关键词:
经验模态分解
BP神经网络
IGBT
开路故障
摘要:
绝缘栅双极性晶体管(Insulated gate bipolar transistor,IGBT)作为逆变器的主要组成部分,其工作的稳定性与可靠性对逆变器的正常工作有着重要的影响。针对三相电机牵引逆变器IGBT常见的单管和双管开路故障,提出一种基于经验模态分解(Empirical mode decomposition,EMD)和误差反向传播神经网络(Back propagation neural network,BPNN)相结合的故障诊断方法。首先分析逆变器IGBT单管和双管开路故障的波形特征,采用EMD方法对逆变器输出的三相电流进行分解;在此基础上构造故障特征向量,采用BPNN对特征向量进行训练并实现故障诊断;其次针对EMD方法存在的“模态混叠”问题,采用互补集合经验模态分解(Complementary ensemble empirical mode decomposition,CEEMD)对诊断方法进行了优化;最后在小型试验平台上进行了试验,试验结果表明,基于CEEMD-BPNN的故障诊断方法能够有效诊断出故障功率管。