混杂系统鲁棒故障诊断

在混杂系统的参数性故障诊断中,由于参数的不确定性,会导致元件标称值发生偏移,错误报警频发导致常规自适应阈值的残差评估方法鲁棒性较差。针对上述问题,引入一种在故障检测阶段增强残差决策性能的方法。基于键合图(BG)理论,使用全局解析冗余关系在并网逆变器中进行故障检测与隔离,搭建BG的线性分式变换的混合诊断键图进行参数性故障诊断,可从模型中解耦出不确定部分,减少残差评估时上述错误报警现象且与增量键合图方法进行鲁棒性对比。在20-sim软件以中点钳位型逆变器为例验证了该策略的有效性。

基于键合图的T型逆变器参数性故障诊断

针对三电平并网逆变器早期参数性退化特征难以提取,传统的基于电压和电流的故障诊断方法存在诊断困难的问题,提出基于键合图(Bond Graph, BG)理论来建立三电平T型逆变器的键合图模型,根据T型三电平逆变器的BG模型推导出了其全局解析冗余关系式(Global Analytical Redundancy RelatIons, GARRs),列出了故障特征矩阵(fault signature matrix, FSM)。通过比较T型逆变器在正常情况下与参数退化情况下的残差信号实现了对逆变器多故障源的参数性故障诊断。最后在20-sim仿真平台上验证了上述方法的有效性。

并网逆变器早期故障诊断

并网逆变器是快切换系统且长期处在恶劣工况环境中,可控器件自身标称值便发生偏移,逐渐向硬性故障转化,会造成重大经济损失甚至人员伤亡等。因此,以中点钳位(NPC)型并网逆变器为例,根据键合图(BG)理论建立NPC型逆变器的BG模型,并在BG模型中加入势(De)和流(Df)传感器建立该系统的诊断混合键图(DHBG)模型,再通过覆盖路径法利用节点的特性方程推导出全局解析冗余关系(GARRs)得到故障特征矩阵(FSM),进而对逆变器早期故障进行检测和定位(FDI),并设计了自适应阈值以减少错误报警现象。最后,利用20-sim平台进行仿真研究,验证了基于BG模型的GARRs方法在并网逆变器早期故障诊断方面的有效性。

基于模型的并网逆变器早期故障参数辨识

以三电平T型逆变器为研究对象,研究了并网逆变器系统早期故障下的退化参数辨识方法.首先,基于键合图理论(bond graph,BG)结合逆变器系统早期故障下的参数退化特征建立了系统的混合键合图模型(hybrid bond graph,HBG);然后采用遍历路径法推导出了符合能量守恒的全局解析冗余关系式(global analytical redundancy relationships,GARRs),由此建立起系统的数学模型,并基于该系统行为约束方程将故障参数的辨识问题转化为对目标函数的优化问题;最后,通过麻雀搜索算法(sparrow search algorithm,SSA)对所构造出的函数进行参数寻优,并在20-sim和Matlab的联合仿真下,实现了对已发生参数退化情况下的逆变器系统的故障参数辨识.通过对辨识结果的分析,验证了基于GARRs和SSA的方法在并网逆变器早期故障参数辨识方面的有效性和可行性.