礦用NPC 三電平逆變器開關(guān)管開路故障診斷方法

梁宏

（1.中煤科工集團(tuán)常州研究院有限公司，江蘇 常州 213015；2.天地（常州）自動(dòng)化股份有限公司，江蘇 常州 213015）

0 引言

為實(shí)現(xiàn)礦山企業(yè)的節(jié)能減排工作，變頻調(diào)速技術(shù)在電動(dòng)機(jī)驅(qū)動(dòng)系統(tǒng)中得到了廣泛應(yīng)用[1-2]。目前，礦井提升機(jī)、帶式輸送機(jī)等設(shè)備中的電動(dòng)機(jī)驅(qū)動(dòng)系統(tǒng)的變頻器大部分采用中點(diǎn)鉗位式（Neutral Point Clampe，NPC）三電平逆變器。相較于傳統(tǒng)兩電平逆變器，NPC 三電平逆變器具有開關(guān)管電壓應(yīng)力低、輸出電壓變化率較小、諧波小等優(yōu)勢。但NPC 三電平逆變器開關(guān)管數(shù)量多、運(yùn)行頻率高，短時(shí)間內(nèi)高頻率切換開關(guān)狀態(tài)會(huì)大大增加開關(guān)管故障率[3]。NPC三電平逆變器開關(guān)故障分為開路故障和短路故障。當(dāng)NPC 三電平逆變器發(fā)生開關(guān)管短路故障時(shí)，短時(shí)間內(nèi)產(chǎn)生較大過電流，在熔斷保護(hù)裝置的作用下，短路故障被轉(zhuǎn)換為開路故障。開路故障會(huì)導(dǎo)致負(fù)載電流畸變等問題[4]，如果不能及時(shí)進(jìn)行診斷，則逆變器系統(tǒng)長時(shí)間運(yùn)行在異常狀態(tài)下，會(huì)造成嚴(yán)重安全事故。因此，有必要對(duì)NPC 三電平逆變器開關(guān)管開路故障進(jìn)行精準(zhǔn)診斷[5]。

許多研究者對(duì)三電平逆變器的開路故障診斷進(jìn)行了大量研究。文獻(xiàn)[5]采用基于Park 變換的故障診斷方法解決了三電平逆變器故障診斷時(shí)所出現(xiàn)的易受噪聲影響及計(jì)算量大的問題，但準(zhǔn)確率不高。文獻(xiàn)[6]通過采用小波分析與粒子群對(duì)支持向量機(jī)進(jìn)行優(yōu)化的故障診斷模型，解決了三電平逆變器故障診斷準(zhǔn)確率低及計(jì)算復(fù)雜的問題，但是該方法實(shí)用性不強(qiáng)。文獻(xiàn)[7]針對(duì)礦井提升機(jī)逆變器故障特征提取困難的問題，采用統(tǒng)計(jì)特征與深度特征融合的方法，提高了故障診斷準(zhǔn)確率，但計(jì)算過于復(fù)雜。文獻(xiàn)[8]采用極限學(xué)習(xí)機(jī)方法提取故障特征信號(hào)，對(duì)逆變器開關(guān)管故障進(jìn)行診斷，但該方法故障特征提取復(fù)雜，整體實(shí)現(xiàn)難度較高。文獻(xiàn)[9]提出了一種優(yōu)化神經(jīng)網(wǎng)絡(luò)，并采用主+輔神經(jīng)網(wǎng)絡(luò)對(duì)逆變器開關(guān)管故障進(jìn)行診斷，主神經(jīng)網(wǎng)絡(luò)用于實(shí)現(xiàn)大部分的逆變器故障診斷，對(duì)于不能很好實(shí)現(xiàn)故障分類部分，通過輔助神經(jīng)網(wǎng)絡(luò)進(jìn)行分類，但該方法復(fù)雜度較高。文獻(xiàn)[10]提出了一種多故障模式快速診斷方法，采用快速傅里葉變換方法對(duì)三電平逆變器故障進(jìn)行診斷，診斷速度快，但該方法計(jì)算復(fù)雜度較高，耗費(fèi)時(shí)間較長，不能實(shí)現(xiàn)實(shí)時(shí)診斷。針對(duì)上述問題，本文提出了一種基于概率神經(jīng)網(wǎng)絡(luò)（Probabilistic Neural Network，PNN）的礦用NPC 三電平逆變器開關(guān)管故障診斷方法。首先利用示波器采集逆變器三相相電壓信號(hào)，并對(duì)相電壓信號(hào)進(jìn)行去噪聲、歸一化等處理。然后利用Clark 與Park 變換將三相相電壓轉(zhuǎn)換為兩相旋轉(zhuǎn)（d-q）坐標(biāo)變化中的電壓，利用經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical Mode Decomposition,EMD）將d軸電壓分解為多個(gè)本征模態(tài)分量（Intrinsic Mode Function，IMF），并計(jì)算出IMF 的均值、均方差和方差，作為故障特征向量。最后將故障特征向量輸入到PNN 中進(jìn)行訓(xùn)練與分類，實(shí)現(xiàn)礦用NPC 三電平逆變器開關(guān)管的故障診斷。

