CN102879728A - Dc-dc变换器健康评估指标与故障预测方法 - Google Patents
Dc-dc变换器健康评估指标与故障预测方法 Download PDFInfo
- Publication number
- CN102879728A CN102879728A CN2012103978712A CN201210397871A CN102879728A CN 102879728 A CN102879728 A CN 102879728A CN 2012103978712 A CN2012103978712 A CN 2012103978712A CN 201210397871 A CN201210397871 A CN 201210397871A CN 102879728 A CN102879728 A CN 102879728A
- Authority
- CN
- China
- Prior art keywords
- circuit
- health
- index
- health evaluating
- loss
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开一种DC-DC变换器健康评估指标与故障预测方法:首先采集DC-DC电路的输入电压、输入电流、输出电压、输出电流四路状态信号,计算各信号的平均值(Uin、Iin、Uout、Iout)、电路的等效负载阻抗模值|Z|和功耗等效电阻Rloss,利用分数阶神经网络建立Uin、|Z|与Rloss之间的关系模型;然后计算健康电路在额定输入电压额定输出功率下的等效负载阻抗模值以 为模型输入,获取相应的Rloss,作为电路的健康评估指标,计算电路的健康评估指标与基准值的差值,根据差值和设定的变化阈值确定电路健康指数,实现电路的健康评估;最后,对电路的健康评估指标进行时间序列预测,获取未来时刻的健康评估指标,预测电路的健康状况。本发明将额定输入电压和额定负载下的功耗等效电阻作为电路的健康评估指标,排除了输入电压和负载波动对功耗等效电阻的影响,从而准确实现电路的健康评估和故障预测。
Description
技术领域
本发明涉及一种DC-DC变换器健康评估指标与故障预测方法,属于可靠性评估及故障预测领域。
背景技术
随着电力电子技术的发展,各种电力电子电路不断涌现。DC-DC变换器作为电力电子电路中的一类重要变换电路,在工程系统中通常是电源的核心组成部分,是设备正常工作的基础部件,一旦其发生故障,轻则使设备停机,重则造成人员伤亡。尤其在有高可靠性要求的应用领域,如航空电子系统中,其故障将会带来更加严重的损失。因此,需要对DC-DC变换器进行实时健康评估与故障预测,以便及时预知故障发生的时间,并采取相应维护措施,降低故障损失。
DC-DC变换器整体性能的退化主要由关键元器件性能退化引起,现阶段,其健康评估多以电路中关键元器件为研究对象,选用的评估指标多为元器件的特征参数,如通过等效串联电阻预测电解电容的剩余寿命,通过阈值电压等实现功率MOSFET等开关器件的寿命评估。而在实际电路监控中,不可能对每个元器件实时监控,同时由于电路中各元器件性能退化及交互耦合作用,很难对其组成的电路或设备做准确预测,因此,需利用电路整体评估指标进行评估。目前电路级的健康评估研究很少,大多数通过监测由电容性能退化引起的电路输出参数(如纹波电压、输出电压等)实现电路健康评估。然而,电路输出参数的改变并非仅由电容性能退化引起。同时,目前的研究局限于理想工作条件下,并未考虑实际工作条件的波动对电路性能造成的影响,在一定程度上,无法实现准确的健康评估及故障预测。
发明内容
本发明为了解决目前DC-DC变换器健康评估指标多为元件级,并且未考虑电路工作条件波动的问题,提出一种新的DC-DC变换器健康评估指标,排除电路输入电压、负载波动对健康评估指标的影响,并将该指标用于健康评估与故障预测中。
本发明将DC-DC变换器的功耗等效为电阻消耗的功率,得到电路的功耗等效电阻,然后建立输入电压、等效负载阻抗模值与对应的功耗等效电阻之间的关系模型,获取电路在额定输入电压、额定等效负载阻抗模值下的功耗等效电阻,即为健康评估指标。根据电路的健康评估指标与基准值之差,评估电路当前的健康状况,并结合LS-SVM预测算法,进行健康评估指标的多步预测,实现电路的故障预测。
步骤1、将性能指标均满足设计要求的DC-DC电路定义为健康电路,从t=0时刻开始采集健康电路的四路状态信号,即输入电压、输入电流、输出电压以及输出电流,获取各信号的平均值(Uin、Iin、Uout、Iout),计算等效负载阻抗模值|Z|和功耗等效电阻Rloss,并利用分数阶神经网络建立Uin、|Z|与对应的Rloss之间的关系模型;然后计算健康电路在额定输入电压额定输出功率下的等效负载阻抗模值以 为模型输入,获取健康电路的功耗等效电阻以此作为健康评估指标的基准值;
步骤2、采集电路的四路状态信号,即输入电压、输入电流、输出电压以及输出电流,获取各信号的平均值(Uin、Iin、Uout、Iout),计算等效负载阻抗模值|Z|和功耗等效电阻Rloss;利用分数阶神经网络建立Uin、|Z|与对应的Rloss之间的关系模型;然后以 为模型输入,获取电路的功耗等效电阻,即健康评估指标
步骤3、设定健康评估指标的变化阈值,计算电路的健康评估指标与基准值之差,根据差值和设定的变化阈值,确定电路的健康指数,实现电路的健康评估;
