基于独立主成分分析的PWM逆变电路的故障诊断
刘玲
摘 要： PWM逆变电路故障具有多发性和非线性相关性，对其准确检测的难度较大。为了提高PWM逆变电路的故障诊断性能，提出基于独立主成分分析的PWM逆变电路的故障诊断方法，采用电路输出信号测量方法进行故障状态特征检测，对采集的PWM逆变电路信号进行调理和抗混叠滤波处理，提取检测信号的独立主成分特征，实现故障识别。仿真结果表明，采用该方法进行PWM逆变电路故障诊断的准确检测性能较好，故障诊断可靠稳定。
关键词： 独立主成分分析； PWM逆变电路； 故障诊断； 信号测量
中图分类号： TN710?34； TP277 文献标识码： A 文章编号： 1004?373X（2017）05?0147?04
Abstract： The fault of the PWM inverter circuit has the characteristics of malfunction and nonlinear correlation， and it is difficult to detect its accuracy. In order to improve the fault diagnosis performance of the PWM inverter circuit， the PWM inverter circuit fault diagnosis method based on independent principal component analysis is proposed. The measuring method of the circuit output signal is used to detect the fault state feature to perform the conditioning and anti?aliasing filtering for the acquired signal of the PWM inverter circuit， and extract the independent principal component characteristics of the signal， so as to recognize the fault. The simulation results show that the method has better accurate detection performance for PWM inverter circuit fault diagnosis， and the fault diagnosis is reliable and stable.
Keywords： independent principal component analysis； PWM inverter circuit； fault diagnosis； signal measurement
0 引 言
PWM逆变电路广泛应用在调制解调通信、信号放大系统和信号调理系统中，在实现电压逆变和信号增强方面具有较大的应用价值。PWM逆变电路要求输出时钟频率精确、稳定，但在PWM逆变电路中，存在来自外部的有源晶振干扰和内部寄生振荡的扰动，容易产生电路故障[1?2]，为了保障PWM逆变电路稳定、可靠的工作，需要进行有效的电路故障诊断，研究PWM逆变电路故障诊断的优化方法在提高電路系统的稳定性方面具有重要意义。
对电路故障诊断的原理是通过对电路输出信号进行特征检测和分析，采用信号测量方法完成电路输出信号的滤波、采集和处理，提供给专家系统做出诊断决策[3]，实现对PWM逆变电路故障产生的原因、性质和特征进行分析。典型的电路故障诊断方法按照检测手段分为电路寄生振荡检测法、混叠谱分析方法、超声检测方法等。按照诊断原理可分为时域分析诊断方法、频域分析诊断方法、统计分析诊断法和信息论分析方法等[4]。其他的人工智能诊断方法还有神经网络诊断法和专家系统法，一般来说，上述方法都是将采集的电路信号直接来判别PWM逆变电路的运行状态，结合滤波电路滤除与故障无关的信息，进行信号的统计特征量分析，但通常从检测的电路信号直接判别PWM逆变电路的故障运行状态是比较困难的，特别是PWM逆变电路的物理量变化复杂，元件的组成要素较多，存在非线性特征干扰和寄生振荡，故障具有多发性，常规的检测方法难以实现有效的故障诊断。
为了提高PWM逆变电路的故障诊断性能，提出基于独立主成分分析的PWM逆变电路的故障诊断方法，并通过仿真实验测试其可行性。
1 PWM逆变电路故障诊断原理
PWM逆变电路状态识别和故障诊断的第一步是信号的检测测量，采用信号处理和滤波方法实现对PWM逆变电路的输出振荡信号和寄生信号的采集和测量。PWM逆变电路的故障诊断原理如图1所示[5]。
2 电路信号测量稳态指标选取
分析故障诊断原理可知，进行PWM逆变电路故障诊断的首要一步是进行电路信号测量，信号的测量和调理是进行PWM逆变电路状态监测和故障诊断最基础的工作，采用传感器测量方法，将电路中的敏感元件测量信号转换为电量变化信号，假设PWM逆变电路敏感元件测量信号的表达式为：
图3 电路故障诊断的实现流程
4 故障诊断的仿真测试
采用Matlab 2014工具箱中的Simulink平台构建PWM逆变电路，进行故障诊断分析仿真实验，电路的故障信号测量节点分为6个节点，故障信号采样中，每种状态样本为100个[8]，采集600组信号样本进行故障特征提取和独立主成分分析[9]，信号测量节点间的相关系数分布见表1。
对采集的PWM逆变电路信号进行调理和抗混叠滤波处理，对PWM逆变电路的主成分分析的PCA结果见表2。从表2可知，选择的PWM逆变电路信号测量节点的主成分特征对故障诊断具有较高的累积贡献百分率，平均百分率达到96.89%，说明选择的信号测量节点进行故障诊断具有显著性特征，可以作为故障检测的信号输入源。
以表2结果为基础进行故障诊断，得到测量信号的一组样本如图4所示。以故障诊断的准确检测概率为测试技术指标，进行诊断性能分析，图5给出了采用本文方法和传统方法，经过1 000次实验，在不同干扰强度下进行PWM逆变电路故障诊断的准确度的平均值，结果可见，本文方法的故障诊断准确度高于传统方法，可靠性较好。
5 结 语
为了提高PWM逆变电路的故障诊断性能，保障电路的可靠稳定工作，提出基于独立主成分分析的PWM逆变电路的故障诊断方法，采用电路输出信号的测量方法进行故障状态特征检测，对采集的PWM逆变电路信号进行调理和抗混叠滤波处理，提取检测信号的独立主成分特征，实现故障识别。结果表明，采用本文方法进行PWM逆变电路故障诊断的准确检测性能较好，具有较好的应用价值。
参考文献
[1] 温阳东，宋阳，王颖鑫，等.基于模糊神经网络的电力变压器故障诊断[J].计算机测量与控制，2013，21（1）：39?41.