1 相關(guān)理論

1.1 EMD

EMD 可將待處理信號(hào)不同頻率尺度下的變化趨勢和信號(hào)波動(dòng)情況進(jìn)行逐步分析，得到可以表征信號(hào)本質(zhì)特性的IMF。大部分信號(hào)都包含多種振蕩模式，EMD 的本質(zhì)就是從信號(hào)中分解篩選出不同的振蕩模式[11-12]。從整體角度來看，要保證IMF 在每個(gè)振動(dòng)周期內(nèi)不存在復(fù)雜的畸波而只是1 種振蕩模式，需要滿足在數(shù)據(jù)序列中過零點(diǎn)和極值點(diǎn)的個(gè)數(shù)相等或只差1 個(gè)。從局部角度來看，要想能夠正確分解得到IMF，需要滿足在數(shù)據(jù)序列的任意一點(diǎn)，上下包絡(luò)線的均值為零[13]。由于沒有摻雜任何非對(duì)稱波，所以得到的瞬時(shí)頻率不會(huì)產(chǎn)生干擾波動(dòng)。對(duì)信號(hào)Y(t)（t為時(shí)間）進(jìn)行EMD 的步驟如下：

（1）首先用信號(hào)的極大值點(diǎn)和極小值點(diǎn)定義上下包絡(luò)線。將所有局部極大值點(diǎn)用三次樣條曲線依次連接，得到上包絡(luò)線，設(shè)定幅值為a1(t)，將信號(hào)的所有局部極小值點(diǎn)依次用3 條曲線連起來，得到下包絡(luò)線，設(shè)定幅值為a2(t)，上下包絡(luò)線的平均值為m1(t)，則有

（2）令u1(t)=Y(t)-m1(t)，理論上，u1(t)滿足IMF從局部角度定義的條件，將u1(t)作為原始信號(hào)繼續(xù)進(jìn)行篩分。

（3）重復(fù)上面2 個(gè)步驟，進(jìn)行k次篩分，得到滿足2 個(gè)條件的信號(hào)u1k(t)，則有u1k(t)=u1(k-1)(t)-m1k(t)，將c1(t) 記作從信號(hào)Y(t)中分解得到的第1 個(gè)IMF，即c1(t)=u1k(t)。

（4）分離出第1 個(gè)IMF后，將r1(t)=Y(t)=c1(t)作為新的原始信號(hào)。重復(fù)步驟（1）-步驟（3），得到第2 個(gè)IMF。繼續(xù)重復(fù)上述步驟，從信號(hào)中提取n個(gè)IMF，即有r1(t)=Y(t)=c1(t)，r2(t)=r1(t)-c2(t)，…，rn(t)=rn-1(t)-cn(t)。

