逆變器的故障檢測方法和裝置

1、(19)中民(12)發(fā)明專利申請(10)申請公布號(hào)(43)申請公布日CN 1040491592014.09.17A(21)申請?zhí)?01410208186.X(22)申請日2014.05.16(71)申請人北京京東方能源科技地址 100176 北京市北京澤路 11 號(hào) 1 號(hào)樓一層技術(shù)開發(fā)區(qū)地申請人京東方科技(72)發(fā)明人艷李津(74)專利機(jī)構(gòu) 北京天昊知識(shí)產(chǎn)權(quán)11112人陳源(51)Int.Cl.G01R 31/00 (2006.01)權(quán)利要求書2頁 說明書6頁附圖2頁(54) 發(fā)明名稱逆變器的故障檢測方法和檢測裝置(57) 摘要本發(fā)明提供一種逆變器的故障檢測方法，該故障檢測方法包括 ：S10

2、、將逆變器的輸出電壓信號(hào)進(jìn)行對(duì)換，以得到電壓諧波信號(hào) ；S20、換后的電壓諧波信號(hào)進(jìn)行分類 ；S30、確定各種類型的換后的電壓諧波信號(hào)所對(duì)應(yīng)的故障類型。相應(yīng)地，本發(fā)明還提供一種逆變器的故障檢測裝置。與現(xiàn)有技術(shù)相比，本發(fā)明能夠提高逆變器的故障檢測效率。CN 104049159 A權(quán)利要求書CN 104049159 A1/2 頁1. 一種逆變器的故障檢測方法，其特征在于，該故障檢測方法包括 ：S10、將逆變器的輸出電壓信號(hào)進(jìn)行換，以得到電壓諧波信號(hào) ；S20、對(duì)換后的電壓諧波信號(hào)進(jìn)行分類 ；S30、確定各種類型的換后的電壓諧波信號(hào)所對(duì)應(yīng)的故障類型。2. 根據(jù)權(quán)利要求 1 所述的逆變器的故障檢測方法

3、，其特征在于，在所述步驟 S20 中，利用神經(jīng)網(wǎng)絡(luò)模型對(duì)換后的電壓諧波信號(hào)進(jìn)行分類。3. 根據(jù)權(quán)利要求 1 所述的逆變器的故障檢測方法，其特征在于，所述逆變器的輸出電壓信號(hào)包括模擬電壓信號(hào)，所述步驟 S10 包括 ：S11、將所述逆變器的輸出的模擬電壓信號(hào)轉(zhuǎn)換為數(shù)字電壓信號(hào) ；S12、將轉(zhuǎn)換后的數(shù)字電壓信號(hào)進(jìn)行換。4. 根據(jù)權(quán)利要求 3 所述的逆變器的故障檢測方法，其特征在于，所述換。換包括快速5. 根據(jù)權(quán)利要求 2 所述的逆變器的故障檢測方法，其特征在于，所述步驟 S20 包括 ：S21、將所述神經(jīng)網(wǎng)絡(luò)模型的輸入信號(hào)進(jìn)行歸一化 ；S22、將所述歸一化后的值進(jìn)行降維。6. 根據(jù)權(quán)利要求 2 所

4、述的逆變器的故障檢測方法，其特征在于，所述故障檢測方法還包括在所述步驟 S10 之前執(zhí)行的至少一次神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程，該訓(xùn)練過程包括 ：S01、將逆變器的在預(yù)設(shè)故障狀態(tài)下的輸出信號(hào)進(jìn)行換，得到電壓諧波信號(hào) ；S02、將所述步驟 S01 中經(jīng)換后的諧波信號(hào)輸入神經(jīng)網(wǎng)絡(luò)模型的輸入層 ；S03、根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型的輸入信號(hào)和神經(jīng)網(wǎng)絡(luò)模型的預(yù)設(shè)輸出信號(hào)確定所述神經(jīng)網(wǎng)路模型的，以確定所述神經(jīng)網(wǎng)絡(luò)模型的分類機(jī)制，所述神經(jīng)網(wǎng)絡(luò)模型的預(yù)設(shè)輸出信號(hào)與所述預(yù)設(shè)故障狀態(tài)對(duì)應(yīng)。7. 根據(jù)權(quán)利要求 6 所述的逆變器的故障檢測方法，其特征在于，所述故障檢測方法包括多次神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程，該多次神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練

