基于改进LSTM-SVM的双向DC-DC电力变换器故障诊断
王福忠1
任淯琳1
张丽1
王丹2
1.河南理工大学 电气工程与自动化学院,河南 焦作 4540002.黄河交通学院 智能工程学院,河南 焦作 454950
摘要：目的 为了解决双向DC-DC电力变换器的软故障诊断精度不高的问题,方法 提出基于改进LSTM-SVM的双向DC-DC电力变换器故障诊断模型.首先,分析双向DC-DC电力变换器中电容、电感和MOSFET管的故障机理,通过仿真实验模拟各元件失效后变换器的输出电气参数变化,从而确定变换器不同元件故障时对应的故障特征参数;其次,构建改进的LSTM-SVM双向DC-DC电力变换器故障诊断组合模型,在LSTM中添加Mogrifier门机制,提高LSTM提取时间序列原始数据中微弱特征的能力;最后,由于传统LSTM的末端分类器为Softmax,其主要解决单一元件诊断问题,变换器故障类型较多,维数较高,所以采用麻雀搜索算法优化的SVM代替原有的Softmax函数,对LSTM输出的数据进行故障分类,提高故障诊断的准确率.设置双向DC-DC电力变换器充放电两种状态下,包含电解电容、电感和MOSFET单双管故障在内的24组故障,分别采用本文构建的改进的LSTM-SVM和原始的LSTM-SVM双向DC-DC变换器故障诊断模型进行诊断.结果 结果表明,改进的LSTM-SVM故障诊断模型诊断准确率平均值为99.71%,原始的LSTM-SVM故障诊断模型诊断准确率平均值为 88.48%,改进的LSTM-SVM故障诊断模型对各元件的故障诊断正确率均高于原始的LSTM-SVM故障诊断模型的.结论 基于改进LSTM-SVM的双向DC-DC电力变换器故障诊断模型实现了对双向DC-DC电力变换器中的电解电容、电感和MOSFET单双管故障的准确诊断.
关键词：双向DC-DC变换器软故障改进长短期记忆网络麻雀搜索支持向量机故障诊断
分类号：TP277(自动化技术及设备)
资助基金：国家自然科学基金(U1804143)河南省科技攻关项目(232102241028)河南省科技攻关项目(202102210295)河南省高校基本科研业务费专项项目(NSFRF210424)河南理工大学青年骨干教师资助项目(2019XQG-17)
论文发表日期：2024-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 118-126 )
英文信息