[2] 孙海亮，訾艳阳，何正嘉.多小波自适应分块阈值降噪及其在轧机齿轮故障诊断中的应用[J].振动工程学报，2013，26（1）：127?134.
[3] 孙云嵩，于德介，陈向民，等.基于信号共振稀疏分解的阶比分析及其在齿轮故障诊断中的应用[J].振动与冲击，2013，32（16）：88?94.
[4] 韩晓冬.基于小波神经网络的电网故障定位技术研究[J].科技通报，2013，29（6）：59?61.
[5] 王永旭，温渤婴.高压直流输电交流滤波器与交流系统最大并联阻抗的分析与计算[J].中国电机工程学报，2015，35（11）：2703?2710.
[6] 索中英，程嗣怡，袁修久，等.优势决策信息系统规则获取方法及应用[J].兵工学报，2015，26（3）：539?544.
[7] 于晗，钟志勇，黄杰波，等.采用拉丁超立方采样的电力系统概率潮流计算方法[J].电力系统自动化，2009，33（21）：32?36.
[8] 朱洪.基于D?S证据和POS神经网络的电路故障诊断[J].计算机测量与控制，2013，21（4）：868?870.
[9] 姚文軒，滕召胜，唐求，等.非同步采样下电力系统相量测量修正算法[J].仪器仪表学报，2013，34（7）：1518?1524.
摘 要： PWM逆变电路故障具有多发性和非线性相关性，对其准确检测的难度较大。为了提高PWM逆变电路的故障诊断性能，提出基于独立主成分分析的PWM逆变电路的故障诊断方法，采用电路输出信号测量方法进行故障状态特征检测，对采集的PWM逆变电路信号进行调理和抗混叠滤波处理，提取检测信号的独立主成分特征，实现故障识别。仿真结果表明，采用该方法进行PWM逆变电路故障诊断的准确检测性能较好，故障诊断可靠稳定。
关键词： 独立主成分分析； PWM逆变电路； 故障诊断； 信号测量
中图分类号： TN710?34； TP277 文献标识码： A 文章编号： 1004?373X（2017）05?0147?04
Abstract： The fault of the PWM inverter circuit has the characteristics of malfunction and nonlinear correlation， and it is difficult to detect its accuracy. In order to improve the fault diagnosis performance of the PWM inverter circuit， the PWM inverter circuit fault diagnosis method based on independent principal component analysis is proposed. The measuring method of the circuit output signal is used to detect the fault state feature to perform the conditioning and anti?aliasing filtering for the acquired signal of the PWM inverter circuit， and extract the independent principal component characteristics of the signal， so as to recognize the fault. The simulation results show that the method has better accurate detection performance for PWM inverter circuit fault diagnosis， and the fault diagnosis is reliable and stable.