基于EMD 的礦用NPC 三電平逆變器開關(guān)管開路故障特征提取方法如下所述。

（1）三相負(fù)載電壓可反映NPC 三電平逆變器各故障模式特征，可作為故障檢測信號(hào)。為了減少計(jì)算量，降低算法的復(fù)雜度，將三相相電壓經(jīng)Clark 與Park 變換后轉(zhuǎn)換為兩相旋轉(zhuǎn)坐標(biāo)系下的電壓Ud與Uq。

式中UaN，UbN，UcN分別為a，b，c 三相相電壓。

（2）通過EMD 將Ud分解為多個(gè)IMF。為了清楚地顯示IMF 差異，引入方差貢獻(xiàn)率，方差貢獻(xiàn)率的差異越大，波形的差異就越大。

（3）對(duì)于不同的開路故障，計(jì)算各IMF 的方差貢獻(xiàn)率。計(jì)算結(jié)果表明，第2、第3、第8 個(gè)IMF 的方差貢獻(xiàn)率相差較大，這3 個(gè)IMF 可以代表不同的開路故障。

（4）計(jì)算上述3 個(gè)分量的均值、均方差和方差，并將其作為故障特征向量。

1.2 PNN

PNN 是一種徑向基網(wǎng)絡(luò)，屬于前饋型網(wǎng)絡(luò)。它具有學(xué)習(xí)過程簡單、訓(xùn)練速度快、分類更準(zhǔn)確、容錯(cuò)能力好等優(yōu)點(diǎn)[14]，本質(zhì)上屬于基于貝葉斯最小風(fēng)險(xiǎn)準(zhǔn)則的監(jiān)督網(wǎng)絡(luò)分類器。PNN 一般有4 層：輸入層、模式層、求和層和輸出層[15]。

模式層通過連接權(quán)重連接輸入層，計(jì)算權(quán)重與輸入層之間的匹配程度，輸入特征向量和訓(xùn)練集的每個(gè)模式，即相似性。每個(gè)模式單元的輸出為

式中：Φij為第i個(gè)神經(jīng)元的第j個(gè)數(shù)據(jù)的輸出；X為輸入數(shù)據(jù)，X=[x1,x2···,xn]T,n=1,2,···,L，L為輸入數(shù)據(jù)個(gè)數(shù)；σ為平滑因子；p為輸入的特征維數(shù)；xij為第i個(gè)神經(jīng)元的第j個(gè)數(shù)據(jù)。

求和層對(duì)屬于同一類型模式層的神經(jīng)元的輸出權(quán)值取平均值。

式中vT為第T（T=1,2,…,M，M為輸出權(quán)值的個(gè)數(shù)）個(gè)訓(xùn)練類型的輸出。

輸出層負(fù)責(zé)輸出求和層中得分最高的類別：

式中yT為輸出層的輸出。

在PNN 的拓?fù)浣Y(jié)構(gòu)中，輸入層的數(shù)量為樣本特征的數(shù)量，模式層的神經(jīng)元數(shù)量為輸入樣本向量的數(shù)量，求和層的神經(jīng)元數(shù)量為樣本類別的數(shù)量。假設(shè)一個(gè)模式識(shí)別任務(wù)有4 類樣本，每類樣本的樣本數(shù)量是可變的，每個(gè)樣本都有一個(gè)三維特征維數(shù)，得到的PNN 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖1 所示。

圖1 PNN 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig.1 PNN network topology structure