5、過程包括 ：調(diào)節(jié)逆變器的調(diào)制比，以獲得多個(gè)不同的調(diào)制比，每獲得一個(gè)調(diào)制比執(zhí)行一次所述神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程。8. 根據(jù)權(quán)利要求 7 所述的逆變器的故障檢測方法，其特征在于，所述故障檢測方法還包括在所述步驟 S10 之前執(zhí)行的至少一次神經(jīng)網(wǎng)絡(luò)模型的測試過程，該測試過程包括 ：S04、將逆變器的調(diào)制比的值調(diào)節(jié)為不同于所述訓(xùn)練過程中所對(duì)應(yīng)的調(diào)制比的值，并對(duì)逆變器在所述預(yù)設(shè)故障下的輸出信號(hào)進(jìn)行換 ；S05、將換后的諧波信號(hào)輸入所述神經(jīng)網(wǎng)絡(luò)模型 ；S06、比較所述神經(jīng)網(wǎng)絡(luò)模型的實(shí)際輸出信號(hào)和所述預(yù)設(shè)輸出信號(hào)是否一致，若是，則所述神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練；若否，則所述神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練失敗。9. 根據(jù)權(quán)利要求 7

6、所述的逆變器的故障檢測方法，其特征在于，所述故障檢測方法包括多次執(zhí)行的神經(jīng)網(wǎng)絡(luò)模型的測試過程。10. 一種逆變器的故障檢測裝置，其特征在于，所述故障檢測裝置包括 ：信號(hào)變換單元，用于將逆變器的輸出電壓信號(hào)進(jìn)行號(hào) ；換，以得到電壓諧波信分類單元，用于對(duì)換后的電壓諧波信號(hào)進(jìn)行分類 ；22權(quán)利要求書CN 104049159 A2/2 頁故障確定單元，用于確定各種類型的換后的電壓諧波信號(hào)所對(duì)應(yīng)的故障類型。11. 根據(jù)權(quán)利要求 10 所述的逆變器的故障檢測裝置，其特征在于，所述分類單元內(nèi)設(shè)置有神經(jīng)網(wǎng)絡(luò)模型，該神經(jīng)網(wǎng)絡(luò)模型用于對(duì)換后的電壓諧波信號(hào)進(jìn)行分類。12. 根據(jù)權(quán)利要求 10 所述的逆變器的故障檢測

7、裝置，其特征在于，所述逆變器的輸出電壓信號(hào)包括模擬電壓信號(hào)，所述故障檢測裝置還包括連接在所述逆變器與所述信號(hào)變換單元之間的模數(shù)轉(zhuǎn)換單元，該模數(shù)轉(zhuǎn)換單元能夠?qū)⑺瞿孀兤鬏敵龅哪M電壓信號(hào)轉(zhuǎn)換為數(shù)字電壓信號(hào)，且所述信號(hào)變換單元能夠?qū)⑥D(zhuǎn)換后的數(shù)字電壓信號(hào)進(jìn)行換。13. 根據(jù)權(quán)利要求 11 所述的逆變器的故障檢測裝置，其特征在于，所述分類單元能夠?qū)⑺錾窠?jīng)網(wǎng)絡(luò)模型的輸入信號(hào)進(jìn)行歸一化并將所述歸一化后的信號(hào)進(jìn)行降維。33說明書CN 104049159 A1/6 頁逆變器的故障檢測方法和檢測裝置技術(shù)領(lǐng)域0001本發(fā)明涉及逆變器的故障檢測領(lǐng)域，尤其涉及一種逆變器的故障檢測方法和逆變器的故障檢測裝置。背景技術(shù)

