基于信号稀疏表示的NPC三电平逆变器故障诊断方法
专利汇可以提供基于信号稀疏表示的NPC三电平逆变器故障诊断方法专利检索，专利查询，专利分析的服务。并且基于 信号 稀疏表示的NPC三电平逆变器故障诊断方法，(1)对NPC三电平逆变器的拓扑结构和开路故障类型进行分析，同时在MATLAB/SIMULINK环境搭建NPC三电平逆变器故障仿真模型，模拟开路故障类形， 采样 三相相 电压 信号Y作为分析的特征信号；(2)对三相相电压信号Y进行分析，通过信号稀疏表示的方法，得到过完备字典D和稀疏系数X，将稀疏系数X作为信号的特征信息；(3)建立多分类 支持向量机 模型，用训练样本对支持向量机进行训练，将已训练的支持向量机保存；用测试样本测试训练好的支持向量机模型，分析故障诊断结果。其将信号稀疏表示和支持向量机结合取得了良好的诊断效果，具有诊断正确率高等优点。，下面是基于信号稀疏表示的NPC三电平逆变器故障诊断方法专利的具体信息内容。
1.基于信号稀疏表示的NPC三电平逆变器故障诊断方法，其特征是包括如下步骤：
(1)故障模型的建立：对NPC三电平逆变器的拓扑结构和开路故障类型进行分析，同时在MATLAB/SIMULINK环境搭建NPC三电平逆变器故障仿真模型，模拟开路故障类形，采样三相相电压信号Y作为分析的特征信号；
(2)故障特征提取：对三相相电压信号Y进行分析，通过信号稀疏表示的方法，得到过完备字典D和稀疏系数X，将稀疏系数X作为信号的特征信息；
(3)故障辨识：建立多分类支持向量机模型，用训练样本对支持向量机进行训练，将已训练的支持向量机保存；用测试样本测试训练好的支持向量机模型，分析故障诊断结果。
2.根据权利要求1所述的基于信号稀疏表示的NPC三电平逆变器故障诊断方法，其特征是所述的步骤(2)故障特征提取，包括以下步骤：
(1)建立目标函数：用信号稀疏表示方法进行故障特征提取，目标函数为：
式中，Y＝[y1,y1,…,yi,…,yn]∈Rm×n是特征信号，D＝[d1,d2,…,dp]∈Rm×p(p＞＞m)是一个过完备字典，X＝[x1,x2,…,xi,…,xn]∈Rp×n是稀疏系数矩阵，S是稀疏度；信号稀疏表示用于特征提取的过程就是求解字典D和稀疏系数矩阵X的过程，其中X即为特征信号Y的特征信息；
(2)K-SVD算法求解D和X：包括稀疏编码和字典更新两个交替迭代的过程：
(a)稀疏编码：
稀疏编码过程用于求解满足方程(2)的信号稀疏系数X：
字典D是固定的，目标是找到最佳的稀疏系数矩阵X来表示信号Y，在稀疏编码阶段采用匹配追踪算法的优化算法正交匹配追踪算法；
设特征信号为yi，则yi可以分解为：
其中，Rmyi为第m次迭代后得到的残差，R0yi＝yi，dγn为第n次迭代匹配到的第γ个原子，
式(3)为匹配追踪算法的迭代过程，在式(3)的基础上，正交匹配追踪算法通过对已经参与迭代的原子利用施密特正交化方法进行正交化处理形成一组正交基，新的参与迭代的原子属于该正交基张成空间的补空间，不会是之前已经参与迭代的原子，因此字典中的任意一个原子最多参与一次迭代；与匹配追踪算法相比，正交匹配追踪算法收敛速度更快，正交匹配追踪算法包括以下步骤：
(1)初始化残差r、稀疏系数xi和原子位置索引Υ：
(2)选择与残差r最大相关原子：
(3)更新残差和稀疏表示系数：
正交匹配追踪算法进行多次迭代得到满足要求的稀疏系数，若稀疏度为S，则正交匹配追踪算法步骤(2)和(3)需要迭代S次；
(b)字典更新
字典更新是逐列更新的，每次只更新D中某一列和X中相对应的行，而字典D其他列则固定不变，待该列完成更新后，再依次更新其他的列，更新过程为：
||Y-DX||2＝||Ek-dkgk||2＝||Ek(J)-dkgk(J)||2+c (8)
式(7)中，dj为字典D的第j列，gj为稀疏系数矩阵X的第j行；当更新第k个字典原子时，除去字典D中第k列和稀疏系数矩阵X的第j行，生成误差矩阵Ek；对Ek进行奇异值分解，Ek＝UΛVT，其中U和V是酉矩阵，Λ是对角元素由大到小排列的对角阵；取U的第一个列向量，作为新的dk，取V的第一个列向量与Λ的第一个元素的乘积作为新的gk；用新的dk取代之前的dk，这样就完成了一个原子的更新；然而，上述操作会出现一个问题，信号稀疏表示希望得到的稀疏系数xi是稀疏的，但是新的gk可能会使稀疏系数的稀疏度达不到要求；
