一种用于三相全桥整流电路晶闸管故障诊断的方法

摘要

本发明公开了一种用于三相全桥整流电路晶闸管故障诊断的方法，包括步骤：一、构建晶闸管故障样本集：101、确定三相全桥整流电路中晶闸管故障状态类型的数量D，102、每类晶闸管故障状态数据的采集及矩阵空间表示，103、矩阵空间样本的构建；二、晶闸管故障归类定位：201、故障向量β的提取，202、求取故障向量β到矩阵空间样本Si的距离d(β，w)，203、完成d(β，w)的值的计算过程；三、晶闸管故障处理结果同步输出。本发明设计新颖，采用向量到子空间距离的方法对故障进行归类定位，精度高，计算量小且直观，快速有效，克服了现有技术中神经网络检测方法范化能力弱的缺陷，也不存在陷入局部极小点。

说明书

技术领域

本发明属于故障诊断技术领域，具体涉及一种用于三相全桥整流电路晶闸管故障诊断的方法。

背景技术

整流装置一旦发生故障，轻则造成电子产品损坏、交通瘫痪，重则会造成重大的事故，威胁人们的生命财产安全。因此，对电力电子装置进行故障检测是极其重要的。大量研究表明，多数电力电子电路的性能退化是由于电路中元器件的失效所引起，元器件的性能和指标直接影响着整个电路的性能。在典型工作条件下，IGBT失效率为31％，电感器件失效率为6％，二极管失效率为3％。因此，要实现电力电子电路的故障预测，对电路中主要元器件进行故障诊断是十分必要的，针对三相全桥整流电路晶闸管故障诊断问题，常用的神经网络诊断方法在训练过程中易陷入局部极小点，诊断精度不高；基于模糊逻辑的故障诊断方法依赖专家经验，而且系统缺少自学习能力。因此现如今缺少一种时域分析故障诊断方法定位故障发生位置的三相全桥整流电路用晶闸管故障诊断的方法，通过分析晶闸管故障类型，得到具有一定的周期性的负载电压信号，并提取其故障特征，然后把新的故障特征与各个故障特征空间进行比较归类故障空间，该时域故障诊断算法运算量小，直观，快速有效，故障诊断率更高，以帮助判断并解决三相全控桥式整流电路中可控硅的故障诊断问题。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种用于三相全桥整流电路晶闸管故障诊断的方法，其设计新颖合理，采用向量到子空间距离的方法对故障进行归类定位，精度高，计算量小且直观，快速有效，克服了神经网络检测方法范化能力弱的缺陷，也不存在陷入局部极小点，便于推广使用。

为解决上述技术问题，本发明采用的技术方案是：一种用于三相全桥整流电路晶闸管故障诊断的方法，其特征在于该方法包括以下步骤：

步骤一、构建晶闸管故障样本集，具体过程如下：

步骤101、确定三相全桥整流电路中晶闸管故障状态类型的数量D：三相全桥整流电路中有一个晶闸管不通导致负载上输出电压波形变化的晶闸管故障状态类型数量为6种；三相全桥整流电路中有两个晶闸管不通导致负载上输出电压波形变化的晶闸管故障状态类型数量为15种；三相全桥整流电路中有三个晶闸管不通导致负载上输出电压波形变化的晶闸管故障状态类型数量为18种，D为正整数且D＝39；

步骤102、每类晶闸管故障状态数据的采集及矩阵空间表示：首先，处理器控制三相全桥整流电路中晶闸管的触发角α的大小，在所述晶闸管的触发角α的触发范围内选取触发角α的样本数量为N；其次，电压采集电路在每个触发角α的一个周期内采集负载上输出的电压采样值数量为M；然后，处理器将电压采集电路采集的所述电压采样值表示为矩阵空间w，矩阵空间w为欧氏空间V的M×N维子空间，N与M均为正整数；

步骤103、矩阵空间样本的构建：处理器将D类矩阵空间w存储在存储器中，得到矩阵空间样本S1，矩阵空间样本S2，...，矩阵空间样本S39；

步骤二、晶闸管故障归类定位，具体过程如下：

步骤201、故障向量β的提取：处理器对三相全桥整流电路输出触发角α，通过电压采集电路采集触发角α一个周期内负载上输出的M个电压采样值，得到故障向量β，故障向量β为欧氏空间V的M×1维子空间；