8、0002逆變器是一種把直流電轉(zhuǎn)變?yōu)榻涣麟姷淖儔浩?，廣泛適用于電動(dòng)工具、電腦、電視、洗衣機(jī)、風(fēng)扇等電器。級(jí)聯(lián)逆變器的輸以有多個(gè)電平的輸出從而得到了廣泛應(yīng)用，隨著級(jí)聯(lián)逆變輸出電平數(shù)的增加，對(duì)應(yīng)的電路中的功率器件的數(shù)目也隨之增加，使得電路的結(jié)構(gòu)和方式更加復(fù)雜，同時(shí)使得設(shè)備的故障率增加，因而逆變器的故障檢測尤為重要?，F(xiàn)有的逆變器檢測方法主要有 ：基于知識(shí)和經(jīng)驗(yàn)的故障檢測和基于支持向量機(jī)的故障檢測方法等。0003但是這些方法的檢測效率較低，需要檢測電路中多個(gè)位置，且應(yīng)用范圍較窄，不能適用于多種結(jié)構(gòu)不同的電路。發(fā)0004本發(fā)明的目的在于提供一種逆變器的故障檢測方法和檢測裝置，以提高逆變器的故障檢測效率。0

9、005為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種逆變器的故障檢測方法，該故障檢測方法包括 ：0006S10、將逆變器的輸出電壓信號(hào)進(jìn)行換，以得到電壓諧波信號(hào) ；0007S20、對(duì)換后的電壓諧波信號(hào)進(jìn)行分類 ；0008S30、確定各種類型的換后的電壓諧波信號(hào)所對(duì)應(yīng)的故障類型。0009優(yōu)選地，在所述步驟 S20 中，利用神經(jīng)網(wǎng)絡(luò)模型對(duì)進(jìn)行分類。換后的電壓諧波信號(hào)0010優(yōu)選地，所述逆變器的輸出電壓信號(hào)包括模擬電壓信號(hào)，所述步驟 S10 包括 ：0011S11、將所述逆變器的輸出的模擬電壓信號(hào)轉(zhuǎn)換為數(shù)字電壓信號(hào) ；0012S12、將轉(zhuǎn)換后的數(shù)字電壓信號(hào)進(jìn)行換。換。0013優(yōu)選地，所述換包括快速0014優(yōu)選地，

10、所述步驟 S20 包括 ：0015S21、將所述神經(jīng)網(wǎng)絡(luò)模型的輸入信號(hào)進(jìn)行歸一化 ；0016S22、將所述歸一化后的值進(jìn)行降維。0017優(yōu)選地，所述故障檢測方法還包括在所述步驟 S10 之前執(zhí)行的至少一次神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程，該訓(xùn)練過程包括 ：0018S01、將逆變器的在預(yù)設(shè)故障狀態(tài)下的輸出信號(hào)進(jìn)行號(hào) ；換，得到電壓諧波信0019S02、將所述步驟 S01 中經(jīng)換后的諧波信號(hào)輸入神經(jīng)網(wǎng)絡(luò)模型的輸入層 ；44說明書CN 104049159 A2/6 頁0020S03、根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型的輸入信號(hào)和神經(jīng)網(wǎng)絡(luò)模型的預(yù)設(shè)輸出信號(hào)確定所述神經(jīng)網(wǎng)路模型的，以確定所述神經(jīng)網(wǎng)絡(luò)模型的分類機(jī)制，所述神經(jīng)網(wǎng)絡(luò)

11、模型的預(yù)設(shè)輸出信號(hào)與所述預(yù)設(shè)故障狀態(tài)對(duì)應(yīng)。0021 優(yōu)選地，所述故障檢測方法包括多次神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程，該多次神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程包括 ：調(diào)節(jié)逆變器的調(diào)制比，以獲得多個(gè)不同的調(diào)制比，每獲得一個(gè)調(diào)制比執(zhí)行一次所述神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程。0022 優(yōu)選地，所述故障檢測方法還包括在所述步驟 S10 之前執(zhí)行的至少一次神經(jīng)網(wǎng)絡(luò)模型的測試過程，該測試過程包括 ：0023 S04、將逆變器的調(diào)制比的值調(diào)節(jié)為不同于所述訓(xùn)練過程中所對(duì)應(yīng)的調(diào)制比的值，并對(duì)逆變器在所述預(yù)設(shè)故障下的輸出信號(hào)進(jìn)行換 ；0024S05、將換后的諧波信號(hào)輸入所述神經(jīng)網(wǎng)絡(luò)模型 ；0025S06、比較所述神經(jīng)網(wǎng)絡(luò)模型的實(shí)際輸出信號(hào)和所

