CN110632443B - 一种crh3动车组牵引整流器igbt开路故障的诊断方法 - Google Patents

一种crh3动车组牵引整流器igbt开路故障的诊断方法 Download PDF

Info

Publication number
CN110632443B
CN110632443B CN201910970916.2A CN201910970916A CN110632443B CN 110632443 B CN110632443 B CN 110632443B CN 201910970916 A CN201910970916 A CN 201910970916A CN 110632443 B CN110632443 B CN 110632443B
Authority
CN
China
Prior art keywords
fault
tube
open circuit
rectifier
kurtosis
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.)
Active
Application number
CN201910970916.2A
Other languages
English (en)
Other versions
CN110632443A (zh
Inventor
王丹
陈小强
王英
高锋阳
王佳荣
王东豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lanzhou Jiaotong University
Original Assignee
Lanzhou Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lanzhou Jiaotong University filed Critical Lanzhou Jiaotong University
Priority to CN201910970916.2A priority Critical patent/CN110632443B/zh
Publication of CN110632443A publication Critical patent/CN110632443A/zh
Application granted granted Critical
Publication of CN110632443B publication Critical patent/CN110632443B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/005—Testing of electric installations on transport means
    • G01R31/008—Testing of electric installations on transport means on air- or spacecraft, railway rolling stock or sea-going vessels

Landscapes

  • Inverter Devices (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)

Abstract

本发明所述CRH3动车组牵引整流器IGBT开路故障的诊断方法，属于整流器故障诊断领域，采用改进谱峭度的方法，改进谱峭度算法简单并可检测到信号中的能量突变以及相对应的频率位置，且不同故障下改进谱峭度的突变程度不同，当发生单管或者双管的开路故障时，该方法可以快速诊断出故障发生，并可精确定位故障管位置；将该方法用于整流器IGBT开路的故障诊断可以快速准确的检测到故障发生并分辨出故障类型，所涉及到算法简单，无需大量数据进行训练测试，且可实现整流器IGBT的单管以及双管的所有故障类型的精确定位。