步骤202、求取故障向量β到矩阵空间样本Si的距离d(β，w)，其中，i＝1，2，...，39，处理器采用向量到子空间距离的方法求取故障向量β到矩阵空间样本Si的距离d(β，w)时，包括以下步骤：

步骤2021、根据公式求矩阵空间w中辅助向量γ，使得(β-γ)⊥w，其中，γ∈W，δ₁，δ₂，…，δ_N是矩阵空间w的一个正交基；

步骤2022、将公式变换为等价线性方程组Y＝AX进行解方程组，其中，系数矩阵为实对称正定矩阵，未知数矩阵

步骤2023、解出X＝(x₁,x₂,...,x_N)；

步骤2024、根据公式计算得到d(β，w)的值；

步骤203、多次重复步骤202，直至完成d(β，w)的值的计算过程；

步骤三、晶闸管故障处理结果同步输出：步骤一中进行晶闸管故障状态类型的确定过程中，处理器通过与其相接的示波器对步骤一中故障波形进行同步显示，步骤二中进行晶闸管故障归类定位过程中，处理器对步骤二中的d(β，w)的进行计算比较，确定d(β，w)的最小值。

上述的一种用于三相全桥整流电路晶闸管故障诊断的方法，其特征在于：步骤102中所述晶闸管的触发角α满足：0°≤α≤120°。

上述的一种用于三相全桥整流电路晶闸管故障诊断的方法，其特征在于：步骤102中所述触发角α的样本数量N的取值为4,4个不同的触发角α分别为0°、30°、60°和90°。

上述的一种用于三相全桥整流电路晶闸管故障诊断的方法，其特征在于：步骤102中电压采集电路在每个触发角α的一个周期内采集负载上输出的电压采样值数量M的取值为50。

上述的一种用于三相全桥整流电路晶闸管故障诊断的方法，其特征在于：所述处理器为计算机。

本发明与现有技术相比具有以下优点：

1、本发明的方法步骤简单，设计合理，实现方便且投入成本低，操作简便。

2、本发明能够适用于实际使用中三相全桥整流电路中晶闸管故障位置诊断的场合。

3、本发明对三相全桥整流电路中晶闸管故障状态进行分类并采用矩阵空间表示每类晶闸管故障状态数据，采用向量到子空间距离的方法对晶闸管故障归类定位，克服了神经网络检测方法范化能力弱的缺陷，也不存在陷入局部极小点，无需搭建模型，计算量小且直观。

4、本发明设计新颖合理，故障诊断快速有效，稳定性好，实用性强，能够应用于实际使用中晶闸管开路、串接熔断器的熔断、触发脉冲丢失等故障，满足实际应用的需求。

综上所述，本发明设计新颖合理，采用向量到子空间距离的方法对故障进行归类定位，精度高，计算量小且直观，快速有效，克服了神经网络检测方法范化能力弱的缺陷，也不存在陷入局部极小点，便于推广使用。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明采用的晶闸管故障诊断设备的电路原理框图。

图2为本发明晶闸管故障诊断方法的方法流程框图。

图3为本发明三相全桥整流电路和负载的电路连接关系示意图。

附图标记说明:

1—处理器；2—三相全桥整流电路； 3—负载；

4—电压采集电路；5—示波器； 6—存储器。

具体实施方式

如图1和图2所示，本发明三相全桥整流电路用晶闸管故障诊断的方法，包括以下步骤：

步骤一、构建晶闸管故障样本集，具体过程如下：

步骤101、确定三相全桥整流电路2中晶闸管故障状态类型的数量D：三相全桥整流电路2中有一个晶闸管不通导致负载3上输出电压波形变化的晶闸管故障状态类型数量为6种；三相全桥整流电路2中有两个晶闸管不通导致负载3上输出电压波形变化的晶闸管故障状态类型数量为15种；三相全桥整流电路2中有三个晶闸管不通导致负载3上输出电压波形变化的晶闸管故障状态类型数量为18种，D为正整数且D＝39；