式(8)对字典更新过程做进一步处理，gk(J)是gk中非零元素组成的缩略矩阵，Ek(J)是Ek的缩略矩阵，由gk非零元素的位置决定Ek的缩略矩阵Ek(J)，对Ek(J)做SVD分解，Ek(J)＝UΛVT；取U的第一个列向量，作为新的dk，取V的第一个列向量与Λ的第一个元素的乘积作为新的gk，然后将gk中元素分配到合适位置，与更新前位置一一对应；这样就完成了一个原子的更新且保证稀疏系数满足稀疏度的约束；同理，按照相同的方法依次对字典D中其他各个原子进行更新。
基于信号稀疏表示的NPC三电平逆变器故障诊断方法
技术领域
背景技术
发明内容
附图说明
具体实施方式
30，将其作为分析的特征信号，数据样本总数为657个，组成30×657的数据样本矩阵。按照同样的方法进一步采集520V45kw、520V50kw、520V55kw工况情形下三相相电压数据作为测试样本，测试样本的总数为219个，组成30×219的测试样本矩阵。
0,…,0.11003,0,…,0.09975,0,…,0]为第一个信号的特征向量。因为字典原子数目为40，所以第一个信号得到的稀疏系数组成的向量由40个元素组成，其中非零元素个数为4，其余
36个元素全为0。按照同样的方法得到657个数据样本的特征向量作为新的样本数据。进一步用正交匹配追踪算法得到测试样本30×219在字典D上的稀疏系数X_test。从而实现对训练数据和测试数据的全部样本数据的特征提取。在故障辨识方法上，选择“一对一”多分类支持向量机分类器对故障类型进行辨识，设置合适的参数和核函数，首先用训练数据对多分类支持向量机进行训练，完成训练结束后，得到多分类支持向量机训练模型，接着用测试样本进行测试。附图8所示为测试样本的辨识结果，通过对比测试样本的实际标签和期望标签，只有1个故障类型预测失败，测试样本的故障诊断正确率达到99.54％，仿真实验表明，基于信号稀疏表示和支持向量机结合的故障诊断方法在NPC三电平逆变器故障诊断领域有很好的诊断效果。
2，…，73分别对73种故障进行区分。四组对比试验参数设置分别为：小波包变换参数设置为小波基选取db5小波，分解层数为3层，PCA参数设置为累计主元贡献率η＝90％，神经网络参数设置为隐含层函数logsig，输出层函数为tansig，训练函数为trainlm，误差为0.005。K-SVD算法中，稀疏度为4，字典大小为30×40，迭代次数为10。表2为不同诊断方法的参数设置，表3为不同故障诊断方法的诊断结果。通过比较不同的故障特征提取方法和故障辨识方法，我们发现信号稀疏表示和支持向量机结合的方法故障诊断的正确率最高，相较于其他方法具有更好的诊断效果。
小波包+BP神经网络 91.78％(201/219)
小波包+PCA+BP神经网络 94.52％(207/219)
稀疏表示+BP神经网络 98.63％(216/219)
稀疏表示+支持向量机 99.54％(218/219)
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基于维数任意的分块哈达玛测量矩阵的压缩感知信号重建方法 | 2020-05-08 | 332 |
| 一种移动闭塞下的高铁列车群多目标控制方法 | 2020-05-13 | 395 |
| 一种基于三维地理信息的大场景跨境头目标追踪方法和系统 | 2020-05-14 | 341 |
| 三维虚实融合实验系统 | 2020-05-14 | 536 |
| 一种头戴式助视装置 | 2020-05-08 | 52 |
| 基于改进KSVD算法的表面肌电信号压缩重构方法 | 2020-05-12 | 922 |
| 一种识别强对流云团的方法及装置 | 2020-05-13 | 841 |
| 预制结构面混凝土单孔爆破试验装置和试验方法 | 2020-05-14 | 413 |
| 基于CFF码和RS码的抗合谋电力数据指纹编码方法 | 2020-05-12 | 278 |
| 一种基于增强现实技术的机房室内导航和设备追踪的方法 | 2020-05-12 | 47 |
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。