Description

一种CRH3动车组牵引整流器IGBT开路故障的诊断方法
技术领域
本发明属于整流器故障诊断领域，尤其涉及一种CRH3动车组牵引整流器IGBT开路故障的诊断方法。
背景技术
近年来，我国高速动车组快速发展，牵引传动系统作为动车组原动力，其运行环境复杂，使牵引变流器出现故障的几率较大，其中功率器件IGBT故障超过60％。图1是CRH3型动车组牵引整流器的拓扑结构图；IGBT的短路故障由于时间极短一般使用硬件电路处理，而IGBT开路故障特征不明显，无法快速诊断并定位故障位置从而扩大了故障影响。目前，对IGBT的开路故障研究主要针对逆变器，相对而言整流器的研究较少，但整流器作为牵引传动系统的重要组成部分，其IGBT的故障将直接影响到逆变器以及电机的常运行，因此对整流器IGBT开路故障的研究具有重要的意义。
针对整流器IGBT的开路故障，目前采用的方法为有关信号分析的故障诊断方法，基于电流信号的分析方法主要有小波分析、傅里叶变换等对原始信号进行预处理，再结合分类器分类故障，其所需数据较多，算法复杂，耗时较多；基于电压信号的分析方法需要新增硬件电路，操作复杂。
发明内容
本发明旨在克服现有诊断方法的不足，提出了一种CRH3动车组牵引整流器IGBT开路故障的诊断方法。
本发明所述CRH3动车组牵引整流器IGBT开路故障的诊断方法，所述牵引整流器中包括四个功率管；四个功率管并联设置为两路，每一路包括两个功率管，一路从上往下依次为VT1、VT2，另一路从上往下依次为VT3、VT4；网侧电流iN输入的正极连接于VT1与VT2之间，负极连接于VT3与VT4之间；
包括如下步骤：
步骤1：采集牵引整流器网侧电流信号iN，采用小波包软阈值降噪法处理原始信号；
步骤2：求网侧电流信号iN的Choi-Williams分布，进行能量归一化；为了方便后续计算分析，采用小波包分析去噪处理并将能量进行归一化；根据Choi-Williams分布计算iN的改进谱峭度k，并绘出改进谱峭度的波动曲线图；不同故障下改进谱峭度最大值的分布范围不同，选取改进谱峭度的最大值kmax作为特征值；
步骤3：通过多次试验分别计算并绘制在不同窗函数、不同噪声、不同网压突变的情况下对各种故障的改进谱峭度值分布，不同故障下改进谱峭度分布范围不同，且在窗函数、噪声以及网压突变情况下改进谱峭度最大值波动不大，因此选取改进谱峭度的最大值为阈值，选取的阈值分别为k1、k2、k3、k4、k5，其中k1<k2<k3<k4<k5；
步骤4：根据整流器IGBT单管及双管开路故障时网侧电流的波动情况将故障分为A、B、C三类；
其中：故障A：VT1,VT4,VT1+VT4；
故障B：VT2,VT3,VT2+VT3；
故障C：VT1+VT2,VT3+VT4,VT1+VT3,VT2+VT4；
并定义故障A1包括：VT1，VT4；
B1包括：VT2，VT3；
C1包括：VT1+VT3，VT2+VT4；
C2包括：VT1+VT2，VT3+VT4；
判断改进谱峭度的最大值kmax所在阈值范围，以此判断故障：
若k1<kmax<k2，则故障为A1；
若k2<kmax<k3，则故障管为VT1+VT4；
若k3<kmax<k4，则故障管为VT2+VT3；
若k4<kmax<k5，则故障为B1；
若k5<kmax，则故障为C；
步骤5：计算流过桥臂上半桥中VT1或D1的电流i1的平均值，求取故障前后平均电流的差值
Figure GDA0003342247570000021
通过多次试验选取合适的阈值
Figure GDA0003342247570000022
区分并定位故障，其中
Figure GDA0003342247570000023
若
Figure GDA0003342247570000024
则故障为C1；
若
Figure GDA0003342247570000025
且
Figure GDA0003342247570000026
则故障为VT1+VT2；
若
Figure GDA0003342247570000027
且
Figure GDA0003342247570000028
则故障为VT3+VT4；
所述故障中VT1，VT2，VT3，VT4分别指单只功率管故障；VT1+VT4，VT2+VT3分别指交叉两只功率管故障；VT1+VT3，VT2+VT4分别指两只上管或两只下管故障；VT1+VT2，VT3+VT4分别指同一桥臂两只功率管故障。