步骤102、每类晶闸管故障状态数据的采集及矩阵空间表示：首先，处理器1控制三相全桥整流电路2中晶闸管的触发角α的大小，在所述晶闸管的触发角α的触发范围内选取触发角α的样本数量为N；其次，电压采集电路4在每个触发角α的一个周期内采集负载3上输出的电压采样值数量为M；然后，处理器1将电压采集电路4采集的所述电压采样值表示为矩阵空间w，矩阵空间w为欧氏空间V的M×N维子空间，N与M均为正整数；

本实施例中，步骤102中所述晶闸管的触发角α满足：0°≤α≤120°。

本实施例中，步骤102中所述触发角α的样本数量N的取值为4,4个不同的触发角α分别为0°、30°、60°和90°。

本实施例中，步骤102中电压采集电路4在每个触发角α的一个周期内采集负载3上输出的电压采样值数量M的取值为50，保证计算的复杂度以及采样的有效性，因此本实施例中能够形成39个50×4维的矩阵空间w。

步骤103、矩阵空间样本的构建：处理器1将D类矩阵空间w存储在存储器6中，得到矩阵空间样本S1，矩阵空间样本S2，...，矩阵空间样本S39；

需要说明的是，如图3所示，39个50×4维的矩阵空间w分别为矩阵空间样本S1，矩阵空间样本S2，...，矩阵空间样本S39，其中，矩阵空间样本S1，矩阵空间样本S2，...，矩阵空间样本S6为三相全桥整流电路2中有一个晶闸管不通的矩阵空间样本，矩阵空间样本S1中晶闸管VT1不通；矩阵空间样本S2中晶闸管VT2不通；矩阵空间样本S3中晶闸管VT3不通；矩阵空间样本S4中晶闸管VT4不通；矩阵空间样本S5中晶闸管VT5不通；矩阵空间样本S6中晶闸管VT6不通；

矩阵空间样本S7，矩阵空间样本S8，...，矩阵空间样本S21为三相全桥整流电路2中有两个晶闸管不通的矩阵空间样本，矩阵空间样本S7中晶闸管VT1和晶闸管VT4不通；矩阵空间样本S8中晶闸管VT3和晶闸管VT6不通；矩阵空间样本S9中晶闸管VT5和晶闸管VT2不通；矩阵空间样本S10中晶闸管VT1和晶闸管VT3不通；矩阵空间样本S11中晶闸管VT2和晶闸管VT4不通；矩阵空间样本S12中晶闸管VT3和晶闸管VT5不通；矩阵空间样本S13中晶闸管VT4和晶闸管VT6不通；矩阵空间样本S14中晶闸管VT5和晶闸管VT1不通；矩阵空间样本S15中晶闸管VT6和晶闸管VT2不通；矩阵空间样本S16中晶闸管VT1和晶闸管VT2不通；矩阵空间样本S17中晶闸管VT2和晶闸管VT3不通；矩阵空间样本S18中晶闸管VT3和晶闸管VT4不通；矩阵空间样本S19中晶闸管VT4和晶闸管VT5不通；矩阵空间样本S20中晶闸管VT5和晶闸管VT6不通；矩阵空间样本S21中晶闸管VT1和晶闸管VT6不通；

六个晶闸管中三个晶闸管不通的矩阵空间样本全排列组合共20种类型，矩阵空间样本S22，矩阵空间样本S23，...，矩阵空间样本S39为三相全桥整流电路2中除过晶闸管VT1、晶闸管VT3和晶闸管VT5同时不通的状态，以及晶闸管VT4、晶闸管VT6和晶闸管VT2同时不通的2种状态之外的18种三个晶闸管不通的矩阵空间样本；负载3为电阻RD。

步骤二、晶闸管故障归类定位，具体过程如下：

步骤201、故障向量β的提取：处理器1对三相全桥整流电路2输出触发角α，通过电压采集电路4采集触发角α一个周期内负载3上输出的M个电压采样值，得到故障向量β，故障向量β为欧氏空间V的M×1维子空间；

步骤202、求取故障向量β到矩阵空间样本Si的距离d(β，w)，其中，i＝1，2，...，39，处理器1采用向量到子空间距离的方法求取故障向量β到矩阵空间样本Si的距离d(β，w)时，包括以下步骤：

