【摘 要】
:
功率变换器是实现电能高效利用的核心设备,被广泛应用于电动汽车、航空航天、新能源、数控机床、化工冶炼等领域。随着科技水平的不断提升和人类对生存环境的不断探索,日益恶劣、复杂的工况对功率变换器可靠性要求越来越高。故障诊断技术是提升功率变换器可靠性的重要手段,其对故障器件进行检测与定位,从而为维护决策、容错控制提供依据,保证了设备的安全性、可靠性、经济性以及无人化作业的能力。本文以三相四线T-type整
论文部分内容阅读
功率变换器是实现电能高效利用的核心设备,被广泛应用于电动汽车、航空航天、新能源、数控机床、化工冶炼等领域。随着科技水平的不断提升和人类对生存环境的不断探索,日益恶劣、复杂的工况对功率变换器可靠性要求越来越高。故障诊断技术是提升功率变换器可靠性的重要手段,其对故障器件进行检测与定位,从而为维护决策、容错控制提供依据,保证了设备的安全性、可靠性、经济性以及无人化作业的能力。本文以三相四线T-type整流器为研究对象,对其功率管开路故障诊断方法展开一系列研究。本文介绍了三相四线T-type整流器系统的双闭环控制和SVPWM调制原理,分析了上桥臂、下桥臂和中桥臂功率管故障下电容电压和相电流的畸变特性。以电容电压作为故障特征量提出了基于电容电压对称性的中桥臂功率管故障诊断算法。该算法根据电容电压的三次波动的性质和对称性,结合电网锁相环得到的相位信息,可对三相中桥臂共六种功率管故障进行诊断。为了提高诊断算法的鲁棒性,提出了基于波动周期内的峰值构造具有自适应能力的诊断阈值。本文以相电流作为故障特征量设计了基于零电流的涵盖上桥臂、下桥臂和中桥臂功率管故障诊断算法。首先提出了零电流的概念用于实现故障检测。针对故障管的定位提出了分级判断的策略:结合故障检测时刻对应电网电压的极性信息判断第一级故障;计算重叠零电流区间来设计合理的自适应变化的故障定位阈值,判断第二级故障,用于区分中桥臂和上下桥臂功率管故障之间的故障相似性。该算法可对十二种单管故障类型进行诊断。本文搭建了三相四线T-type整流器Matlab/Simulink故障仿真平台对所提出的两种算法进行仿真验证,参与构建了物理实验平台,并开展了物理实验验证。仿真和实验结果表明,本文所提出的故障诊断算法能准确、快速诊断出功率管开路故障,且对变压变载、电网谐波等具有强鲁棒性,具有重要的工程应用价值。
其他文献
随着自动化、智能化逐渐普及以及计算平台性能的提高和成本的降低,机器视觉技术在路面等自然场景中有了更多的应用。目前目标检测框架大多使用端对端的深度神经网络结构,需要进行大量的卷积操作,极其依赖GPU硬件的算力,成本较高,且需要大量训练集训练来保证检出效果。本文设计了一个用于垃圾清扫车上的车载垃圾识别算法,用来辅助垃圾清扫车完成垃圾清扫任务。通过车载相机拍摄路面图片,检测出路面中的垃圾目标,根据垃圾种
近几十年来计算机视觉技术飞速发展,自动目标识别技术在民用军用中的作用也日益突出,在行人检测、智能驾驶、无人机作战等实际场景中均得到了广泛应用。随着自动目标识别技术的发展,如何综合地评价基于不同模型的目标识别算法的性能,是实际应用中十分重要的问题。本文针对自动目标识别算法的性能评价问题,以一些目前主流的自动目标识别算法为对象,设计了一套性能评价指标体系,并提出了一种性能评价方法,对目标识别算法在行人
形状匹配问题是形状识别、形状检索、形状模型重建等关键技术的研究基础,主要可分为刚性形状匹配与非刚性形状匹配。其中,非刚性形状匹配问题由于受到复杂变形因素的影响,实现匹配难度更大,也更具有挑战性。传统的非刚性形状匹配算法,大多基于手工设计的特征描述子,通过特征之间的相似性度量来实现。然而在形状拉伸、扭曲、等距变形等复杂变换影响下,手工设计特征往往存在区分性差、鲁棒性低等问题。近年来,深度神经网络由于
