一种电力电子变换器故障诊断方法、终端设备及存储介质 .pdf

(19)中华人民共和国国家知识产权局

(12)发明专利说明书

(10)申请公布号CN110490248A

(43)申请公布日2019.11.22

(21)申请号CN201910756502.X

(22)申请日2019.08.16

(71)申请人集美大学

地址361000福建省厦门市集美区银江路185号

(72)发明人王荣杰韩冉林安辉崔博文曾广淼

(74)专利代理机构厦门市精诚新创知识产权代理有限公司

代理人何家富

(51)Int.CI

权利要求说明书说明书幅图

(54)发明名称

一种电力电子变换器故障诊断方

法、终端设备及存储介质

(57)摘要

本发明涉及一种电力电子变换器故

障诊断方法、终端设备及存储介质，该方

法中包括：S1：设定变换器的故障类型，

采集所有故障类型对应的变换器的输出电

压数据作为训练集；S2：构建稀疏自编码

器模型，通过训练集对稀疏自编码器模型

进行训练后，将训练集输入训练后的稀疏

自编码器模型得到模型的中间层输出的中

间数据集；S3：构建宽度学习模型，将训

练集和中间数据集共同输入宽度学习模型

中进行训练得到训练后的模型；S4：根据

训练后的稀疏自编码器模型和宽度学习模

型对变换器的故障类型进行诊断。本发

明，能够有效的解决由固定步长带来的收

敛速度慢的弊端，且与其他传统的方法具

有较高的精度。

法律状态

法律状态公告日法律状态信息法律状态

2019-12-17实质审查的生效实质审查的生效

2019-11-22公开公开

权利要求说明书

1.一种电力电子变换器故障诊断方法,其特征在于,包括以下步骤:

S1:设定变换器的故障类型,采集所有故障类型对应的变换器的输出电压数据作为训

练集;

S2:构建稀疏自编码器模型,通过训练集对稀疏自编码器模型进行训练后,将训练集输

入训练后的稀疏自编码器模型得到模型的中间层输出的中间数据集;

S3:构建宽度学习模型,将训练集和中间数据集共同输入宽度学习模型中进行训练得

到训练后的模型;

S4:将待诊断变换器的输出电压数据输入训练后的稀疏自编码器模型得到中间层输

出后,将输出电压数据和中间层数据共同输入宽度学习模型中,根据宽度学习模型的

输出结果对其故障类型进行诊断。

2.根据权利要求1所述的电力电子变换器故障诊断方法,其特征在于:步骤S3具体包

括以下步骤:

S31:将训练集作为宽度学习模型的增强节点H

j

,将对应的中间数据集作为宽度学习模型的映射特征Z

i

输入宽度学习模型,则宽度学习模型的输出为:

Y=[Z

1

,...Z

n

|H

1

,...,H

n

]W

n

=[Z

n

|H

n

]W

n

其中,W

n

表示输出层权重,竖线表示合并成一行;

S32:设定稀疏自编码器模型的中间层为:

Z=φ(W

1

X+b

1

)

则将宽度学习模型转换为:

σ=φ([X

1

,...X

n

|φ(XW

1

+b

1

)])

=φ([X|Z]W

n+m

)

其中,φ表示神经网络激活函数,σ表示宽度学习模型的实际输出,W

n+m

表示系统的权重系数;

S33:设定权重系数W

n+m

的更新方程为:

其中,E(.)表示宽度学习模型的损失函数,E(.)表示损失函数的导数,δ表示宽度学习模

型的期望输出,J表示步长,k∈[1,q]表示模型输出向量维数,t表示迭代次数;

S34:设定步J的更新方式为:

当满足E(W

n+m

)≤η时,设定步长等于常数l;

当满足E(W

n+m

)η时,设定步长J为;

其中,η表示参考值,γ1表示梯度补偿值;

S35:对宽度学习模型进行迭代训练