2 NPC 三電平逆變器故障分析

NPC 三電平逆變器電路拓?fù)淙鐖D2 所示，逆變器由a，b，c 三相橋臂組成。以a 相橋臂為例，由4 個(gè)電源開關(guān)（Qa1-Qa4）、4 個(gè)續(xù)流二極管（Da1-Da4）和2 個(gè)箝位二極管（Da5-Da6）組成。每個(gè)續(xù)流二極管與電源開關(guān)反向并聯(lián)，為電流提供一個(gè)反向傳導(dǎo)回路。鉗位二極管用于連接電源開關(guān)和直流側(cè)電容器的中點(diǎn)。逆變器輸出的三相相電壓信號(hào)經(jīng)低通濾波器濾波后為負(fù)載供電。每個(gè)電源開關(guān)的狀態(tài)由相應(yīng)的門信號(hào)控制。當(dāng)門信號(hào)為1（高電平）時(shí)，電源開關(guān)接通；當(dāng)門信號(hào)為0（低電平）時(shí)，電源開關(guān)關(guān)閉。由空間矢量脈寬調(diào)制（Space Vector Pulse Width Modulation，SVPWM）策略控制功率開關(guān)的門信號(hào)。

圖2 NPC 三電平逆變器電路拓?fù)銯ig.2 Circuit topology of NPC type three-level inverter

2.1 工作原理

以a 相橋臂為例，分析NPC 三電平逆變器的開關(guān)管通斷情況、電流流通路徑和電壓輸出，進(jìn)而對(duì)其工作原理進(jìn)行分析。定義電流從逆變器的直流側(cè)流向交流側(cè)為正方向，選擇直流母線上的中點(diǎn)O 作為參考電勢點(diǎn)。同時(shí)為了便于研究，下面統(tǒng)一忽略功率開關(guān)管和二極管的導(dǎo)通壓降。

a 相橋臂的4 個(gè)功率開關(guān)管有P（高電平）、O（零電平）、N（低電平）3 種工作狀態(tài)。

（1）P 狀態(tài)：該工作狀態(tài)下，開關(guān)管 Qa1，Qa2導(dǎo)通，Qa3，Qa4關(guān)斷，電流流通路徑如圖3 所示。當(dāng)電流ia＞0時(shí)，電流的流通路徑如圖3 中的紅色實(shí)線所示。電流從直流電壓源的正極P 端流出，經(jīng)過開關(guān)管 Qa1，Qa2流 入到交流側(cè)，此時(shí)直流電壓源Udc為電容C1充 電。由于開關(guān)管 Qa1，Qa2的導(dǎo)通壓降被忽略，此時(shí)M 點(diǎn)的電位和P 點(diǎn)的電位相等，即UMO=UPO=Udc/2。當(dāng)電流ia＜0時(shí)，電流的流通路徑如圖3 中的紅色虛線所示。電流從交流側(cè)負(fù)載處流出，經(jīng)過反向并聯(lián)的續(xù)流二極管 Da2，Da1流 向直流電源，并為電容 C1充電。由于忽略了二極管 Da2，Da1的導(dǎo)通壓降，此時(shí)M 點(diǎn)的電位和P 點(diǎn)的電位相等，即UMO=UPO=Udc/2。因此當(dāng)開關(guān)管 Qa1，Qa2導(dǎo) 通，Qa3，Qa4關(guān)斷時(shí)，a 相橋臂的輸出電壓為Udc/2。