步骤4、计算不同采样时刻的电路健康评估指标,采用LS-SVM算法对其进行时间序列预测,获取电路未来时刻的健康评估指标,预测电路的性能状况。
本发明采用额定输入电压、额定负载下的功耗等效电阻作为电路健康评估指标,排除输入电压和负载的波动对电路产生的影响,通过计算差值对电路进行健康评估。同时,对健康评估指标进行时序预测,实现电路的故障预测。该方法实施简单,精度较高。
附图说明
图1是DC-DC变换器健康评估与故障预测流程图;
图2是分数阶神经网络训练算法流程图。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明:
如图1所示,本发明基于健康评估指标对DC-DC变换器进行健康评估,并结合LS-SVM预测算法,实现电路的故障预测。主要包括采集电路信号、计算健康评估指标、进行健康评估及故障预测。本发明以纯电阻负载的DC-DC变换器为例,详细描述其实施方式:
步骤1、获取DC-DC变换器健康评估指标的基准值:
步骤1.1、将性能指标均满足设计要求的DC-DC电路定义为健康电路,从t=0时刻开始采集健康电路的四路状态信号,分别为输入电压uin、输入电流iin、输出电压uout以及输出电流iout。
步骤1.2、获取各信号的平均值(Uin、Iin、Uout、Iout)、电路的等效负载阻抗模值和功耗等效电阻。在纯电阻负载中,等效负载阻抗模值即为负载电阻值,因此,根据式(1)计算负载电阻R,根据式(2)计算功耗等效电阻Rloss:
其中,Ploss为电路的功率损耗,可由监测信号计算得出。
步骤1.3、利用分数阶神经网络建立Uin、R与Rloss之间的关系模型,以Uin、R和Rloss作为分数阶神经网络的训练样本,进行模型训练,其中网络输入为Uin和R,网络输出为对应的功耗等效电阻Rloss,网络训练流程如图2所示,具体步骤如下:
a)对分数阶神经网络进行初始化:随机初始化分数阶核函数旋转角及网络连接权重,设置网络学习速度和动量因子。
b)对Uin、R以及对应的Rloss进行归一化预处理:首先找到待归一化向量的最大最小值,然后对向量值归一化:
c)以Uin、R作为网络输入,功耗等效电阻Rloss作为网络输出,计算网络预测输出以及输出误差,隐含层输出计算采用分数阶傅里叶变换核函数:
其中,Wj为第j个隐含层节点的输出;Kaj为第j个隐含层分数阶傅里叶变换的核函数,αj为第j个隐含层分数阶傅里叶变换对应的旋转角;l为隐含层节点数;ωij为输入层到隐含层权值;Xi为模型输入;bj为第j个隐含层时域平移因子,实现时域分辨率调整。
输出层的计算公式为:
其中,vjk为隐含层到输出层权值。
d)根据输出误差修正网络权值和分数阶核函数阶次,直至满足误差条件,训练结束,获取输入电压、负载电阻与功耗等效电阻的关系模型。
步骤3、设置健康评估指标的变化阈值,计算电路的健康评估指标与基准值的差值定义ΔRloss超过表示电路发生故障。根据ΔRloss确定电路的健康指数,实现电路的健康评估。在范围内,电路的健康状况描述如下:
(2)当ΔRloss在范围内,电路出现微弱退化,健康指数为0.9;
步骤4、根据不同时刻获取的电路健康评估指标,利用LS-SVM对其进行时间序列预测,获取未来时刻的健康评估指标,预测电路的性能状况,具体步骤为:
步骤4.2、构造输入向量:针对样本数据的特性及实际需求,确定训练样本的大小、相空间重构的延迟时间和嵌入维数,构造输入、输出向量对。
步骤4.3、确定模型参数:设定LS-SVM模型的参数,包括正则化参数以及核函数的参数。
步骤4.4、训练LS-SVM预测模型:构造核函数矩阵并求解N维线性方程组,计算出拉格朗日乘子和偏移值,最终得到回归函数
其中,αi为拉格朗日乘子,i=1,2,…,l代表输入量的个数,b为常值偏差,K(x,xi)=φ(xi)·φ(x)为核函数,选择不同形式的核函数可以生成不同的支持向量机。
Claims (5)
1.DC-DC变换器健康评估指标与故障预测方法,其特征在于该方法包括如下步骤:
步骤1、获取DC-DC变换器健康评估指标的基准值,具体步骤如下:
步骤1.1、将性能指标均满足设计要求的DC-DC电路定义为健康电路,从t=0时刻开始采集健康电路的四路状态信号,分别为输入电压uin、输入电流iin、输出电压uout以及输出电流iout;
步骤1.2、计算各信号的平均值(Uin、Iin、Uout、Iout)、电路的等效负载阻抗模值|Z|和功率损耗Ploss,并将Ploss等效为电阻消耗的功率,该电阻即为功耗等效电阻Rloss;
步骤1.3、将输入电压Uin、等效负载阻抗模值|Z|和对应的功耗等效电阻Rloss作为分数阶神经网络的训练样本,以Uin、|Z|为网络输入,Rloss为网络输出,建立Uin、|Z|与Rloss之间的关系模型;
步骤3、设置健康评估指标的变化阈值,计算电路的健康评估指标与基准值之差,根据变化阈值和差值确定电路的健康指数,实现电路的健康评估;
步骤4、获取电路不同时刻的健康评估指标,对其进行时间序列预测,得到未来时刻的健康评估指标,预测电路的健康状况。
3.如权利要求1所述的DC-DC变换器健康评估指标与故障预测方法,其特征在于,所述步骤1.3的具体步骤如下:
(1)初始化分数阶神经网络:随机初始化分数阶核函数旋转角及网络连接权重,设置网络学习速度和动量因子;