步骤2021、根据公式求矩阵空间w中辅助向量γ，使得(β-γ)⊥w，其中，γ∈W，δ₁，δ₂，…，δ_N是矩阵空间w的一个正交基；

步骤2022、将公式变换为等价线性方程组Y＝AX进行解方程组，其中，系数矩阵为实对称正定矩阵，未知数矩阵

步骤2023、解出X＝(x₁,x₂,...,x_N)；

步骤2024、根据公式计算得到d(β，w)的值；

步骤203、多次重复步骤202，直至完成d(β，w)的值的计算过程；

步骤三、晶闸管故障处理结果同步输出：步骤一中进行晶闸管故障状态类型的确定过程中，处理器1通过与其相接的示波器5对步骤一中故障波形进行同步显示，步骤二中进行晶闸管故障归类定位过程中，处理器1对步骤二中的d(β，w)的进行计算比较，确定d(β，w)的最小值。

本实施例中，所述处理器1为计算机。

本发明实际操作时，通过计算机控制晶闸管的触发角α为0°、30°、60°和90°时故障，并在各个触发角α的一个周期内采样50个点构建矩阵空间样本S1，矩阵空间样本S2，...，矩阵空间样本S39并全部以mat文件格式存储在存储器6，由于实际环境下晶闸管出现故障时，其触发角α将会在0°～120°任意变化，在某一触发角α下，采集39种故障类型下的故障向量，此时采样其故障数据可组成对应的故障向量β1；在MATLAB的仿真环境下，控制触发角α为25°，本实施例中，故障向量β1到矩阵空间样本S1的距离：

>>S1k＝orth(S1)；

>>S1k1＝S1k(:,1)；

>>S1k2＝S1k(:,2)；

>>S1k3＝S1k(:,3)；

>>S1k4＝S1k(:,4)；

>>syms m n；

for m＝1:4

for n＝1:4

S1kk(m,n)＝(dot(S1k(:,m),S1k(:,n)))；

end

end

Xβ1S1k＝linsolve(S1kk,Yβ1S1k)；

>>Rβ1S1k＝norm(β1-[S1k1,S1k2,S1k3,S1k4]*Xβ1S1k,2)

Rβ1S1k＝264.6

其中，S1k：矩阵空间样本S1的正交矩阵基；

S1k1,S1k2,S1k3,S1k4:分别指从S1k中提取的50×1维的列向量；

S1kk：为上述线性方程中的系数矩阵，即对称的正定矩阵；

Xβ1S1k:为上述线性方程中的4×1维解向量；

Rβ1S1k:为故障向量β1到矩阵空间样本S1的距离。

本实施例中，故障向量β1到矩阵空间样本S2的距离：

>>S2k＝orth(S2)；

>>S2k1＝S2k(:,1)；

>>S2k2＝S2k(:,2)；

>>S2k3＝S2k(:,3)；

>>S2k4＝S2k(:,4)；

>>syms m n；

for m＝1:4

for n＝1:4

S2kk(m,n)＝(dot(S2k(:,m),S2k(:,n)))；

end

end

Xβ1S2k＝linsolve(S2kk,Yβ1S2k)；

>>Rβ1S2k＝norm(β1-[S2k1,S2k2,S2k3,S2k4]*Xβ1S2k,2)

Rβ1S2k＝386.9

其中，S2k：矩阵空间样本S2的正交矩阵基；

S2k1,S2k2,S2k3,S2k4:分别指从S2k中提取的50×1维的列向量；

S2kk：为上述线性方程中的系数矩阵，即对称的正定矩阵；

Xβ1S2k:为上述线性方程中的4×1维解向量；

Rβ1S2k:为故障向量β1到矩阵空间样本S2的距离。

重复上述程序得到故障向量β1到矩阵空间样本S3～S39的距离可知，故障向量β1到矩阵空间样本S1的距离最短，因此，故障向量β1为晶闸管VT1不通的晶闸管故障状态类型。

实际操作中，根据不同的晶闸管故障状态类型，采样其故障数据可组成对应的故障向量βz，重复上述程序完成表1，表1的横向为矩阵空间样本Si，表1的纵向为故障向量βz(z＝1,2，...，39)，表1中的数据为故障向量βz到矩阵空间样本Si的距离，对比可得故障向量βz到矩阵空间样本Si的最近距离，找出晶闸管故障状态类型。

表1

需要说明的是，表1中省略的数据获取方法均与故障向量β1到矩阵空间样本S1的距离方法相同。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。