圖3 P 狀態(tài)下的電流流通路徑Fig.3 Current flow path under P status

（2）O 狀態(tài)：在該工作狀態(tài)下，開關(guān)管 Qa2，Qa3導(dǎo)通，Qa1，Qa4關(guān)斷，電流流通路徑如圖4 所示。當(dāng)電流ia＞0時(shí)，電流的流通路徑如圖4 中的紅色實(shí)線所示。電流從電壓源正極流出，流經(jīng)直流母線中點(diǎn)O，經(jīng)過鉗位二極管 Da5和 功率開關(guān)管 Qa2流向交流側(cè)負(fù)載處，此時(shí)直流電壓源Udc為 電容 C1充電。由于二極管 Da5和 開關(guān)管Qa2的導(dǎo)通壓降被忽略，此時(shí)M 點(diǎn)的電位和O 點(diǎn)的電位相等，即UMO=0 。當(dāng)電流ia＜0時(shí)，電流的流通路徑如圖4 中紅色虛線所示。電流從交流側(cè)負(fù)載處，流經(jīng)功率開關(guān)管 Qa3和 鉗位二極管 Da6，經(jīng)過直流母線中點(diǎn)O 流向直流電壓源的負(fù)極，此時(shí)電容 C2被 充電。由于忽略了功率開關(guān)管 Qa3和鉗位二極管 Da6的導(dǎo)通壓降，M 點(diǎn)的電位等于O點(diǎn)的電位，即UMO=0 。因此當(dāng)開關(guān)管 Qa2，Qa3導(dǎo) 通，Qa1，Qa4關(guān)斷時(shí)，a 相橋臂的輸出電壓為0。

圖4 O 狀態(tài)下的電流流通路徑Fig.4 Current flow path under O Status

（3）N 狀態(tài)：在該工作狀態(tài)下，開關(guān)管 Qa3，Qa4導(dǎo)通，Qa1，Qa2關(guān)斷，電流流通路徑如圖5 所示。當(dāng)電流ia＞0時(shí)，電流的流通路徑如圖5 中的紅色實(shí)線所示。電流從直流電壓源N 端經(jīng)過反并聯(lián)續(xù)流二極管Da4，Da3流 入交流側(cè)負(fù)載處，電容 C2被充電。由于忽略了二極管 Da4，Da3的導(dǎo)通壓降，此時(shí)M 點(diǎn)的電位和N 點(diǎn)的電位相等，即UMO=UNO=-Udc/2。當(dāng)電流ia＜0時(shí)，電流的流通路徑如圖5 中的紅色虛線所示。電流從交流側(cè)負(fù)載處流出，經(jīng)功率開關(guān)管 Qa3，Qa4流 向直流電壓源的N 端，電容 C2被充電。由于開關(guān)管 Qa3，Qa4的導(dǎo)通壓降被忽略，此時(shí)M 點(diǎn)的電位等于N 點(diǎn)的電位，即UMO=UNO=-Udc/2。因此當(dāng)開關(guān)管 Qa3，Qa4導(dǎo) 通，Qa1，Qa2關(guān)斷時(shí)，a 相橋臂的輸出電壓為 -Udc/2。

圖5 N 狀態(tài)下的電流流通路徑Fig.5 urrent flow path under N status

2.2 故障分析

NPC 三電平逆變器的電源開關(guān)由12 個(gè)絕緣柵雙極晶體管（Insulated Gate Bipolar Transistor，IGBT）器件組成。由于故障電源開關(guān)的位置和數(shù)量是隨機(jī)的，可能會(huì)出現(xiàn)多種類型的開路故障。一般來說，3 個(gè)或3 個(gè)以上的電源開關(guān)同時(shí)發(fā)生開路故障的可能性非常小。

本文主要研究單開關(guān)或雙開關(guān)開路故障的故障診斷，故障類型及標(biāo)簽見表1。具體故障分為4 類：①電源開關(guān)均工作正常，認(rèn)為是一種特殊的故障情況，未在表1 中標(biāo)出。② 僅1 個(gè)電源開關(guān)出現(xiàn)開路故障，共12 種。③2 個(gè)電源開關(guān)同時(shí)發(fā)生單相橋臂開路故障，共12 種。④ 2 個(gè)電源開關(guān)交叉臂同時(shí)出現(xiàn)開路故障，共48 種。這4 類故障中，共有73 種故障類型，分別對(duì)這73 種故障類型進(jìn)行標(biāo)注。正常情況下負(fù)載端的三相相電壓波形如圖6 所示，在開關(guān)管無故障時(shí)，輸出三相相電壓為標(biāo)準(zhǔn)的正弦波形，三相之間電壓相位相差 120°，電壓大小呈周期性變換。