(2)对输入电压Uin、等效负载阻抗模值|Z|以及对应的功耗等效电阻Rloss进行归一化预处理;
(3)以归一化后的Uin、|Z|作为网络输入,对应的Rloss作为网络输出,计算网络预测输出以及输出误差;根据输出误差修正网络权值和分数阶核函数阶次,直至满足训练结束条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210397871.2A CN102879728B (zh) | 2012-10-16 | 2012-10-16 | Dc-dc变换器健康评估指标与故障预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210397871.2A CN102879728B (zh) | 2012-10-16 | 2012-10-16 | Dc-dc变换器健康评估指标与故障预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102879728A true CN102879728A (zh) | 2013-01-16 |
CN102879728B CN102879728B (zh) | 2015-08-05 |
Family
ID=47481124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210397871.2A Expired - Fee Related CN102879728B (zh) | 2012-10-16 | 2012-10-16 | Dc-dc变换器健康评估指标与故障预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102879728B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103675525A (zh) * | 2013-11-14 | 2014-03-26 | 南京航空航天大学 | 基于多svdd模型的dc-dc变换器健康监测与故障预测方法 |
CN104573398A (zh) * | 2015-01-30 | 2015-04-29 | 安徽理工大学 | 功率变换电路故障阈值确定方法 |
CN105334472A (zh) * | 2015-10-26 | 2016-02-17 | 安徽理工大学 | 矿用本安电源在线剩余寿命预测方法 |
CN106059093A (zh) * | 2016-07-26 | 2016-10-26 | 潘燕 | 智能变电站健康状态监测系统 |
CN107851462A (zh) * | 2015-07-27 | 2018-03-27 | 谷歌有限责任公司 | 使用循环神经网络分析健康事件 |
CN109271741A (zh) * | 2018-10-25 | 2019-01-25 | 北京航空航天大学 | 一种降压型dc-dc电源模块剩余使用寿命预测与健康评估方法 |
CN109767036A (zh) * | 2018-12-28 | 2019-05-17 | 北京航空航天大学 | 基于自适应蚁狮优化的支持向量机故障预测方法 |
CN110222399A (zh) * | 2019-05-29 | 2019-09-10 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 一种电源健康评估方法及装置 |
CN110658414A (zh) * | 2019-11-08 | 2020-01-07 | 上海科技大学 | 基于模型的电力电子参数性故障检测方法 |
CN111459204A (zh) * | 2020-03-31 | 2020-07-28 | 潍柴动力股份有限公司 | 车辆的温度控制方法、装置、设备、存储介质和车辆 |
CN113219252A (zh) * | 2021-05-14 | 2021-08-06 | 浙江大学 | 一种非侵入式在线检测变换器阻抗的方法 |
CN114035021A (zh) * | 2021-10-08 | 2022-02-11 | 北京航空航天大学 | 基于EEMD-Prophet的电路故障预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0910023A2 (de) * | 1997-10-17 | 1999-04-21 | Siemens Aktiengesellschaft | Verfahren und Anordnung zur neuronalen Modellierung eines dynamischen Systems mit nichtlinearem stochastischem Verhalten |
CN101576443A (zh) * | 2009-06-16 | 2009-11-11 | 北京航空航天大学 | 基于灰色rbf神经网络的加速寿命试验寿命预测方法 |
US20110167024A1 (en) * | 2010-01-05 | 2011-07-07 | American Gnc Corporation | Embedded health monitoring system based upon Optimized Neuro Genetic Fast Estimator (ONGFE) |
