基于降阶观测器的NPC三电平逆变器多类故障诊断方法

基于降阶观测器的npc三电平逆变器多类故障诊断方法
技术领域
1.本发明涉及故障诊断技术领域，尤其涉及基于降阶观测器的npc三电平逆变器多类故障诊断方法。


背景技术：

2.在光伏发电系统中，逆变器发挥着重要的作用。npc三电平逆变器具有损耗低、输出电压和电流波形谐波含量低、器件应力小、输出容量大等诸多优点，被广泛运用在光伏微电网中。尽管npc三电平逆变器具有上述众多优点，但由于光伏发电系统所处环境复杂多变，逆变器中功率器件和传感器很容易发生故障，严重威胁光伏发电系统的安全，而npc三电平逆变器结构复杂，具有过多电力电子器件，导致了运行时故障率的增大，不仅降低了系统运行的可靠性，而且增加了系统的运行和维护成本。为了保证npc三电平逆变器在实际运行中的可靠性，对逆变器的开关管故障诊断的快速性和准确性提出了更高的要求。
3.npc三电平逆变器的开关管故障主要可以分为短路故障和开路故障，开关管的短路故障由保护电路保护，当系统发生短路故障时保护电路迅速断开，最终会将开关管短路故障转换为开路故障，鉴于短路故障时间短，会迅速转换为开路故障，故只考虑对npc三电平逆变器开关管开路故障进行诊断；电流传感器故障则分为增益故障、卡死故障、开路故障等，其中开路故障会导致逆变器控制系统获取不到参考电流信号，增益故障、卡死故障会导致逆变器控制系统获取到发生畸变的参考电流信号，均会导致npc逆变器的输出电流发生严重畸变，进而导致整个逆变器系统的崩溃，因此对电流传感器的故障诊断也尤为重要。
4.目前对逆变器的故障诊断技术大多都是只针对开关管故障，大致可分为以下几种：
5.1、基于特征提取的方法。此类方法主要利用主成分分析等方法对故障的主要成分进行提取分析，并用智能分类器对故障进行诊断，如基于小波变换的方法和基于瞬时频率的方法等，具体的相关论文及专利如《a diagnosis algorithm for multiple open-circuited faults of microgrid inverters based on main fault component analysis》、《一种基于小波分析和svm的逆变器故障诊断方法》(申请公布号cn 105095566 a)、《基于瞬时频率的npc三电平逆变器开路故障诊断方法》(申请公布号cn111077471 a)等，此类方法存在信号处理复杂度大、诊断周期长等问题。
6.2、基于知识的方法。其基本的理论思想是通过模拟人的思维方式去实现逆变器的故障诊断。如基于神经网络的方法和基于支持向量机的方法等，具体的相关专利文献如《一种npc三电平光伏逆变器开路故障诊断方法》(申请公布号cn108229544a)、《基于优化支持向量机的三电平逆变器开路故障诊断方法.》(申请公布号cn110068776a)等，此类方法存在诊断计算量大、建立知识库比较难且知识库维护难度大的问题。
7.3、基于解析模型的方法。此类方法主要思想是建立逆变器的数学模型，将估计的系统输出与测量信息进行比较得到残差，对残差进行分析以实现变换器的故障诊断，相关专利文献如《基于区间滑模观测器的逆变器开路故障诊断方法》、《一种基于模型的多电平
逆变器参数性故障诊断方法》(申请公布号cn108649600a)等，此类方法存在数学模型要求高，鲁棒性差的问题。
8.综上所述，现有的技术存在信号处理复杂度大、诊断周期长、计算量大、建立知识库比较难且知识库维护难度大、数学模型要求高和鲁棒性差等问题。


