首页|期刊导航|电机与控制应用|基于PSO优化CNN的四象限脉冲整流器故障诊断技术研究

基于PSO优化CNN的四象限脉冲整流器故障诊断技术研究OA

中文摘要

【目的】四象限脉冲整流器绝缘栅双极型晶体管(IGBT)开路故障具有较强隐蔽性,极易引发网侧电流畸变、功率因数衰减及直流母线电压波动。应用于故障诊断领域的传统卷积神经网络(CNN)模型存在诊断精度低、易陷入局部最优解的缺陷。针对上述问题,本文引入粒子群优化(PSO)算法,提出一种融合小波变换与PSO-CNN的智能故障诊断方法。【方法】首先基于Simulink搭建单相两电平四象限脉冲整流器模型,设置7种梯度电压波动工况与10种不同的IGBT开路故障状态,模拟复杂、真实的设备运行场景。随后采集网侧电流与直流侧电压信号,采用db3小波基对信号进行6层小波分解,并结合频带能量系数构建标准化特征向量。考虑到电流与电压信号的特征差异,构建双通道CNN,分别提取网侧电流与直流侧电压的故障特征。在此基础上,引入PSO算法对CNN关键超参数进行自适应优化。【结果】选取加权F1分数与混淆矩阵作为模型性能的定量评价指标,将所提PSO-CNN模型与传统CNN模型进行对比。试验结果表明,相较于传统CNN模型,PSO-CNN模型可将加权F1分数由0.45提升至0.92,且能有效改善特征重叠故障的误分类问题,在电压波动工况下仍可保持稳定的故障诊断能力,仅在少量高度相似的故障类别中存在轻微识别偏差。【结论】小波变换与PSO算法相结合,显著提升了CNN模型的特征提取能力与分类可靠性。所提智能诊断方法适用于四象限脉冲整流器的实时状态监测,可为各类电力电子变流装置的智能运维与性能优化提供可行、可靠的技术参考。

陈润泽

大连交通大学詹天佑学院(中车学院),辽宁大连116028

信息技术与安全科学

粒子群优化卷积神经网络四象限脉冲整流器故障诊断

《电机与控制应用》 2026 (9)

P.982-992,11

10.12177/emca.2026.208

评论