基于支持向量機(jī)的級(jí)聯(lián)式變頻器功率單元故障診斷.pdf

1、隨著變頻調(diào)速技術(shù)的普及，級(jí)聯(lián)式變頻器被大量應(yīng)用于驅(qū)動(dòng)泵類(lèi)、風(fēng)機(jī)以及壓縮機(jī)等大型機(jī)械設(shè)備，是目前節(jié)約電能、改造傳統(tǒng)工業(yè)、推進(jìn)技術(shù)創(chuàng)新的重要設(shè)備之一，但在實(shí)際運(yùn)行中容易發(fā)生各種故障。因此，對(duì)其故障診斷方法展開(kāi)深入的研究是相當(dāng)有必要的。
　　本文首先以級(jí)聯(lián)式變頻器的功率單元為研究對(duì)象。在對(duì)級(jí)聯(lián)式變頻器的發(fā)展現(xiàn)狀、結(jié)構(gòu)以及工作原理進(jìn)行介紹的基礎(chǔ)上，利用MATLAB的Simulink模塊建立其仿真模型，并分別對(duì)其IGBT管的開(kāi)路故障和直流母

2、線濾波電解電容老化故障進(jìn)行了模擬仿真。通過(guò)對(duì)其在各個(gè)故障情況下的輸出信號(hào)進(jìn)行詳細(xì)對(duì)比分析，總結(jié)其各種故障的特征規(guī)律，并利用小波包分解提取信號(hào)的頻帶能量值，得到其故障特征向量，將其當(dāng)作SVM的訓(xùn)練與測(cè)試樣本。
　　其次，文中系統(tǒng)介紹了支持向量機(jī)（Support Vector Machine，SVM）的相關(guān)理論，在SVM的基礎(chǔ)上所提出的最小二乘支持向量機(jī)（Least Square Support Vector Machine，LSSV

3、M）算法克服了SVM所存在的計(jì)算量大、收斂速度慢等不足，并介紹了LSSVM的基本原理和分類(lèi)方法。針對(duì)LSSVM模型容易受正則化參數(shù)和核參數(shù)影響的缺點(diǎn)，采用粒子群（Particle Swarm Optimization，PSO）算法來(lái)優(yōu)化其參數(shù)，并介紹了PSO的基本理論。為了提高故障診斷的速度和正確率，提出了一種改進(jìn)的粒子群算法（Improved Particle Swarm Optimization，IPSO）來(lái)對(duì)LSSVM的參數(shù)進(jìn)行優(yōu)