技术实现要素：

9.本发明的目的是提供一种基于降阶观测器的npc三电平逆变器多类故障诊断方法，解决上述现有技术中存在的问题。具体的，利用矩阵变换进行解耦，将传感器故障与系统状态分解并建立降阶观测器，避免传感器故障对观测器输出电流的影响；利用自适应阈值取代传统的固定阈值，减小故障诊断时间，提高故障诊断的鲁棒性。
10.为实现上述目的，本发明提供了一种基于降阶观测器的npc三电平逆变器多类故障诊断方法，该方法涉及的npc三电平逆变器的拓扑结构包括直流电源、两个相同的支撑电容、主逆变电路、三个相同的传感器、三个相同的电感、三个相同的电阻和控制模块；所述直流电源的直流电压记为u
dc
，两个所述的支撑电容分别记为支撑电容c1和支撑电容c2，支撑电容c1和支撑电容c2串联后并联在直流电源的直流正母线q1和直流负母线q2之间；
11.所述主逆变电路分为三相桥臂，三相桥臂均与直流电源并联，将三相桥臂记为k相桥臂，k表示相序，k＝a，b，c；在三相桥臂中，每相桥臂由四个开关管串联组成，即主逆变电路共包含12个开关管，将12个开关管记为v
kσ
，σ表示开关管的序号，σ＝1，2，3，4；在三相桥臂的每相桥臂中，开关管v
k1
、开关管v
k2
、开关管v
k3
、开关管v
k4
依次串联，开关管v
k2
和开关管v
k3
的连接点记为主逆变电路的输出点ψk，k＝a，b，c；
12.将所述三个相同的传感器记为传感器sk，三个相同的电感记为电感lk、三个相同的电阻记为rk，k＝a，b，c，所述传感器sk的一端与主逆变电路的输出点ψk相连，另一端与电感lk相连，电感lk的另一端与电阻rk相连，电阻rk的另一端接地；
13.所述控制模块的输入端分别连接传感器sa、传感器sb、传感器sc，所述控制模块的输出端分别连接12个开关管v
kσ
；
14.所述基于降阶观测器的npc三电平逆变器多类故障诊断方法包括以下步骤：
15.步骤1，将npc三电平逆变器记为逆变器，建立逆变器的混合逻辑动态模型，并计算k相相电压uk的估计值k＝a，b，c；
16.npc三电平逆变器的混合逻辑动态模型的表达式为：
[0017][0018]
其中，为k相端电压的估计值，ξk为k相桥臂的开关函数，k＝a，b，c；
[0019]
k相相电压uk的估计值的表达式为：
[0020][0021]
步骤2，通过传感器sa、传感器sb、传感器sc检测逆变器的三相输出电流ia，ib，ic，采
样三相输出相电压ua，ub，uc，建立逆变器在故障状态下的系统状态方程，其表达式为：
[0022][0023]
其中，x为逆变器输出电流，其中，x为逆变器输出电流，为x的导数，u为逆变器输出相电压，a为系数矩阵1，r为电阻ra的电阻值，l为电感la的电感值，b为系数矩阵2，c为系数矩阵3，c＝i3，i3为三阶的单位矩阵，f为故障系数矩阵，d为扰动系数矩阵，y为逆变器系统输出信号，f
x
为开关管故障信号，fs为传感器故障信号，d为逆变器扰动信号；
[0024]
步骤3，对故障状态下的系统状态方程进行增广得到增广状态方程，其表达式为：
[0025][0026]
其中，为逆变器输出电流x的增广，为逆变器输出电流x的增广，为逆变器输出电流x的增广的导数，为增广系数矩阵1，03×3为三阶的零矩阵，为增广系数矩阵2，阵2，为增广系数矩阵3，为增广系数矩阵3，为增广系数矩阵4，为增广系数矩阵4，为增广故障系数矩阵，f为增广故障信号，
[0027]
步骤4，定义一次变换矩阵t，其中为增广系数矩阵4的正交补的转置；定义一次变换电流转置；定义一次变换电流并将一次变换电流展开为展开为为
一次变换电流的展开式1，为一次变换电流的展开式2；
[0028]
将步骤3得到的增广状态方程进行第一次变换，得到一次变换状态方程为，其表达式为：
[0029][0030]
其中，为一次变换电流的导数，为一次变换系数矩阵1，为一次变换系数矩阵1，为一次变换系数矩阵2，为一次变换系数矩阵2，为一次变换系数矩阵3，t-1
为一次变换矩阵t的逆矩阵；
[0031]
步骤5，将一次变换矩阵t的逆矩阵t-1
展开为展开为为一次变换矩阵t的逆矩阵t-1
的展开式1，为一次变换矩阵t的逆矩阵t-1
的展开式2，为一次变换矩阵t的逆矩阵t-1
的展开式3，为一次变换矩阵t的逆矩阵t-1
的展开式4；定义二次变换矩阵v，并将二次变换矩阵v的逆矩阵v-1
展开为展开为为二次变换矩阵v的逆矩阵v-1
