模块化五电平逆变器子模块开路故障的智能诊断方法
基于深度学习理论,提出了一种基于栈式稀疏自动编码器(SSAE)的模块化五电平逆变器(MFLI)子模块开路故障诊断方法.该方法将MFLI子模块开路故障检测与定位问题转化成分类问题,首先将子模块电容电压信号组合成24通道序列信号,然后沿着24通道序列移动大小为24×40滑动窗口获得"数据带"样本,紧接着将"数据带"转化为向量输入到SSAE中进行逐层无监督特征学习,构建原始故障数据集的深层特征简明表达,最后将深层特征简明表达连接到Softmax分类器输出故障诊断结果.此外,为了提高该方法的抗噪性能,利用已添加高斯白噪声的数据对SSAE进行训练,以提高其特征表达的鲁棒性.结果表明,所提出的故障诊断方法平均准确度达到98.09％,故障平均诊断时间为31.47 ms,且具有较高的鲁棒性.
模块化五电平逆变器、无监督特征学习、栈式稀疏自动编码器、智能诊断、开路故障
42
国家自然科学基金资助项目61379063.This work is supported by National Natural Science Foundation of China61379063
2018-07-11（万方平台首次上网日期，不代表论文的发表时间）
共8页
127-133,147