进一步，本发明所述CRH3动车组牵引整流器IGBT开路故障的诊断方法，还包括如下步骤：使控制器发出固定脉冲信号1010，控制器是通过发出触发脉冲控制整流器开关管的关断，故障管位置不同，其在固定脉冲1010下a、b两点之间的电压uab波动情况也不同，根据uab波动情况定位其他故障管位置；由于检测uab是诊断出故障发生并识别故障类型之后进行的，其值的波动情况仅于开关管状态有关，分别对正常情况以及故障管故障情况下试验分析，选取为阈值u1；
若为A1故障，当|uab|>u1时，故障管为：VT1，否则为VT4；
若为B1故障，当|uab|>u1时，故障管为：VT3，否则为VT2；
若为C1故障，当|uab|>u1时，故障管为：VT1+VT3，否则为VT2+VT4。
进一步，本发明所述CRH3动车组牵引整流器IGBT开路故障的诊断方法，所述根据Choi-Williams分布计算iN的改进谱峭度k的具体步骤为：
定义信号为x(t)，其Choi-Williams分布为：
Figure GDA0003342247570000031
其中τ为时移参数；ν为频偏参数；μ为局部时间；x*为x的卷积；f为频率；t为时间；σ为常数；
x(t)的二阶瞬时谱矩S2x(f)和四阶瞬时谱矩S4x(f)为：
S2x(f)＝E{|Cx(t,f)|2}p
S4x(f)＝E{|Cx(t,f)|4}p
其中E{·}p表示p阶平均值；
基于Choi-Williams分布的谱峭度为：
Figure GDA0003342247570000032
基于Choi-Williams分布的改进谱峭度为：
Figure GDA0003342247570000033
其中L为总窗口数，可依据总采样点数、滑动窗口采样点数以及滑动因子计算求得。
本发明所述CRH3动车组牵引整流器IGBT开路故障的诊断方法，采用改进谱峭度的方法，改进谱峭度算法简单并可检测到信号中的能量突变以及相对应的频率位置，且不同故障下改进谱峭度的突变程度不同，当发生单管或者双管的开路故障时，该方法可以快速诊断出故障发生，并可精确定位故障管位置；将该方法用于整流器IGBT开路的故障诊断可以快速准确的检测到故障发生并分辨出故障类型，所涉及到算法简单，无需大量数据进行训练测试，且可实现整流器IGBT的单管以及双管的所有故障类型的精确定位。
附图说明
图1为本发明背景技术所述CRH3型动车组牵引整流器的拓扑结构图；
图2为本发明所述CRH3型动车组牵引整流器IGBT开路故障诊断步骤示意图；
图3为本发明所述无故障情况下改进谱峭度波动曲线示意图；
图4为本发明所述A类VT1故障情况下改进谱峭度波动曲线示意图；
图5为本发明所述B类VT2+VT3故障情况下改进谱峭度波动曲线示意图；
图6为本发明所述C类VT1+VT3故障情况下改进谱峭度波动曲线示意图；
图7为本发明所述C1类VT1+VT3和VT2+VT4故障情况下Δi1dc波动曲线对比示意图；
图8为本发明所述C1类VT1+VT2和VT3+VT4故障情况下Δi1dc波动曲线对比示意图；
图9为本发明所述A1类VT1和VT4故障情况下uab波动对比示意图；
图10为本发明所述B1类VT2和VT3故障情况下uab波动对比示意图；
图11为本发明所述C1类VT1+VT3和VT2+VT4故障情况下uab波动曲线对比示意图；
图12为本发明所述VT1故障情况下噪声影响对比图；
图13为本发明所述VT1故障情况下不同噪声下改进谱峭度最大值分布曲线图；
图14为本发明所述VT1故障情况下不同网压突变情况时改进谱峭度波动曲线；
图15为本发明所述VT1+VT3故障情况下不同网压突变情况时Δi1dc波动曲线。
具体实施方式
下面结合附图及实施例对本发明所述CRH3动车组牵引整流器IGBT开路故障的诊断方法进行详细说明。
本实施例以CRH3型动车组两电平牵引整流器为例，如图1所示为CRH3型动车组牵引整流器的拓扑结构图。本发明所述CRH3动车组牵引整流器IGBT开路故障的诊断方法是一种信号分析的诊断方法，主要采用了改进谱峭度的方法，首先采集网侧电流的故障信号，根据改进谱峭度曲线的突变程度判别故障类型，如图2是CRH3型动车组牵引整流器IGBT开路故障诊断步骤示意图，本发明所述CRH3动车组牵引整流器IGBT开路故障的诊断方法具体实施过程如下：
