科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于间歇性故障具有随机性与不可预测性，传统的故障诊断方法难以适用于间歇性故障的诊断。为了提高牵引逆变系统的可靠性，本文提出了一种针对直流侧电压传感器间歇性故障的智能诊断方法。首先，结合非线性自回归动态网络结构(nonlinear auto regression with exogenous inputs， NARX)与极限学习机(extreme learning machine， ELM)快速挖掘历史数据与异步电机定子电流之间的非线性映射关系，得到牵引电机定子电流预测器。随后，设计滑动时间窗口构建电流残差，检测间歇性故障的出现与消失时间，以此获取表征间歇性故障严重程度的评价指标。所提方法基于快速控制原型实验平台完成实验验证，结果表明，电流预测器对负载突变、速度突变等动态工况具有良好鲁棒性，提出的诊断方法可分别在0.65 ms、0.9 ms内完成间歇性故障出现时间与消失时间的检测，且可准确辨识传感器间歇性故障的早期、中期、晚期阶段，实现了传感器间歇性故障严重程度的评价。
- 单位