12、述預(yù)設(shè)輸出信號(hào)是否一致，若是，則所述神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練；若否，則所述神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練失敗。0026優(yōu)選地，所述故障檢測方法包括多次執(zhí)行的神經(jīng)網(wǎng)絡(luò)模型的測試過程。0027相應(yīng)地，本發(fā)明還提供一種逆變器的故障檢測裝置，所述故障檢測裝置包括 ：0028信號(hào)變換單元，用于將逆變器的輸出電壓信號(hào)進(jìn)行信號(hào) ；換，以得到電壓諧波0029分類單元，用于對(duì)換后的電壓諧波信號(hào)進(jìn)行分類 ；0030故障確定單元，用于確定各種類型的類型。換后的電壓諧波信號(hào)所對(duì)應(yīng)的故障0031優(yōu)選地，所述分類單元內(nèi)設(shè)置有神經(jīng)網(wǎng)絡(luò)模型，該神經(jīng)網(wǎng)絡(luò)模型用于對(duì)換后的電壓諧波信號(hào)進(jìn)行分類。0032 優(yōu)選地，所述逆變器的輸出電壓信號(hào)包括模擬電壓信號(hào)

13、，所述故障檢測裝置還包括連接在所述逆變器與所述信號(hào)變換單元之間的模數(shù)轉(zhuǎn)換單元，該模數(shù)轉(zhuǎn)換單元能夠?qū)⑺瞿孀兤鬏敵龅哪M電壓信號(hào)轉(zhuǎn)換為數(shù)字電壓信號(hào)，且所述信號(hào)變換單元能夠?qū)⑥D(zhuǎn)換后的數(shù)字電壓信號(hào)進(jìn)行換。0033優(yōu)選地，所述分類單元能夠?qū)⑺錾窠?jīng)網(wǎng)絡(luò)模型的輸入信號(hào)進(jìn)行歸一化并將所述歸一化后的信號(hào)進(jìn)行降維。0034與現(xiàn)有技術(shù)中的檢測逆變器電路的多個(gè)位置相比，本發(fā)明通過對(duì)逆變器的輸出電壓信號(hào)進(jìn)行換，從而將難以處理的時(shí)域信號(hào)轉(zhuǎn)換為便于分析的頻域信號(hào)，由于傅里換可以應(yīng)用于多種信號(hào)，因而檢測效率得到提高，適用范圍有所增大 ；且快速葉變換進(jìn)一步提高了檢測效率 ；另一方面，利用神經(jīng)網(wǎng)絡(luò)模型對(duì)電壓諧波信號(hào)進(jìn)行分類以

14、確定各類型電壓諧波信號(hào)所對(duì)應(yīng)的故障類型，進(jìn)而確定逆變器的輸出電壓信號(hào)所對(duì)應(yīng)的故障類型，提高了逆變器的故障檢測效率。同時(shí)，可以減少電壓檢測器件的使用，降低系統(tǒng)成本。附圖說明0035附圖是用來提供對(duì)本發(fā)明的進(jìn)一步理解，并且說明書的一部分，與下面的具體實(shí)施方式一起用于解釋本發(fā)明，但并不對(duì)本發(fā)明的限制。在附圖中 ：0036圖 1 所示的是本發(fā)明所提供的逆變器的故障檢測方法流程圖 ；55說明書CN 104049159 A3/6 頁0037圖 2 所示的是本發(fā)明所提供的逆變器的故障檢測裝置結(jié)構(gòu)示意圖。0038其中附圖標(biāo)記為 ：10、信號(hào)變換單元 ；20、分類單元 ；30、故障確定單元 ；40、模數(shù)轉(zhuǎn)換單元