首先，在CRH3型动车组两电平牵引整流器中，设置t＝1s时触发故障，采样频率为20kHz，采集网侧输入电流信号iN；选取测试样本采样点，确定滑动窗口采样点以及滑动因子采样点；
其次，计算基于Choi-Williams分布的改进谱峭度：
定义信号为x(t)，其Choi-Williams分布为：
Figure GDA0003342247570000051
其中τ为时移参数；ν为频偏参数；μ为局部时间；x*为x的卷积；f为频率；t为时间；σ为常数。
x(t)的二阶瞬时谱矩S2x(f)和四阶瞬时谱矩S4x(f)为：
S2x(f)＝E{|Cx(t,f)|2}p
S4x(f)＝E{|Cx(t,f)|4}p
其中E{·}p表示p阶平均值。
基于Choi-Williams分布的谱峭度为：
Figure GDA0003342247570000052
基于Choi-Williams分布的改进谱峭度为：
Figure GDA0003342247570000053
L为总窗口数，可依据总采样点数、滑动窗口采样点数以及滑动因子计算求得。
最后故障类别判断过程为：
如图3所示，无故障情况下改进谱峭度波动曲线图，若无故障，改进谱峭度在接近-1处波动，符合正弦信号在其主频率处的谱峭度为-1的重要性质；图4、图5、图6分别是VT1，VT2+VT3和VT1+VT3故障情况下改进谱峭度波动曲线图，故障发生后网侧电流信号iN的波动特征发生变化，导致改进谱峭度突变，不同故障情况下改进谱峭度突变程度不同，选择阈值k1＝0、k2＝6、k3＝11、k4＝16、k5＝28；根据其最大值kmax所在范围，判断故障类别。
其中：当0<kmax<11时，则故障为A类；其中当6<kmax<11时，故障管为：VT1+VT4；当0<kmax<6时，故障管为A1。
当11<kmax<28时，则故障为B类；其中当11<kmax<16时，故障管为：VT2+VT3；当16<kmax<28时，故障管为B1。
当kmax>28时，则故障为C类。
C类故障定位：改进谱峭度只能检测故障发生并定位部分故障管，定位C类故障需计算故障前一周期与故障后一周期流过A桥臂上半桥中VT1或者D1的电流i1的平均值
Figure GDA0003342247570000061
的差值
Figure GDA0003342247570000062
如图7所示，C类故障中四种故障类型的Δi1dc波动曲线示意图，选取阈值
Figure GDA0003342247570000063
Figure GDA0003342247570000064
由图7可当
Figure GDA0003342247570000065
则故障为C1；由图8可知，当
Figure GDA0003342247570000066
且
Figure GDA0003342247570000067
则故障为VT1+VT2；当
Figure GDA0003342247570000068
且
Figure GDA0003342247570000069
则故障为VT3+VT4。
A1、B1以及C1故障定位：在确定故障类型为A1，B1以及C1之后发出固定脉冲1010定位具体故障管，检测uab波动定位故障管。图9、图10、图11分别是A1、B1、C1故障中两种故障情况下uab波动对比示意图，选取阈值u1＝100，则可精确定位所有单管以及双管故障位置。
如图12分析了噪声对改进谱峭度曲线波动的影响。主要在VT1故障时的原始信号中加入10db的高斯白噪声并绘制其改进谱峭度分布曲线，通过与原始信号改进谱峭度的分布曲线的对比可知该方法降噪性较好。
如图13绘制了在VT1故障情况下分别加入10-40db的高斯白噪声之后改进谱峭度最大值分布范围，可见改进谱峭度最大值在3附近波动，且波动幅度不大，可符合所设阈值为6的要求。
在VT1故障情况下分别设置网侧电压有效值从1550V突变到1860V和1550V突变到1240V时改进谱峭度的最大值，由图可14以看出，在VT1故障下，不同网压突变时kmax都小于6。
以VT1+VT3故障为例，分别设置网侧电压有效值从1550V突变到1860V和1550V突变到1240V时Δi1dc的分布范围，由图15可以看出，不同网压突变时Δi1dc的分布都在所设阈值范围之内。

