欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 202111522592X
申请人: 中国矿业大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种整流器开路故障的实时诊断方法,其特征在于,包括步骤如下:S1,构建包括故障诊断单元的三相整流器系统的仿真模型;

S2,模拟各种单管开路故障以及双管复合开路故障的产生,并分别采集健康状况下和各种故障下的原始三相电流信号ia、ib、ic;

S3,采用数据重构算法对原始三相电流数据进行处理;

S4,在三相电流数据的相位差被消除后,采用多尺度熵的算法对三相电流数据处理;

S5,根据整流器拓扑结构对称性,检测出开路故障的产生,并利用经处理后的三相电流数据,完成单管开路故障和双管复合开路故障的分类识别;实现过程如下:S5a,在整流器工作过程中,若整流器桥臂上有功率管发生故障,则相应的相电流出现一部分恒为零的采样点,则特征量Mn(k)表达式如下:其中,Kth1为选定的阈值;in(k)为采样点;

则一个电流周期内采样值为零的区间所占百分比Pn为:其中,L为电流信号在一个周期内的采样点数;

S5b,在健康状态下,Pn两两之间差值近似为0,如其中任一项超出设定的阈值Kdet,则判定整流器发生开路故障:其中,FD=1代表整流器有开路故障产生,FD=0代表整流器状态正常;

Pa、Pb、Pc分别为a、b、c三相电流的一个采样周期内采样值为0的区间所占百分比;

S5c,根据Pn判断出故障桥臂:

Pn>Kth1,Sn=0

其中,Sn为n相桥臂,Sn=0代表n相桥臂有开路故障;

在健康状况下,发生开路故障,则对应桥臂相电流发生半波部分波形缺失,表示为:KL2、KL1分别代表一个电流基波周期内正半波长度和负半波长度;LP表示一桥臂上管发生故障,LN表示一桥臂下管发生故障;

若同一桥臂上下管同时发生故障,正负半波长度相等,波形为零部分占比增大,通过采用多尺度熵算法,分别计算出三相电流的复杂度MSEa、MSEb、MSEc,再与设定的阈值Kth2作比较,对故障进行定位,判断如下:当MSEa、MSEb、MSEc中有一个值恒大于阈值Kth2,则发生同桥臂双管开路故障。

2.根据权利要求1所述的整流器开路故障的实时诊断方法,其特征在于,所述步骤S2的实现过程如下:S2a,将一个周期内在k时刻对三相电流信号ia、ib、ic保存的采样链表,采用时间序列的表达式如下:[in(k‑L+1),in(k‑L+2),…,in(k)]其中,L为电流信号在一个周期内的采样点数,n=a,b,c;

S2b,采用滑动窗口的方法获取电流采样数据,则电流信号在一个周期内的采样点数L为:L=fs/f

其中,fs为采样频率,f为三相电压源的频率;

S2c,保存电流基波周期内的数据,具体如下:在k时刻,采样链表保存一个电流基波周期内的数据,表达式如下:[in(k‑L+1),in(k‑L+2),...,in(k)]在k+1时刻,电流采样链表插入新采样点,删掉旧采样点,进行实时更新,更新后的表达式如下:[in(k‑L+2),in(k‑L+3),…,in(k+1)]。

3.根据权利要求1所述的整流器开路故障的实时诊断方法,其特征在于,所述步骤S3的具体实现过程如下:S3a,记录每一相电流一个周期内的自下而上过零点的位置和相位角;

将其中某一相电流In在一个周期内的自下而上过零点的位置记为Fn,相位角记为S3b,当检测到Fn后,将Fn之前的采样数据直接拼接到滑动窗口的最后;

S3c,在k时刻,i=k‑L, 其中,L为电流信号在一个周期内的采样点数;

若满足 则Fn=k‑L;

若不满足 则Fn的位置右移直到满足,此时将Fn之前的采样点按顺序移到采样链表之后补齐,从而形成新的电流链表

4.根据权利要求1所述的整流器开路故障的实时诊断方法,其特征在于,所述步骤S4的实现过程如下:S4a,设定从共享电流传感器中所采集到的电流信号的原始时间序列为In(k),长度为N,模式维数为m,相似容限为r;

根据采集到的数据,构造时间序列如下:In(k)=[in(k),in(k+1),...,in(k+m‑1)],k=1,2,...,N‑m+1;

对每个k值,计算In(k)与所有In(j)之间的距离:对每个k值,统计d[In(k),In(j)]

将模式维数m加1,变成m+1后,重复运算过程,计算B (r),从而得到原始时间序列In(k)相应的样本熵值如下:m+1 m

SampEn(m,r)=‑ln(B (r)/B(r));

S4b,根据尺度因子τ对原始时间序列In(k)进行粗粒化变化,表达式如下:得到的新时间序列的长度为N/τ,对各个粗粒化时间序列,计算相应的样本熵SampEn(m,r,N)。