15、 ；41、采樣保持電路 ；42、A/D 轉(zhuǎn)換電路。具體實(shí)施方式0039以下結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行詳細(xì)說明。應(yīng)當(dāng)理解的是，此處所描述的具體實(shí)施用于說明和解釋本發(fā)明，并不用于限制本發(fā)明。0040本發(fā)明提供一種逆變器的故障檢測方法，如圖 1 所示，該故障檢測方法包括 ：0041S10、將逆變器的輸出電壓信號(hào)進(jìn)行換，以得到電壓諧波信號(hào) ；0042S20、對(duì)換后的電壓諧波信號(hào)進(jìn)行分類 ；0043S30、確定各種類型的換后的電壓諧波信號(hào)所對(duì)應(yīng)的故障類型。換將原來難以處理的時(shí)域信號(hào)轉(zhuǎn)換為便于分析的頻域信號(hào)，通過對(duì)0044換后的電壓諧波信號(hào)進(jìn)行分類，從而確定各類型電壓諧波信號(hào)所對(duì)應(yīng)的故障類型，進(jìn)而

16、確定逆變器的輸出電壓信號(hào)所對(duì)應(yīng)的故障類型。與現(xiàn)有技術(shù)中的檢測電路的多個(gè)位置相比，可以提高故障檢測效率，且換對(duì)各種不壓信號(hào)進(jìn)行變換，即對(duì)不同結(jié)構(gòu)的逆變器電路進(jìn)行檢測，提高了檢測方法的適用范圍 ；同時(shí)，避免了對(duì)電路中多個(gè)位置進(jìn)行檢測，降低了系統(tǒng)成本。0045本發(fā)明可以采用多種方法對(duì)換后的電壓諧波信號(hào)進(jìn)行分類，為了提高分類的準(zhǔn)確度和分類速度，作發(fā)明的一種優(yōu)選實(shí)施方式，利用神經(jīng)網(wǎng)絡(luò)模型對(duì)換后的電壓諧波信號(hào)進(jìn)行分類。0046具體地，所述神經(jīng)網(wǎng)絡(luò)模型的輸入層可以設(shè)置有 20 50 個(gè)輸入節(jié)點(diǎn)，將換后得到的各次諧波信號(hào)依次輸入各個(gè)輸入節(jié)點(diǎn)，例如，將信號(hào)輸入第一個(gè)輸入節(jié)點(diǎn)，一次諧波信號(hào)輸入第二個(gè)輸入節(jié)點(diǎn)，二次

17、諧波信號(hào)輸入第三個(gè)輸入結(jié)點(diǎn)，以此類推。所述神經(jīng)網(wǎng)絡(luò)模型的輸出層的輸出節(jié)點(diǎn)的數(shù)量可以根據(jù)逆變器可能出現(xiàn)的故障的類別數(shù)而進(jìn)行設(shè)置。以所述逆變器包括 10 個(gè)功率器件為例，當(dāng)只考慮其中一個(gè)功率器件發(fā)生故障的情況時(shí)，所述逆變器的故障狀態(tài)有 10 種，分別為 ：第一個(gè)功率器件發(fā)生故障，第二個(gè)功率器件發(fā)生故障，第三個(gè)功率器件發(fā)生故障等等。這種情況下，所述神經(jīng)網(wǎng)絡(luò)模型的輸出節(jié)點(diǎn)的數(shù)量可以設(shè)置為 4 個(gè)，每個(gè)節(jié)點(diǎn)可以輸出 0、1 兩種信號(hào)，因而所述神經(jīng)網(wǎng)絡(luò)模型共可以輸出 16種不同的信號(hào)，其中的 10 種不同的信號(hào)與 10 種故障類型相對(duì)應(yīng)。例如，當(dāng)所述神經(jīng)網(wǎng)絡(luò)模型的輸出為 0001 時(shí)，可以逆變器的第一個(gè)功