<正>2020年初,新冠肺炎疫情爆发,对全球民航业带来前所未有的巨大冲击,必将深刻影响未来发展格局。现就疫情之后全球航空业的发展情况进行分析。全球航空业发展基本特性特性1:从历史数据来看,全球民航市场发展与经济社会发展速度、发展质量紧密相关,平均年增长率约为全球GDP平均年增长率的2倍或以上,在经济稳定发展时期民航增长也保持稳定态势,但经济波动时民航的波动幅度远大于经济波动(如图1),堪称经济的"
目标检测是计算机视觉研究领域的一个基础课题,在自动驾驶,工业制造以及医疗等应用领域也有重要的应用价值。其中,目标的定位精度不仅仅是衡量目标检测的重要指标,对其应用也有显著的影响。本文以经典的Faster R-CNN为例,从样本分配、网络结构以及损失函数三个角度出发对模型进行分析和改进,以提升模型的定位精度。主要研究工作简述如下:(1)提出了基于动态样本分配的目标检测算法。原始的目标检测算法通常是基
锂电池因具有高功率密度、无记忆效应、使用寿命长等优点,在军事、交通、电站等领域具有广阔的应用前景。为了满足实际使用中不同的功率需求,通常将单体电池进行串并联连接形成电池组。对电池组中发生异常衰减电池进行定位处理,是保障储能系统高性能安全输出、避免故障甚至危险的关键。为此,本文针对电池组中异常衰减电池从识别定位、状态估计和维护决策三方面展开深入研究,旨在系统性地解决电池组中异常电池的精确定位、估计和
多视图数据是指对同一物体从不同视角进行描述的多个特征子集。充分挖掘视图间的一致性和互补性信息,对来源不同的特征子集加以融合进而做出更合理的决策是多视图学习的主要目标。典型相关性分析(CCA)是多视图学习中的重要方法,旨在为各视图寻找一个公共子空间以最大化视图间的相关性。传统的CCA方法只能处理两个视图的线性关系,无法应用于包含多个视图的、非线性的数据集。如果将CCA作为一种降维方法应用到分类、回归
神经接口能够提供神经系统与外部设备之间的信息交流通道,是一种在恢复瘫痪病人感觉和运动功能方面具有巨大潜力的新兴技术。其中,植入式脑机接口是当前最前沿的交叉研究领域之一,有许多问题亟待解决。在神经信号编解码方面,由于神经信号具有非平稳特性,不同时段的神经信号数据存在统计分布差异,经由历史数据训练的解码器往往不能准确解码当前数据,因此脑机接口用户需要采集大量新样本用于解码器的重校准,这为用户带来沉重负
宫颈癌是常见妇科恶性肿瘤之一,对其进行定期筛查并及时治疗能有效降低女性因患宫颈癌的死亡率。宫颈细胞学筛查方法需要病理医生从宫颈脱落细胞涂片上的数十万细胞中筛选出异常细胞并做出宫颈病变程度的诊断。随着阅片量增加,人工阅片方法容易因为医生视觉疲劳造成误诊。宫颈癌细胞自动检测方法能够辅助医生诊断,提高阅片效率和准确度。现有的宫颈癌细胞检测算法在如何挖掘阴性图片中的难负样本,如何采样更具代表性的候选框样本
固体氧化物燃料电池(Solid Oxide Fuel Cell,SOFC)系统是一种使用燃料来发电的装置,具有低排放、高效率、长寿命的优点。然而,振荡的发生和传播在系统中是很常见的。当某些变量振荡时,发电系统的寿命会大大缩短,并且会影响系统的输出电特性。因此,为了防止振荡对系统造成不良影响,SOFC系统振荡根因分析、诊断和控制是非常重要的。一个独立的SOFC系统由多个子系统组成,每个子系统均包含多