基于模型的电驱动故障诊断使用机器学习

电动机和基于功率电子的逆变器是工业和汽车电驱动中的主要组件。在本文中，我们提出了一种基于模型的故障诊断系统，该系统采用机器学习技术，用于检测和定位电驱动中的多类故障。功率电子逆变器可以从硬件故障的角度被视为该系统中的薄弱环节；因此，本文的重点是检测故障并找出逆变器中导致故障的开关。基于电驱动的理论基础，开发了一个仿真模型，以模拟正常状态、所有单开关故障和短路后故障。开发了一个机器学习算法，以自动选择（扭矩，速度）域中的一组代表性工作点，这些点将被发送到仿真电驱动模型，以生成信号用于训练故障诊断神经网络（FDNN）。我们在实验台产生的数据上验证了FDNN的能力。我们的研究表明，通过强大的机器学习方法，可以基于仿真电驱动模型训练一个诊断系统，从而在广泛的操作域内正确分类故障。