18、率器件發(fā)生故障 ；當(dāng)所述神經(jīng)網(wǎng)絡(luò)模型的輸出為 0010 時(shí)，可以逆變器的第二個(gè)功率器件發(fā)生故障，以此類推。0047所述神經(jīng)網(wǎng)絡(luò)模型可以有多種輸出形式，例如可以在輸出層設(shè)置多個(gè)節(jié)點(diǎn)，也可以設(shè)置多個(gè)子神經(jīng)網(wǎng)絡(luò)模型，每個(gè)子神經(jīng)網(wǎng)絡(luò)模型的輸出層設(shè)置一個(gè)輸出節(jié)點(diǎn)，只要可以輸出不同的信號(hào)以區(qū)別不同的故障狀態(tài)即可。0048 應(yīng)用神經(jīng)網(wǎng)絡(luò)模型的好處在于，可以提高分類效率，對(duì)于結(jié)構(gòu)復(fù)雜而可能發(fā)生多種故障的逆變器，應(yīng)用所述神經(jīng)網(wǎng)絡(luò)模型可以提高檢測效率，換言之，本發(fā)明尤其適用于級(jí)聯(lián)逆變器。0049 通常，所述逆變器的輸出電壓信號(hào)包括模擬電壓信號(hào)，所述步驟 S10 可以包括 ：0050 S11、將所述逆變器的輸出的模

19、擬電壓信號(hào)轉(zhuǎn)換為數(shù)字電壓信號(hào) ；66說明書CN 104049159 A4/6 頁0051S12、將轉(zhuǎn)換后的數(shù)字電壓信號(hào)進(jìn)行換。0052本領(lǐng)域技術(shù)可以理解的是，所述步驟 S11 中將模擬電壓信號(hào)轉(zhuǎn)換為數(shù)字電壓信號(hào)的過程可以包括 ：對(duì)所述逆變器的輸出的模擬電壓信號(hào)進(jìn)行采樣、保持、量化和編碼四個(gè)過程。為了保證轉(zhuǎn)換精度，可以在采樣過程之前對(duì)所述模擬電壓信號(hào)進(jìn)行濾波，以降低所述模擬電壓信號(hào)中的混疊成分。0053為了提高變換，采用快速換的效率，更進(jìn)一步地，所述換可以包括快速葉換的方法可以減少運(yùn)算量，節(jié)省運(yùn)算時(shí)間。0054 為了提高神經(jīng)網(wǎng)絡(luò)模型的分類速率，更進(jìn)一步，步驟 S20 包括 ：0055 S21、將

20、所述神經(jīng)網(wǎng)絡(luò)模型的輸入信號(hào)進(jìn)行歸一化。本發(fā)明對(duì)所述歸一化的方法不作具體限制，例如，可以采用 Z-scoring 的方法進(jìn)行歸一化，即 ：對(duì)于待歸一化的數(shù)組 X x1,x2, xn，該數(shù)組的均值為 XM，標(biāo)準(zhǔn)差為 XS，則 xi(1 i n) 歸一化后的值為 ：(xi-XM)/ XS ；0056S22、將所述歸一化后的輸入信號(hào)進(jìn)行降維。具體地，可以采用主成分分析的方法進(jìn)行降維，使得輸入的諧波信號(hào)的數(shù)量減少，以進(jìn)一步提高神經(jīng)網(wǎng)絡(luò)模型的分類速率。例如，將神經(jīng)網(wǎng)絡(luò)模型輸入層的輸入信號(hào)的維度由 20 50 降低至 5 8，即換后產(chǎn)生的 20 50 個(gè)諧波信號(hào)變換為 5 8 個(gè)諧波信號(hào)，且變換后的 5 8

21、 個(gè)諧波信號(hào)包含原有的 20 50 個(gè)諧波信號(hào)中的主要信息。輸入信號(hào)的維度降低的有益效果在于能夠提高神經(jīng)網(wǎng)絡(luò)模型的分類效率，而對(duì)分類精度影響很小。0057為了提高所述神經(jīng)網(wǎng)絡(luò)效率的分類效果，更進(jìn)一步地，所述故障檢測方法還包括在步驟 S10 之前執(zhí)行的至少一次神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程，該訓(xùn)練過程包括 ：0058S01、將逆變器的在預(yù)設(shè)故障狀態(tài)下的輸出信號(hào)進(jìn)行換，得到諧波信號(hào) ；0059S02、將步驟 S01 中經(jīng)換后的諧波信號(hào)輸入神經(jīng)網(wǎng)絡(luò)模型的輸入層 ；0060S03、根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型的輸入信號(hào)和神經(jīng)網(wǎng)絡(luò)模型預(yù)設(shè)輸出信號(hào)確定所述神經(jīng)網(wǎng)路模型的，以確定所述神經(jīng)網(wǎng)絡(luò)模型的分類機(jī)制，所述神經(jīng)網(wǎng)絡(luò)模型

