基于CNN的三相逆变器开路故障诊断及其样本条件分析

为了合理选择样本条件以实现高效的智能化诊断,以及克服智能化方法中传统反向传播(back propagation, BP)网络权值较多、局部信息提取能力不足的问题,对基于卷积神经网络(convolutional neural network, CNN)的开路故障诊断方法进行研究,并以典型的三相两电平逆变器为具体对象,着重分析样本时长、样本数量变化时,CNN方法相较于BP网络方法在网络权值数量、训练稳定性、诊断准确率上的量化优势。结果表明,基于CNN的方法可在权值数量远少于BP网络方法的情况下构建深度更深的诊断模型,并在更短样本时长、更少训练样本数量下实现高效、准确的开路故障诊断。     

一种模块化多电平变换器的改进型预充电策略

为实现基于模块化多电平变换器(modular multilevel converter, MMC)的变频驱动系统启动前对电容的平稳准确充电,提出了一种预充电策略。MMC预充电过程可分为不控充电阶段和可控充电阶段。以可控充电阶段的控制策略为研究重点,分析了充电电流恒定时的电压变化规律,给出了充电电流控制方程。该策略充电时间可调,无需实时观测子模块电容电压,能使各电容电压平均、平稳上升,半实物仿真证明了所提方案的正确性和有效性,为MMC驱动电机提供了应用基础。