表1 故障類型及標(biāo)簽Table 1 Fault types and labels

圖6 正常波形Fig.6 Normal waveform

如果電源開關(guān)發(fā)生故障，逆變器輸出的相電壓信號(hào)會(huì)發(fā)生改變。不同類型的故障會(huì)產(chǎn)生不同相位的電壓信號(hào)（圖7）。三相電壓信號(hào)包含了反映故障特征的重要信息。采用PNN 算法自動(dòng)提取不同故障類型下三相電壓信號(hào)的故障特征信息進(jìn)行故障識(shí)別，進(jìn)而對(duì)逆變器進(jìn)行故障診斷。

圖7 部分不同故障相電壓波形Fig.7 Phase voltage waveforms of some different faults

為了更好地貼近礦用逆變器的工作環(huán)境，給故障數(shù)據(jù)添加噪聲處理，然后再作為實(shí)際故障數(shù)據(jù)進(jìn)行故障診斷。加噪前后的故障波形如圖8 所示，通過加噪后，故障數(shù)據(jù)更復(fù)雜。

圖8 加噪前后的Qa3Qc1故障波形Fig.8 Qa3Qc1 faults waveforms before and after noise adding

3 故障診斷方法

3.1 數(shù)據(jù)處理

為了提高PNN 網(wǎng)絡(luò)的可識(shí)別度，采樣時(shí)采用分時(shí)采樣，即從不同時(shí)間節(jié)點(diǎn)采取1 個(gè)周期的數(shù)據(jù)，作為故障樣本，如圖9 所示，即桔色框中截取的數(shù)據(jù)為數(shù)組1，綠色框中截取的數(shù)據(jù)為數(shù)組2，黃色框中截取的數(shù)據(jù)為數(shù)組3，藍(lán)色框中截取的數(shù)據(jù)為數(shù)組4，對(duì)數(shù)組中的數(shù)據(jù)進(jìn)行歸一化操作。雖然是從不同時(shí)間點(diǎn)截取的數(shù)據(jù)，但都是同一種故障，因此都放在同一個(gè)故障類型中。這樣就增大了數(shù)據(jù)集的多樣化，更有利于故障特征的提取識(shí)別。

圖9 數(shù)據(jù)處理Fig.9 Data Processing

3.2 故障診斷

將故障數(shù)據(jù)導(dǎo)入PNN 網(wǎng)絡(luò)模型中，經(jīng)過訓(xùn)練測試得到故障診斷結(jié)果?；赑NN 的礦用NPC 三電平逆變器開路故障診斷流程如圖10 所示。

圖10 基于PNN 的礦用三電平逆變器開路故障診斷流程Fig.10 Diagnosis flow of open-circuit fault of mine NPC type three-level inverter

（1）數(shù)據(jù)采集：根據(jù)故障類型，利用示波器采集a，b，c 三相相電壓信號(hào)，并對(duì)其進(jìn)行去噪與歸一化處理。

（2）將三相相電壓經(jīng)過Clark 與Park 變換得到Ud與Uq。

（3）利用EMD提取故障特征向量。EMD將Ud分解為多個(gè)IMF，并計(jì)算出第2、第3、第8 個(gè)IMF 的均值、均方差和方差，作為故障特征向量。

（4）構(gòu)建PNN 網(wǎng)絡(luò)：將故障數(shù)據(jù)按照4∶1 的比例分為訓(xùn)練集和測試集，然后將數(shù)據(jù)代入建立好的故障診斷網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。

（5）訓(xùn)練網(wǎng)絡(luò)：通過對(duì)訓(xùn)練集數(shù)據(jù)的訓(xùn)練，得到PNN 模型的參數(shù)。

（6）網(wǎng)絡(luò)效果測試：使用測試集進(jìn)行回代，得到測試結(jié)果，并對(duì)測試結(jié)果是否滿足故障診斷要求進(jìn)行分析，如果滿足故障診斷要求，則保存并輸出測試結(jié)果，得到分類結(jié)果；如果不滿足故障診斷要求，則進(jìn)行網(wǎng)絡(luò)參數(shù)調(diào)試，調(diào)試好后再度進(jìn)行測試，直到滿足故障診斷要求。

