一种零电压开关移相全桥电源健康状态评估方法
专利汇可以提供一种零电压开关移相全桥电源健康状态评估方法专利检索，专利查询，专利分析的服务。并且本 发明 提供一种基于深度自编码网络的 零 电压 开关 移相全桥电源健康评估方法，首先建立电源仿真模型，分析关键应 力 因素，确定零电压开关移相全桥电源的关键元器件，确定监测参数；再设计 加速 退化试验，监测特征参数，采集退化数据；然后用正常状态的数据训练深度自编码网络，将获取的状态监测特征数据作为 人工神经网络 的数据输入向量，计算最小量化误差；最后将最小量化误差值进行归一化处理，转换为表示健康的值，通过对健康值设定多个 阈值 ，将系统的划分为四个 健康状态 ；该方法克服了传统健康评估方法适应性差的缺点，解决了仿真建模不准确、评估结果可信性差等问题。，下面是一种零电压开关移相全桥电源健康状态评估方法专利的具体信息内容。
1.一种零电压开关移相全桥电源健康状态评估方法，即一种基于深度自编码网络的零电压开关移相全桥电源健康评估方法，其特征在于：该方法具体步骤如下：
步骤一：建立零电压开关移相全桥电源仿真模型，并根据零电压开关移相全桥电源仿真模型及该电源预期所处环境条件及使用状况，确定影响零电压开关移相全桥电源输出特性的关键应力因素，及关键应力因素的波动范围；
步骤二：根据影响零电压开关移相全桥电源输出特性的关键应力因素，确定零电压开关移相全桥电源的关键元器件，并建立各关键元器件的退化模型，并根据退化模型确定监测参数；
步骤三：设计加速退化试验，通过提高电源工作时的环境温度，加速性能劣化速度，布置复数个监测点，监测特征参数，采集退化数据；
步骤四：利用深度自编码网络方法，对采集到的退化特征参数进行融合；用正常状态的数据训练深度自编码网络，将获取的状态监测特征数据作为人工神经网络的数据输入向量，计算所得到的最小量化误差即MQE；
步骤五：将MQE值进行归一化处理，转换为表示健康的值，用CV表示；通过对CV设定复数个阈值，将系统的退化状态分为正常、轻微退化、严重退化、故障四个阶段；
通过以上步骤，基于数据驱动数据的思想，结合深度自编码网络的非监督特性与丰富的表达能力，避免了对零电压开关移相全桥内部进行复杂物理建模；通过加速试验获取退化数据，训练深度自编码网络，克服了传统健康评估方法适应性差的缺点，解决了仿真建模不准确、评估结果可信性差诸问题。
2.根据权利要求1所述的一种零电压开关移相全桥电源健康状态评估方法，即一种基于深度自编码网络的零电压开关移相全桥电源健康评估方法，其特征在于：
在步骤一中所述的“建立零电压开关移相全桥电源仿真模型，并根据零电压开关移相全桥电源仿真模型及该电源预期所处环境条件及使用状况，确定影响零电压开关移相全桥电源输出特性的关键应力因素，及关键应力因素的波动范围”，其做法如下：根据大功率功放零电压开关移相全桥电源工作原理建立Pspice仿真模型，确定环境温度、输入电压及负载为关键应力因素，环境温度波动范围为20℃至75℃，输入电压波动范围为380士20V，负载波动范围为135Ω-150Ω。
3.根据权利要求1所述的一种零电压开关移相全桥电源健康状态评估方法，即一种基于深度自编码网络的零电压开关移相全桥电源健康评估方法，其特征在于：
在步骤二中所述的“根据影响零电压开关移相全桥电源输出特性的关键应力因素，确定零电压开关移相全桥电源的关键元器件，并建立各关键元器件的退化模型，并根据退化模型确定监测参数”，其做法如下：确定铝电解电容C1、金属氧化物半导体场效应管VT1、VT2、VT3、VT4，二极管VD1、VD2、VD3、VD4为关键元器件，并确定各关键元器件的退化模型，通过退化模型，得出表征元器件退化的参数；各元器件的退化模型以及表征其退化的可监测参数如表1所示：
表1
表1中，t为时间。
4.根据权利要求1所述的一种零电压开关移相全桥电源健康状态评估方法，即一种基于深度自编码网络的零电压开关移相全桥电源健康评估方法，其特征在于：