CN102590726A (zh) * | 2012-02-23 | 2012-07-18 | 北京航空航天大学 | 一种评估功率vmos管寿命以及可靠性的分析方法 |
US20120245791A1 (en) * | 2011-03-22 | 2012-09-27 | Chungbuk National University Industry-Academic Cooperation Foundation | Apparatus and method for predicting mixed problems with vehicle |
-
2012
- 2012-10-16 CN CN201210397871.2A patent/CN102879728B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0910023A2 (de) * | 1997-10-17 | 1999-04-21 | Siemens Aktiengesellschaft | Verfahren und Anordnung zur neuronalen Modellierung eines dynamischen Systems mit nichtlinearem stochastischem Verhalten |
CN101576443A (zh) * | 2009-06-16 | 2009-11-11 | 北京航空航天大学 | 基于灰色rbf神经网络的加速寿命试验寿命预测方法 |
US20110167024A1 (en) * | 2010-01-05 | 2011-07-07 | American Gnc Corporation | Embedded health monitoring system based upon Optimized Neuro Genetic Fast Estimator (ONGFE) |
US20120245791A1 (en) * | 2011-03-22 | 2012-09-27 | Chungbuk National University Industry-Academic Cooperation Foundation | Apparatus and method for predicting mixed problems with vehicle |
CN102590726A (zh) * | 2012-02-23 | 2012-07-18 | 北京航空航天大学 | 一种评估功率vmos管寿命以及可靠性的分析方法 |
Non-Patent Citations (2)
Title |
---|
姜媛媛等: "基于LS-SVM的电力电子电路故障预测方法", 《电机与控制学报》 * |
郝世强: "微电网用双向DC/DC变换器损耗及效率优化研究", 《中国优秀硕士学位论文全文数据库 工程特辑II辑》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103675525B (zh) * | 2013-11-14 | 2017-01-18 | 南京航空航天大学 | 基于多svdd模型的dc‑dc变换器健康监测与故障预测方法 |
CN103675525A (zh) * | 2013-11-14 | 2014-03-26 | 南京航空航天大学 | 基于多svdd模型的dc-dc变换器健康监测与故障预测方法 |
CN104573398A (zh) * | 2015-01-30 | 2015-04-29 | 安徽理工大学 | 功率变换电路故障阈值确定方法 |
CN104573398B (zh) * | 2015-01-30 | 2017-12-26 | 安徽理工大学 | 功率变换电路故障阈值确定方法 |
CN107851462B (zh) * | 2015-07-27 | 2022-03-04 | 谷歌有限责任公司 | 使用循环神经网络分析健康事件 |
CN107851462A (zh) * | 2015-07-27 | 2018-03-27 | 谷歌有限责任公司 | 使用循环神经网络分析健康事件 |
CN105334472A (zh) * | 2015-10-26 | 2016-02-17 | 安徽理工大学 | 矿用本安电源在线剩余寿命预测方法 |
CN105334472B (zh) * | 2015-10-26 | 2018-06-26 | 安徽理工大学 | 矿用本安电源在线剩余寿命预测方法 |
CN106059093A (zh) * | 2016-07-26 | 2016-10-26 | 潘燕 | 智能变电站健康状态监测系统 |
CN109271741A (zh) * | 2018-10-25 | 2019-01-25 | 北京航空航天大学 | 一种降压型dc-dc电源模块剩余使用寿命预测与健康评估方法 |
CN109271741B (zh) * | 2018-10-25 | 2023-06-27 | 北京航空航天大学 | 一种降压型dc-dc电源模块剩余使用寿命预测与健康评估方法 |
CN109767036A (zh) * | 2018-12-28 | 2019-05-17 | 北京航空航天大学 | 基于自适应蚁狮优化的支持向量机故障预测方法 |