22、的預(yù)設(shè)輸出信號(hào)與所述預(yù)設(shè)故障狀態(tài)對(duì)應(yīng)。0061例如，預(yù)設(shè)故障狀態(tài)可以為第一個(gè)功率器件發(fā)生故障，相應(yīng)的預(yù)設(shè)輸出信號(hào)為0001，將所述神經(jīng)網(wǎng)絡(luò)模型的初始化為初始值，此時(shí)，將逆變器的輸出信號(hào)進(jìn)行換，之后將換后得到的諧波信號(hào)輸入神經(jīng)網(wǎng)絡(luò)模型的輸入層，根據(jù)神經(jīng)網(wǎng)絡(luò)模型實(shí)際的輸出信號(hào)和預(yù)設(shè)輸出信號(hào) (0001) 之間的差值調(diào)節(jié)所述神經(jīng)網(wǎng)絡(luò)的，直至神經(jīng)網(wǎng)絡(luò)模型實(shí)際的輸出信號(hào)與預(yù)設(shè)輸出信號(hào)之間的誤差在預(yù)設(shè)范圍內(nèi)或的調(diào)節(jié)次數(shù)達(dá)到預(yù)設(shè)次數(shù)為止，此時(shí)得到的作為神經(jīng)網(wǎng)絡(luò)模型的，從而確定所述神經(jīng)網(wǎng)絡(luò)模型的分類機(jī)制，即，當(dāng)對(duì)逆變器的故障狀態(tài)進(jìn)行檢測時(shí)，若神經(jīng)網(wǎng)絡(luò)模型的輸出信號(hào)為0001，則逆變器的故障為第一個(gè)功率器件發(fā)生

23、故障?？梢岳斫獾氖?，所述包括神經(jīng)網(wǎng)絡(luò)模型的輸入層與隱含層之間的以及神經(jīng)網(wǎng)絡(luò)模型的隱含層與輸出層之間的。0062所述故障檢測方法可以包括一次神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程，也可以包括多次神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程。為了提高訓(xùn)練得到的的準(zhǔn)確性，作發(fā)明的一種優(yōu)選實(shí)施方式，所述故障檢測方法包括多次神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程 ：調(diào)節(jié)逆變器的調(diào)制比，以獲得多個(gè)不同的調(diào)制比，每獲得一個(gè)調(diào)制比執(zhí)行一次所述神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程。例如，可以調(diào)節(jié)逆變器的調(diào)制比分別為 0.6、0.7、0.8 和 0.9，將逆變器的第一個(gè)功率器件發(fā)生故障時(shí)所77說明書CN 104049159 A5/6 頁對(duì)應(yīng)的預(yù)設(shè)輸出信號(hào)設(shè)置為 0001，第二個(gè)功

24、率器件發(fā)生故障時(shí)所對(duì)應(yīng)的預(yù)設(shè)輸出信號(hào)設(shè)置為 0010，第三個(gè)功率器件發(fā)生故障時(shí)所對(duì)應(yīng)的預(yù)設(shè)輸出信號(hào)設(shè)置為 0011，依次類推。每得到一個(gè)調(diào)制比，將所有故障狀態(tài)所對(duì)應(yīng)的逆變器的輸出信號(hào)進(jìn)行換，并將多個(gè)輸出信號(hào)對(duì)應(yīng)的諧波信號(hào)形成的信號(hào)矩陣作為神經(jīng)網(wǎng)絡(luò)模型的輸入，多個(gè)輸出信號(hào)對(duì)應(yīng)的預(yù)設(shè)輸出信號(hào)所形成的信號(hào)矩陣作為神經(jīng)網(wǎng)絡(luò)模型的輸出，以確定神經(jīng)網(wǎng)絡(luò)模型的。應(yīng)當(dāng)理解的是，調(diào)制比為不同時(shí)訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型的是相同的。0063為了對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)試，更進(jìn)一步地，所述故障檢測方法還包括在所述步驟 S10 之前執(zhí)行的至少一次神經(jīng)網(wǎng)絡(luò)模型的測試過程，該測試過程包括 ：0064S04、將逆變器的調(diào)制比的值調(diào)