Claims (3)

1.一种CRH3动车组牵引整流器IGBT开路故障的诊断方法，所述牵引整流器中包括四个功率管；四个功率管并联设置为两路，每一路包括两个功率管，一路从上往下依次为VT1、VT2，另一路从上往下依次为VT3、VT4；网侧电流iN输入的正极连接于VT1与VT2之间，负极连接于VT3与VT4之间；
其特征在于包括如下步骤：
步骤1：采集牵引整流器网侧电流信号iN，采用小波包软阈值降噪法处理原始信号；
步骤2：求网侧电流信号iN的Choi-Williams分布，进行能量归一化；根据Choi-Williams分布计算iN的改进谱峭度k，并绘出改进谱峭度的波动曲线图；选取改进谱峭度的最大值kmax作为特征值；
步骤3：通过多次试验分别计算并绘制在不同窗函数、不同噪声、不同网压突变的情况下对各种故障的改进谱峭度值分布，选取改进谱峭度的最大值为阈值，选的阈值分别为k1、k2、k3、k4、k5，其中k1<k2<k3<k4<k5；
步骤4：根据整流器IGBT单管及双管开路故障时网侧电流的波动情况将故障分为A、B、C三类；
其中：故障A：VT1,VT4,VT1+VT4；
故障B：VT2,VT3,VT2+VT3；
故障C：VT1+VT2,VT3+VT4,VT1+VT3,VT2+VT4；
并定义故障A1包括：VT1，VT4；
B1包括：VT2，VT3；
C1包括：VT1+VT3，VT2+VT4；
C2包括：VT1+VT2，VT3+VT4；
判断改进谱峭度的最大值kmax所在阈值范围，以此判断故障：
若k1<kmax<k2，则故障为A1；
若k2<kmax<k3，则故障管为VT1+VT4；
若k3<kmax<k4，则故障管为VT2+VT3；
若k4<kmax<k5，则故障为B1；
若k5<kmax，则故障为C；
步骤5：计算流过桥臂上半桥中VT1或D1的电流i1的平均值，求取故障前后平均电流的差值
Figure FDA0003342247560000011
通过多次试验选取合适的阈值
Figure FDA0003342247560000012
区分并定位故障，其中
Figure FDA0003342247560000013
若
Figure FDA0003342247560000014
则故障为C1；
若
Figure FDA0003342247560000021
且
Figure FDA0003342247560000022
则故障为VT1+VT2；
若
Figure FDA0003342247560000023
且
Figure FDA0003342247560000024
则故障为VT3+VT4。
2.根据权利要求1所述CRH3动车组牵引整流器IGBT开路故障的诊断方法，其特征在于还包括如下步骤：使控制器发出固定脉冲信号1010，故障管位置不同，其在固定脉冲1010下a、b两点之间的电压uab波动情况也不同，根据uab波动情况定位其他故障管位置；分别对正常情况以及故障管故障情况下试验分析，选取为阈值u1；
若为A1故障，当|uab|>u1时，故障管为：VT1，否则为VT4；
若为B1故障，当|uab|>u1时，故障管为：VT3，否则为VT2；
若为C1故障，当|uab|>u1时，故障管为：VT1+VT3，否则为VT2+VT4。
3.根据权利要求1或2所述CRH3动车组牵引整流器IGBT开路故障的诊断方法，其特征在于所述根据Choi-Williams分布计算iN的改进谱峭度k的具体步骤为：
定义信号为x(t)，其Choi-Williams分布为：
Figure FDA0003342247560000025
其中τ为时移参数；ν为频偏参数；μ为局部时间；x*为x的卷积；f为频率；t为时间；σ为常数；
x(t)的二阶瞬时谱矩S2x(f)和四阶瞬时谱矩S4x(f)为：
S2x(f)＝E{|Cx(t,f)|2}p
S4x(f)＝E{|Cx(t,f)|4}p
其中E{·}p表示p阶平均值；
Figure FDA0003342247560000026
基于Choi-Williams分布的改进谱峭度为：
Figure FDA0003342247560000027
其中L为总窗口数，可依据总采样点数、滑动窗口采样点数以及滑动因子计算求得。
CN201910970916.2A 2019-10-14 2019-10-14 一种crh3动车组牵引整流器igbt开路故障的诊断方法 Active CN110632443B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910970916.2A CN110632443B (zh) 2019-10-14 2019-10-14 一种crh3动车组牵引整流器igbt开路故障的诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910970916.2A CN110632443B (zh) 2019-10-14 2019-10-14 一种crh3动车组牵引整流器igbt开路故障的诊断方法

Publications (2)

Publication Number Publication Date
CN110632443A CN110632443A (zh) 2019-12-31
CN110632443B true CN110632443B (zh) 2022-03-01

Family

ID=68975035

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910970916.2A Active CN110632443B (zh) 2019-10-14 2019-10-14 一种crh3动车组牵引整流器igbt开路故障的诊断方法

Country Status (1)