在步骤三中所述的“设计加速退化试验，通过提高电源工作时的环境温度，加速性能劣化速度，布置复数个监测点，监测特征参数，采集退化数据”，其做法如下：开展加速退化试验，设置两组，将一块电源板置于70℃应力水平下，让电源连续工作时间为600h；将一块电源板置于77℃应力水平下，让电源连续工作时间为600h；布置复数个监测点，监测对对象和监测特征量为:输出电压、纹波、电流、金属氧化物半导体场效应管VT1-VT4的阈值电压、二极管VD1-VD4电流；试验中，每隔20分钟测量监测对象的特征量并进行记录。
5.根据权利要求1所述的一种零电压开关移相全桥电源健康状态评估方法，即一种基于深度自编码网络的零电压开关移相全桥电源健康评估方法，其特征在于：
在步骤四中所述的“利用深度自编码网络方法，对采集到的退化特征参数进行融合；用正常状态的数据训练深度自编码网络，将获取的状态监测特征数据作为人工神经网络的数据输入向量，计算所得到的最小量化误差即MQE”，其做法如下：利用深度自编码网络方法，对采集到的输出电压、纹波、电流、金属氧化物半导体场效应管VT1-VT4的阈值电压、二极管VD1-VD4电流进行融合；用正常状态的数据训练深度自编码网络，将获取的状态监测特征数据作为深度自编码网络的数据输入向量，计算所得到的最小量化误差即MQE；其中深度自编码网络层数为5层；深度自编码网络分为编码网络和解码网络；编码网络属于降维部分，作用是将高维原始数据降到具有一预定维数的低维嵌套结构上；解码网络属于重构部分，能视为编码网络的逆过程，作用是将低维嵌套上的点还原成高维数据；编码网络与解码网络之间还存在一个交叉部分，称之为“码字层”；编码网络的输出层为“码字层”；深度自编码网络各层神经元分别为11、5、1、5、11，核函数采用ReLU函数。
6.根据权利要求1所述的一种零电压开关移相全桥电源健康状态评估方法，即一种基于深度自编码网络的零电压开关移相全桥电源健康评估方法，其特征在于：
在步骤五中所述的“将MQE值进行归一化处理，转换为表示健康的值，用CV表示；通过对CV设定复数个阈值，将系统的退化状态分为正常、轻微退化、严重退化、故障四个阶段”，其做法如下：将MQE值进行归一化处理，转换为表示健康的值，用CV表示；其中0表示失效状态，
1表示健康状态，用0-1之间的一个数表示系统当前的状态；MQE值的归一化方法如下所示：
式中a，c都是尺度参数，由正常状态下的MQE和正常基准CV值(设定正常值为0.9)确定，能自适应的调节CV值表示；根据CV值划定四个状态，S1、S2、S3、S4对于的健康状态分别为：
正常状态、初始退化阶段、严重退化阶段、严重退化阶段，如表2所示；
表2
。
一种零电压开关移相全桥电源健康状态评估方法
技术领域：
S1 正常状态 0.8
S1 正常状态 0.8
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种节能灶商业运行模式系统 | 2022-08-21 | 0 |
| 一种基于波浪能浮标灯的最大波能跟踪系统 | 2020-08-09 | 1 |
| 一种基于VR的古建筑构件搭建模拟方法 | 2022-08-23 | 0 |
| 基于时间策略的智能终端应用管理方法及系统 | 2020-07-06 | 2 |
| 一种用于智慧农业的环境数据无线监测系统及其工作方法 | 2020-07-06 | 3 |
| 皮带机运行监测系统及其方法 | 2021-11-27 | 2 |
| 数据传输控制装置及数据流的控制方法 | 2022-09-04 | 1 |
| 利用智能学习的价值添加的害虫控制系统 | 2020-10-19 | 1 |
| 用于药物非临床安全性评价研究的蒸汽灭菌装置 | 2022-12-12 | 2 |
| 一种基于大数据的农业种植管理系统 | 2023-09-24 | 0 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
