基于獨立主成分分析的PWM逆變電路的故障診斷

劉玲

摘 要： PWM逆變電路故障具有多發性和非線性相關性，對其準確檢測的難度較大。為了提高PWM逆變電路的故障診斷性能，提出基于獨立主成分分析的PWM逆變電路的故障診斷方法，采用電路輸出信號測量方法進行故障狀態特征檢測，對采集的PWM逆變電路信號進行調理和抗混疊濾波處理，提取檢測信號的獨立主成分特征，實現故障識別。仿真結果表明，采用該方法進行PWM逆變電路故障診斷的準確檢測性能較好，故障診斷可靠穩定。

關鍵詞： 獨立主成分分析； PWM逆變電路； 故障診斷； 信號測量

中圖分類號： TN710?34； TP277 文獻標識碼： A 文章編號： 1004?373X（2017）05?0147?04

Abstract： The fault of the PWM inverter circuit has the characteristics of malfunction and nonlinear correlation， and it is difficult to detect its accuracy. In order to improve the fault diagnosis performance of the PWM inverter circuit， the PWM inverter circuit fault diagnosis method based on independent principal component analysis is proposed. The measuring method of the circuit output signal is used to detect the fault state feature to perform the conditioning and anti?aliasing filtering for the acquired signal of the PWM inverter circuit， and extract the independent principal component characteristics of the signal， so as to recognize the fault. The simulation results show that the method has better accurate detection performance for PWM inverter circuit fault diagnosis， and the fault diagnosis is reliable and stable.

Keywords： independent principal component analysis； PWM inverter circuit； fault diagnosis； signal measurement

0 引 言

PWM逆變電路廣泛應用在調制解調通信、信號放大系統和信號調理系統中，在實現電壓逆變和信號增強方面具有較大的應用價值。PWM逆變電路要求輸出時鐘頻率精確、穩定，但在PWM逆變電路中，存在來自外部的有源晶振干擾和內部寄生振蕩的擾動，容易產生電路故障[1?2]，為了保障PWM逆變電路穩定、可靠的工作，需要進行有效的電路故障診斷，研究PWM逆變電路故障診斷的優化方法在提高電路系統的穩定性方面具有重要意義。

對電路故障診斷的原理是通過對電路輸出信號進行特征檢測和分析，采用信號測量方法完成電路輸出信號的濾波、采集和處理，提供給專家系統做出診斷決策[3]，實現對PWM逆變電路故障產生的原因、性質和特征進行分析。典型的電路故障診斷方法按照檢測手段分為電路寄生振蕩檢測法、混疊譜分析方法、超聲檢測方法等。按照診斷原理可分為時域分析診斷方法、頻域分析診斷方法、統計分析診斷法和信息論分析方法等[4]。其他的人工智能診斷方法還有神經網絡診斷法和專家系統法，一般來說，上述方法都是將采集的電路信號直接來判別PWM逆變電路的運行狀態，結合濾波電路濾除與故障無關的信息，進行信號的統計特征量分析，但通常從檢測的電路信號直接判別PWM逆變電路的故障運行狀態是比較困難的，特別是PWM逆變電路的物理量變化復雜，元件的組成要素較多，存在非線性特征干擾和寄生振蕩，故障具有多發性，常規的檢測方法難以實現有效的故障診斷。

為了提高PWM逆變電路的故障診斷性能，提出基于獨立主成分分析的PWM逆變電路的故障診斷方法，并通過仿真實驗測試其可行性。

1 PWM逆變電路故障診斷原理

PWM逆變電路狀態識別和故障診斷的第一步是信號的檢測測量，采用信號處理和濾波方法實現對PWM逆變電路的輸出振蕩信號和寄生信號的采集和測量。PWM逆變電路的故障診斷原理如圖1所示[5]。

2 電路信號測量穩態指標選取

分析故障診斷原理可知，進行PWM逆變電路故障診斷的首要一步是進行電路信號測量，信號的測量和調理是進行PWM逆變電路狀態監測和故障診斷最基礎的工作，采用傳感器測量方法，將電路中的敏感元件測量信號轉換為電量變化信號，假設PWM逆變電路敏感元件測量信號的表達式為：

圖3 電路故障診斷的實現流程

4 故障診斷的仿真測試

采用Matlab 2014工具箱中的Simulink平臺構建PWM逆變電路，進行故障診斷分析仿真實驗，電路的故障信號測量節點分為6個節點，故障信號采樣中，每種狀態樣本為100個[8]，采集600組信號樣本進行故障特征提取和獨立主成分分析[9]，信號測量節點間的相關系數分布見表1。

對采集的PWM逆變電路信號進行調理和抗混疊濾波處理，對PWM逆變電路的主成分分析的PCA結果見表2。從表2可知，選擇的PWM逆變電路信號測量節點的主成分特征對故障診斷具有較高的累積貢獻百分率，平均百分率達到96.89%，說明選擇的信號測量節點進行故障診斷具有顯著性特征，可以作為故障檢測的信號輸入源。

以表2結果為基礎進行故障診斷，得到測量信號的一組樣本如圖4所示。以故障診斷的準確檢測概率為測試技術指標，進行診斷性能分析，圖5給出了采用本文方法和傳統方法，經過1 000次實驗，在不同干擾強度下進行PWM逆變電路故障診斷的準確度的平均值，結果可見，本文方法的故障診斷準確度高于傳統方法，可靠性較好。

5 結 語

為了提高PWM逆變電路的故障診斷性能，保障電路的可靠穩定工作，提出基于獨立主成分分析的PWM逆變電路的故障診斷方法，采用電路輸出信號的測量方法進行故障狀態特征檢測，對采集的PWM逆變電路信號進行調理和抗混疊濾波處理，提取檢測信號的獨立主成分特征，實現故障識別。結果表明，采用本文方法進行PWM逆變電路故障診斷的準確檢測性能較好，具有較好的應用價值。

參考文獻

[1] 溫陽東，宋陽，王穎鑫，等.基于模糊神經網絡的電力變壓器故障診斷[J].計算機測量與控制，2013，21（1）：39?41.

[2] 孫海亮，訾艷陽，何正嘉.多小波自適應分塊閾值降噪及其在軋機齒輪故障診斷中的應用[J].振動工程學報，2013，26（1）：127?134.

[3] 孫云嵩，于德介，陳向民，等.基于信號共振稀疏分解的階比分析及其在齒輪故障診斷中的應用[J].振動與沖擊，2013，32（16）：88?94.

[4] 韓曉冬.基于小波神經網絡的電網故障定位技術研究[J].科技通報，2013，29（6）：59?61.

[5] 王永旭，溫渤嬰.高壓直流輸電交流濾波器與交流系統最大并聯阻抗的分析與計算[J].中國電機工程學報，2015，35（11）：2703?2710.

[6] 索中英，程嗣怡，袁修久，等.優勢決策信息系統規則獲取方法及應用[J].兵工學報，2015，26（3）：539?544.

[7] 于晗，鐘志勇，黃杰波，等.采用拉丁超立方采樣的電力系統概率潮流計算方法[J].電力系統自動化，2009，33（21）：32?36.

[8] 朱洪.基于D?S證據和POS神經網絡的電路故障診斷[J].計算機測量與控制，2013，21（4）：868?870.

[9] 姚文軒，滕召勝，唐求，等.非同步采樣下電力系統相量測量修正算法[J].儀器儀表學報，2013，34（7）：1518?1524.