4 實(shí)驗(yàn)結(jié)果分析

為了測試基于PNN 的礦用NPC 三電平逆變器開關(guān)管開路故障診斷方法的預(yù)測能力，利用自制數(shù)據(jù)集對(duì)其進(jìn)行測試。將數(shù)據(jù)集分為測試集和訓(xùn)練集，訓(xùn)練數(shù)據(jù)集占比為0.8，約27 456 個(gè)樣本。測試結(jié)果如圖11 所示，三角形（表示預(yù)測結(jié)果）與星形（實(shí)際結(jié)果）重合表示預(yù)測成功，通過統(tǒng)計(jì)預(yù)測失誤所占比例計(jì)算準(zhǔn)確率，其中訓(xùn)練集準(zhǔn)確率在99%以上，測試集準(zhǔn)確率在97%以上。

圖11 PNN 預(yù)測效果Fig.11 PNN prediction results

為了方便分析誤差，將隨機(jī)選擇未經(jīng)過訓(xùn)練的200 個(gè)樣本進(jìn)行測試，結(jié)果如圖12 所示。

圖12 PNN 測試誤差Fig.12 PNN test error

當(dāng)識(shí)別成功時(shí)，會(huì)在0 位置上產(chǎn)生一個(gè)標(biāo)記，否則會(huì)在其他位置產(chǎn)生一個(gè)標(biāo)記。經(jīng)過10 次測試，其每輪樣本失誤數(shù)分別為6，5，2，4，5，3，5，6，4，5，進(jìn)行平均計(jì)算，其平均準(zhǔn)確率為97.75%。驗(yàn)證了本文所提方法的有效性。

為更一步驗(yàn)證基于PNN 的礦用NPC 三電平逆變器開關(guān)管故障診斷方法的可靠性，將其與基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）和支持向量機(jī)（Support Vector Machine，SVM）的方法進(jìn)行對(duì)比，不同方法的測試準(zhǔn)確率及PNN 網(wǎng)絡(luò)診斷模型對(duì)加噪前后故障的診斷結(jié)果如圖13 所示。可看出當(dāng)模型達(dá)到穩(wěn)定時(shí)，基于CNN 與SVM 的方法的準(zhǔn)確率為90%左右，低于基于PNN 診斷方法的診斷結(jié)果。加噪后，雖然故障數(shù)據(jù)變得更加復(fù)雜，但經(jīng)過經(jīng)驗(yàn)?zāi)B(tài)分解，基于PNN 診斷方法的診斷效果良好，證明了本文方法的可靠性。

圖13 不同故障診斷方法的測試準(zhǔn)確率Fig.13 Test accuracy of different fault diagnosis methods

5 結(jié)語

以礦用NPC 三電平逆變器開關(guān)管為研究對(duì)象，首先提取逆變器開關(guān)管開路故障信號(hào)，分析并整合得到原始故障數(shù)據(jù)樣本，然后對(duì)數(shù)據(jù)樣本進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，最后采用PNN 算法進(jìn)行訓(xùn)練、分類，實(shí)現(xiàn)NPC 三電平逆變器開關(guān)管的故障診斷。實(shí)驗(yàn)結(jié)果表明，基于PNN 的礦用NPC 三電平逆變器開關(guān)管開路故障診斷方法具有良好的診斷效果，平均故障診斷準(zhǔn)確率為97.75%，高于基于CNN 和SVM方法的故障準(zhǔn)確率。但該方法需要搜集大量故障數(shù)據(jù)，工作量大，未來可與數(shù)據(jù)增強(qiáng)或機(jī)器學(xué)習(xí)方法相融合，利用較少數(shù)據(jù)集達(dá)到更好的診斷效果。