25、節(jié)為不同于所述訓(xùn)練過程中所對(duì)應(yīng)的調(diào)制比的值，并對(duì)逆變器在所述預(yù)設(shè)故障下的輸出信號(hào)進(jìn)行換 ；0065S05、將換后的諧波信號(hào)輸入所述神經(jīng)網(wǎng)絡(luò)模型 ；0066S06、比較所述神經(jīng)網(wǎng)絡(luò)模型的實(shí)際輸出信號(hào)和所述預(yù)設(shè)輸出信號(hào)是否一致，若是，則所述神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練；若否，則所述神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練失敗。0067 如上文中所舉例說明的在逆變器的調(diào)制比分別為 0.6、0.7、0.8 和 0.9 的情況下執(zhí)行神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程，則所述測試過程中逆變器的調(diào)制比可以調(diào)節(jié)不同于訓(xùn)練過程中的調(diào)制比 (0.6、0.7、0.8 和 0.9) 的其他任意值。以所述測試過程中的調(diào)制比為 0.65 為例，當(dāng)訓(xùn)練過程中第一個(gè)功率器

26、件發(fā)生故障所對(duì)應(yīng)的預(yù)設(shè)輸出信號(hào)為 0001 時(shí)，將逆變器的在第一個(gè)功率器件發(fā)生故障時(shí)的輸出電壓信號(hào)進(jìn)行換后輸入至所述神經(jīng)網(wǎng)絡(luò)模型，若此時(shí)神經(jīng)網(wǎng)絡(luò)模型的實(shí)際輸出信號(hào)為 0001，則神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練?？梢岳斫獾氖牵鲇?xùn)練過程是根據(jù)多種故障類型以及各故障類型所對(duì)應(yīng)的多個(gè)預(yù)設(shè)輸出信號(hào)來確定神經(jīng)網(wǎng)絡(luò)的的，相應(yīng)地，在測試過程中，需要對(duì)多種故障類型所對(duì)應(yīng)的實(shí)際輸出信號(hào)分別與多種故障類型所對(duì)應(yīng)的多個(gè)預(yù)設(shè)輸出信號(hào)進(jìn)行比較，當(dāng)多種故障類型所對(duì)應(yīng)的實(shí)際輸出信號(hào)與多種故障類型多對(duì)應(yīng)的多個(gè)預(yù)設(shè)輸出信號(hào)均相同時(shí)，則神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練。即，當(dāng)?shù)诙€(gè)功率器件發(fā)生故障所對(duì)應(yīng)的預(yù)設(shè)輸出信號(hào)為 0010 時(shí)，所述神經(jīng)網(wǎng)絡(luò)模型的實(shí)際

27、輸出信號(hào)為 0010，當(dāng)?shù)谌齻€(gè)功率器件發(fā)生故障所對(duì)應(yīng)的預(yù)設(shè)輸出信號(hào)為 0011 時(shí)，所述神經(jīng)網(wǎng)絡(luò)模型的實(shí)際輸出信號(hào)為 0011，以此類推。0068 為了提高所述神經(jīng)網(wǎng)絡(luò)模型的測試效果，更進(jìn)一步地，所述故障檢測方法可以包括多次執(zhí)行的神經(jīng)網(wǎng)絡(luò)模型的測試過程。每次測試過程的調(diào)制比均不同于所述訓(xùn)練過程的調(diào)制比。0069上述發(fā)明所提供的逆變器的故障檢測方法的描述，可以看出，本發(fā)明通過對(duì)逆變器的輸出電壓信號(hào)進(jìn)行換，從而將難以處理的時(shí)域信號(hào)轉(zhuǎn)換為便于分析的頻域信號(hào)，與現(xiàn)有技術(shù)中的檢測電路的多個(gè)位置相比，由于換可以應(yīng)用于各種不同的信號(hào)，因而所述檢測方法的效率得到提高，適用范圍有所增大 ；且快速換進(jìn)一步提高了檢測效率 ；另