基于神经网络的三相VIENNA整流器功率开关故障诊断与定位

本文档深入探讨了三相六开关VIENNA整流器在功率开关发生开路故障时的诊断方法。VIENNA整流器是一种广泛应用在电力电子领域的拓扑结构，其特点是采用六个功率开关元件实现三相输入到单相输出的转换，常用于高效率的电力变换。 在整流器运行过程中，如果桥臂中的功率器件出现开路故障，将严重影响其性能和安全性。作者着重指出，续流二极管的开路故障尤为关键，因为它的作用是防止直流电压降在换相期间反向流动，一旦失效，可能导致电路过压或烧毁其他组件。 针对这个问题，作者提出了利用三相输入电流的直流分量和输出电压的交流纹波作为诊断故障的特征参数。这些参数的变化可以反映出故障器件对电流和电压的影响，有助于准确识别故障的位置。通过这种方法，能够捕捉到功率开关开路时特有的信号模式，为故障检测提供了有效的指标。 接着，文章构建了一个基于人工神经网络的故障分类系统，该系统将提取的故障特征值作为输入，通过MATLAB软件中的M语言进行训练。这个过程涉及网络结构的选择、训练数据的预处理、模型优化等步骤，旨在建立一个能够自动识别不同功率器件开路故障的模型。 经过训练和测试，结果显示，训练后的神经网络故障分类系统表现出良好的性能，能够准确地定位除续流二极管之外的其他功率器件开路故障。这对于提高维也纳整流器的稳定性和可靠性具有重要意义。 这篇论文提供了一种实用的故障诊断策略，不仅对电力电子工程领域的故障诊断技术有所贡献，也为实际应用中的设备维护提供了科学依据。关键词包括三相VIENNA整流器、开路故障、故障特征、故障诊断和神经网络。该研究还得到了国家自然科学基金和江苏省高校优势学科建设工程等项目的资金支持。