CN110222399A (zh) * | 2019-05-29 | 2019-09-10 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 一种电源健康评估方法及装置 |
CN110222399B (zh) * | 2019-05-29 | 2022-12-09 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 一种电源健康评估方法及装置 |
CN110658414A (zh) * | 2019-11-08 | 2020-01-07 | 上海科技大学 | 基于模型的电力电子参数性故障检测方法 |
CN111459204A (zh) * | 2020-03-31 | 2020-07-28 | 潍柴动力股份有限公司 | 车辆的温度控制方法、装置、设备、存储介质和车辆 |
CN113219252A (zh) * | 2021-05-14 | 2021-08-06 | 浙江大学 | 一种非侵入式在线检测变换器阻抗的方法 |
CN113219252B (zh) * | 2021-05-14 | 2022-03-01 | 浙江大学 | 一种非侵入式在线检测变换器阻抗的方法 |
CN114035021A (zh) * | 2021-10-08 | 2022-02-11 | 北京航空航天大学 | 基于EEMD-Prophet的电路故障预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102879728B (zh) | 2015-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102879728A (zh) | Dc-dc变换器健康评估指标与故障预测方法 | |
Cavraro et al. | Power distribution network topology detection with time-series signature verification method | |
CN102289590B (zh) | Sf6高压断路器运行状态评估方法及智能系统 | |
WO2017028632A1 (zh) | 一种配电网运行可靠性的预测方法 | |
CN103675525B (zh) | 基于多svdd模型的dc‑dc变换器健康监测与故障预测方法 | |
CN104091056B (zh) | 一种实验室设备使用寿命预测系统和方法 | |
CN101924393B (zh) | 一种电力系统负荷模型参数在线估计方法及其系统 | |
CN105891794B (zh) | 基于模糊准则的雷达健康管理方法及系统 | |
CN112327200B (zh) | Dc-ac逆变器电路的健康表征及健康基线构建方法 | |
CN110045317B (zh) | 一种互感器计量误差在线检测方法及系统 | |
CN104677997A (zh) | 一种变压器油色谱在线监测差异化预警方法 | |
CN104300532A (zh) | 一种基于矩阵因子的电压暂降评估流程 | |
CN109613372B (zh) | 一种基于多元电网数据库的电网故障诊断方法 | |
CN109164315A (zh) | 基于粒子群优化的kfcm及svm的电抗器故障诊断方法 | |
Wei et al. | Remaining useful life estimation based on gamma process considered with measurement error | |
TWI491801B (zh) | 風力發電故障預測系統及其方法 | |
CN103972889B (zh) | 一种配电线路阻抗在线辨识方法 | |
CN105741184A (zh) | 一种变压器状态评估方法及装置 | |
CN112100803B (zh) | 一种动车组功率断路器主触点健康状况测评方法 | |
CN116736212B (zh) | 一种互感器运行误差在线监测及计量方法 | |
Chappa et al. | A fast online voltage instability detection in power transmission system using wide-area measurements | |
CN109193639B (zh) | 一种电力系统抗差估计方法 | |
Li et al. | Measurement based power system dynamics prediction with multivariate autoregressive model | |
CN115575880A (zh) | 一种电力互感器计量误差状态在线检测方法 | |
CN103488891A (zh) | 基于风险的大电网安全稳定预防控制性能代价指标计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150805 Termination date: 20191016 |
|
CF01 | Termination of patent right due to non-payment of annual fee |