Country Link
CN (1) CN110632443B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110244169A (zh) * 2019-07-17 2019-09-17 西南交通大学 一种双重化脉冲整流器功率管多管开路故障快速诊断方法
CN113376476A (zh) * 2021-05-28 2021-09-10 兰州交通大学 一种基于phm的中低压配电网运维系统及方法
CN114565000B (zh) * 2022-04-28 2022-08-12 西安航天动力研究所 一种球轴承的故障确定方法、设备以及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103018537A (zh) * 2012-11-28 2013-04-03 西南交通大学 基于cwd谱峭度的暂态电能质量扰动分类识别方法
CN104635081A (zh) * 2015-01-29 2015-05-20 西北工业大学 一种飞机发电机整流器的自适应故障诊断方法
CN105093132A (zh) * 2015-06-30 2015-11-25 许昌许继软件技术有限公司 一种大功率整流器开路故障快速在线诊断方法
CN105158623A (zh) * 2015-05-22 2015-12-16 南京航空航天大学 一种三相桥式pwm整流器开关管开路故障诊断方法
CN106019056A (zh) * 2016-06-23 2016-10-12 华中科技大学 一种三相整流器功率管开路故障实时检测方法
CN107102247A (zh) * 2017-04-18 2017-08-29 西南交通大学 一种crh3型动车组牵引逆变器igbt开路故障诊断方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7391218B2 (en) * 2005-03-11 2008-06-24 Honeywell International Inc. Method and apparatus for generalized arc fault detection
FR3046232B1 (fr) * 2015-12-28 2018-02-16 Commissariat A L'energie Atomique Et Aux Energies Alternatives Procede pour detecter un arc electrique par analyse de sa signature acoustique
CN107766638B (zh) * 2017-10-13 2019-07-12 西南交通大学 一种动车组四象限脉冲整流器igbt开路故障诊断方法
CN110244169A (zh) * 2019-07-17 2019-09-17 西南交通大学 一种双重化脉冲整流器功率管多管开路故障快速诊断方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103018537A (zh) * 2012-11-28 2013-04-03 西南交通大学 基于cwd谱峭度的暂态电能质量扰动分类识别方法
CN104635081A (zh) * 2015-01-29 2015-05-20 西北工业大学 一种飞机发电机整流器的自适应故障诊断方法
CN105158623A (zh) * 2015-05-22 2015-12-16 南京航空航天大学 一种三相桥式pwm整流器开关管开路故障诊断方法
CN105093132A (zh) * 2015-06-30 2015-11-25 许昌许继软件技术有限公司 一种大功率整流器开路故障快速在线诊断方法
CN106019056A (zh) * 2016-06-23 2016-10-12 华中科技大学 一种三相整流器功率管开路故障实时检测方法
CN107102247A (zh) * 2017-04-18 2017-08-29 西南交通大学 一种crh3型动车组牵引逆变器igbt开路故障诊断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A New Neural-Network-Based Fault Diagnosis Approach for Analog Circuits by Using Kurtosis and Entropy as a Preprocessor;Lifen Yuan et.al;《IEEE Transactions on Instrumentation and Measurement》;20100331;第59卷(第3期);第586-595页 *
基于实时电流幅值的风电整流器故障诊断方法;黄凯 等;《电力工程技术》;20190331;第38卷(第2期);第25-31页 *

Also Published As

Publication number Publication date
CN110632443A (zh) 2019-12-31

Similar Documents

Publication Publication Date Title
CN110632443B (zh) 一种crh3动车组牵引整流器igbt开路故障的诊断方法
CN113219300B (zh) 一种基于相电流暂态稳态的配电网单相接地故障感知方法
CN104090214B (zh) 一种电缆故障检测及老化分析方法
He et al. Fault detection and classification in EHV transmission line based on wavelet singular entropy
CN113159077B (zh) 一种基于混合卷积神经网络的三相逆变器故障识别方法
CN107992665B (zh) 一种特高压换流站交流滤波器在线故障诊断分析方法
CN107656184B (zh) 一种npc三电平变流器的开关管故障诊断方法
CN112348071B (zh) 一种模块化多电平换流器子模块开关管开路故障诊断方法
CN110259648B (zh) 一种基于优化K-means聚类的风机叶片故障诊断方法
CN109190598A (zh) 一种基于ses-lof的旋转机械监测数据噪点检测方法
CN112362987A (zh) 一种基于稳健估计的避雷器故障诊断方法
CN104237713A (zh) 基于离散小波变换的变压器绕组形变诊断方法
CN106338237A (zh) 基于频响阻抗法的变压器绕组变形检测方法
CN109085460B (zh) 基于暂态量监测的特高压直流输电线路故障单端诊断方法
CN113358993A (zh) 一种多电平变换器igbt的在线故障诊断方法及系统
CN114739671A (zh) 一种基于改进广义s变换的轴承故障诊断方法
CN114236374A (zh) 一种整流器开路故障的实时诊断方法
CN110956112B (zh) 一种新的高可靠性回转支承寿命评估方法
JP2015514379A (ja) ツイストペア電話回線のためのｓｅｌｔおよびｄｅｌｔベースの診断方法およびシステム
CN112964965A (zh) 一种基于频率响应的电缆故障类型识别系统
CN108594156B (zh) 一种改进的电流互感器饱和特性识别方法
CN110764027A (zh) 基于频谱特征变化的电连接器发生间歇故障诊断方法
CN114089181B (zh) 基于XG-Boost的MMC开关管开路故障检测方法
CN115598563A (zh) 一种基于粗糙神经网络的配电网单相接地故障诊断方法
CN113311364B (zh) 基于多核svm的永磁同步电机逆变器开路故障诊断方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant