干涉。
23、（3）本专利技术与自激短路状态监测技术结合，可增加电气参数种类和数量，提高输出判据准确度。
24、下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.一种基于神经网络的自适应自激短路健康状态判据方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于神经网络的自适应自激短路健康状态判据方法，其特征在于：在步骤S1中，待监测的关键电气参数包括短路电流Isc、结温Tj、栅极电压Vge和集射极电压Vce，且以上参数均为模拟量参数。
3.根据权利要求1所述的一种基于神经网络的自适应自激短路健康状态判据方法，其特征在于：在步骤S2中，归一化处理将AD转化电路输出的数字量参数进行标幺化处理，按照比例缩放至[0,1]，再将标幺化数据输入至已完成训练的前馈神经网络模型进行判定。
4.根据权利要求1所述的一种基于神经网络的自适应自激短路健康状态判据方法，其特征在于：在步骤S3中，前馈神经网络模型判定选择结温Tj，栅极电压Vge，集射极电压Vce和短路电流Isc，以上电气参数作为输入层；
5.根据权利要求4所述的一种基于神经网络的自适应自激短路健康状态判据方法，其特征在于：选择线性输出单元作为健康程度百分比的输出阈值的表达式如下所示：
6.根据权利要求1所述的一种基于神经网
...【技术特征摘要】
1.一种基于神经网络的自适应自激短路健康状态判据方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于神经网络的自适应自激短路健康状态判据方法，其特征在于：在步骤s1中，待监测的关键电气参数包括短路电流isc、结温tj、栅极电压vge和集射极电压vce，且以上参数均为模拟量参数。
3.根据权利要求1所述的一种基于神经网络的自适应自激短路健康状态判据方法，其特征在于：在步骤s2中，归一化处理将ad转化电路输出的数字量参数进行标幺化处理，按照比例缩放至[0,1]，再将标幺化数据输入至已完成训练的前馈神经网络模型进行判定。...
【专利技术属性】
技术研发人员：黄先进，朱鹏泽，孙湖，杨中平，林飞，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：
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。