Keywords： independent principal component analysis； PWM inverter circuit； fault diagnosis； signal measurement
0 引 言
PWM逆变电路广泛应用在调制解调通信、信号放大系统和信号调理系统中，在实现电压逆变和信号增强方面具有较大的应用价值。PWM逆变电路要求输出时钟频率精确、稳定，但在PWM逆变电路中，存在来自外部的有源晶振干扰和内部寄生振荡的扰动，容易产生电路故障[1?2]，为了保障PWM逆变电路稳定、可靠的工作，需要进行有效的电路故障诊断，研究PWM逆变电路故障诊断的优化方法在提高電路系统的稳定性方面具有重要意义。
对电路故障诊断的原理是通过对电路输出信号进行特征检测和分析，采用信号测量方法完成电路输出信号的滤波、采集和处理，提供给专家系统做出诊断决策[3]，实现对PWM逆变电路故障产生的原因、性质和特征进行分析。典型的电路故障诊断方法按照检测手段分为电路寄生振荡检测法、混叠谱分析方法、超声检测方法等。按照诊断原理可分为时域分析诊断方法、频域分析诊断方法、统计分析诊断法和信息论分析方法等[4]。其他的人工智能诊断方法还有神经网络诊断法和专家系统法，一般来说，上述方法都是将采集的电路信号直接来判别PWM逆变电路的运行状态，结合滤波电路滤除与故障无关的信息，进行信号的统计特征量分析，但通常从检测的电路信号直接判别PWM逆变电路的故障运行状态是比较困难的，特别是PWM逆变电路的物理量变化复杂，元件的组成要素较多，存在非线性特征干扰和寄生振荡，故障具有多发性，常规的检测方法难以实现有效的故障诊断。
为了提高PWM逆变电路的故障诊断性能，提出基于独立主成分分析的PWM逆变电路的故障诊断方法，并通过仿真实验测试其可行性。
1 PWM逆变电路故障诊断原理
PWM逆变电路状态识别和故障诊断的第一步是信号的检测测量，采用信号处理和滤波方法实现对PWM逆变电路的输出振荡信号和寄生信号的采集和测量。PWM逆变电路的故障诊断原理如图1所示[5]。
2 电路信号测量稳态指标选取
分析故障诊断原理可知，进行PWM逆变电路故障诊断的首要一步是进行电路信号测量，信号的测量和调理是进行PWM逆变电路状态监测和故障诊断最基础的工作，采用传感器测量方法，将电路中的敏感元件测量信号转换为电量变化信号，假设PWM逆变电路敏感元件测量信号的表达式为：
图3 电路故障诊断的实现流程
4 故障诊断的仿真测试
采用Matlab 2014工具箱中的Simulink平台构建PWM逆变电路，进行故障诊断分析仿真实验，电路的故障信号测量节点分为6个节点，故障信号采样中，每种状态样本为100个[8]，采集600组信号样本进行故障特征提取和独立主成分分析[9]，信号测量节点间的相关系数分布见表1。
对采集的PWM逆变电路信号进行调理和抗混叠滤波处理，对PWM逆变电路的主成分分析的PCA结果见表2。从表2可知，选择的PWM逆变电路信号测量节点的主成分特征对故障诊断具有较高的累积贡献百分率，平均百分率达到96.89%，说明选择的信号测量节点进行故障诊断具有显著性特征，可以作为故障检测的信号输入源。
以表2结果为基础进行故障诊断，得到测量信号的一组样本如图4所示。以故障诊断的准确检测概率为测试技术指标，进行诊断性能分析，图5给出了采用本文方法和传统方法，经过1 000次实验，在不同干扰强度下进行PWM逆变电路故障诊断的准确度的平均值，结果可见，本文方法的故障诊断准确度高于传统方法，可靠性较好。
5 结 语
为了提高PWM逆变电路的故障诊断性能，保障电路的可靠稳定工作，提出基于独立主成分分析的PWM逆变电路的故障诊断方法，采用电路输出信号的测量方法进行故障状态特征检测，对采集的PWM逆变电路信号进行调理和抗混叠滤波处理，提取检测信号的独立主成分特征，实现故障识别。结果表明，采用本文方法进行PWM逆变电路故障诊断的准确检测性能较好，具有较好的应用价值。
参考文献
[1] 温阳东，宋阳，王颖鑫，等.基于模糊神经网络的电力变压器故障诊断[J].计算机测量与控制，2013，21（1）：39?41.
[2] 孙海亮，訾艳阳，何正嘉.多小波自适应分块阈值降噪及其在轧机齿轮故障诊断中的应用[J].振动工程学报，2013，26（1）：127?134.
[3] 孙云嵩，于德介，陈向民，等.基于信号共振稀疏分解的阶比分析及其在齿轮故障诊断中的应用[J].振动与冲击，2013，32（16）：88?94.
[4] 韩晓冬.基于小波神经网络的电网故障定位技术研究[J].科技通报，2013，29（6）：59?61.
[5] 王永旭，温渤婴.高压直流输电交流滤波器与交流系统最大并联阻抗的分析与计算[J].中国电机工程学报，2015，35（11）：2703?2710.
[6] 索中英，程嗣怡，袁修久，等.优势决策信息系统规则获取方法及应用[J].兵工学报，2015，26（3）：539?544.
[7] 于晗，钟志勇，黄杰波，等.采用拉丁超立方采样的电力系统概率潮流计算方法[J].电力系统自动化，2009，33（21）：32?36.
[8] 朱洪.基于D?S证据和POS神经网络的电路故障诊断[J].计算机测量与控制，2013，21（4）：868?870.
[9] 姚文軒，滕召胜，唐求，等.非同步采样下电力系统相量测量修正算法[J].仪器仪表学报，2013，34（7）：1518?1524.