的展开式1，为二次变换矩阵v的逆矩阵v-1
的展开式2，为二次变换矩阵v的逆矩阵v-1
的展开式3，为二次变换矩阵v的逆矩阵v-1
的展开式4；
[0032]
将步骤4得到的一次变换状态方程中第一个等式两边同时左乘二次变换矩阵v的逆矩阵v-1
，得到二次变换状态方程，其表达式为：
[0033][0034]
其中，为二次变换系数矩阵1，为二次变换系数矩阵1，为二次变换系数矩阵2，并将展开为展开为为二次变换系数矩阵2的展开式1，为二次变换系数矩阵2的展开式2，为二次变换系数矩阵2的展开式3，为二次变换系数矩阵2的展开式4；为二次变换系数矩阵3，并将展开为展开为为二次变换系数矩阵3的展开式1，为二次变换系数矩阵3的展开式2；为二次变换系数矩阵4，并将展开为展开为为二次变换系数矩阵4的展开
式1，为二次变换系数矩阵4的展开式2；
[0035]
将二次变换状态方程展开可得到展开后的二次变换状态方程，其表达式为：
[0036][0037]
步骤6，对步骤5得到的展开后的二次变换状态方程进行第三次变换，具体步骤如下：
[0038]
步骤6.1，存在正定矩阵p和增益矩阵j使矩阵不等式成立，使用lmi工具箱求出正定矩阵p和增益矩阵j，并将正定矩阵p展开为p1为正定矩阵p的展开式1，p2为正定矩阵p的展开式2，p3为正定矩阵p的展开式3，p4为正定矩阵p的展开式4；
[0039]
步骤6.2，将展开后的二次变换状态方程方程中第一个等式两边同时左乘三次变换矩阵z，得到三次变换状态方程，其表达式为：
[0040][0041]
其中，为p1的逆矩阵；
[0042]
步骤7，设计广义降阶观测器，表达式为：
[0043][0044]
其中，为中间变量，为中间变量的导数，为的估计值，为的估计值，为逆变器输出电流估计值，为逆变器输出电流估计值，为三相输出电流ia，ib，ic的估计值，
估计值，为传感器故障估计值，为逆变器扰动估计值；
[0045]
步骤8，设计故障诊断自适应阈值t
th
；
[0046]
定义k相电流形态因子mk，其表达式为：
[0047][0048]
其中，e为自然常数，ln()为以自然常数e为底的对数函数，|ik|
rms
为k相输出电流ik的绝对值的均方根值；
[0049]
将三相输出电流ia，ib，ic表达为k相输出电流ik，将三相输出电流ia，ib，ic的估计值表达为k相输出电流ik的估计值，定义k相故障诊断自适应阈值t
thk
，
[0050][0051]
其中，||为绝对值函数，为k相输出电流ik的估计值的绝对值的均方根值；
[0052]
步骤9，对逆变器故障进行诊断，具体步骤如下：
[0053]
步骤9.1，比较k相电流形态因子mk和k相故障诊断自适应阈值t
thk
，并进行以下判断：
[0054]
若ma＜t
tha
且mb＜t
thb
且mc＜t
thc
，则判定逆变器正常工作，故障诊断结束；
[0055]
若三相中任意一相的mk≥t
thk
，将mk≥t
thk
的相记为g相，并判定逆变器g相发生故障，将g相对应的传感器故障估计值记为g相传感器故障估计值g或等于a或等于b或等于c；
[0056]
步骤9.2，定义g相故障定位阈值tg，tg＝i
g max
×
5％，其中，ig为g相输出电流，i
g max
为g相输出电流ig的最大值，比较g相传感器故障估计值和g相故障定位阈值tg，并进行以下判断：
[0057]
若，则判定逆变器g相开关管发生故障，进入步骤9.3；
[0058]
若，则判定逆变器g相传感器发生故障，进入步骤9.4；
[0059]
步骤9.3，定义g相开关管故障检测特征量fg和g相故障定位特征量wg，wg＝sign(|ig|-tg)，其中，为g相输出电流ig的估计值，sign()为符号函数；
[0060]
按以下条件进行开关管故障定位：
[0061]
当fg＝1，wg＝1，则开关管v
g1
发生开路故障；
[0062]
当fg＝1，wg＝-1，则开关管v
g2
发生开路故障；
[0063]
当fg＝-1，wg＝-1，则开关管v
g3
发生开路故障；
[0064]
当fg＝-1，wg＝1，则开关管v
g4
发生开路故障；
[0065]
步骤9.4，定义g相传感器故障检测特征量vg和g相故障定位特征量wg，wg＝sign(|ig|-tg)，其中，为g相输出电流ig的导数，sign()为符号函数；
[0066]
按以下条件进行传感器故障分类：
[0067]
当vg＝0，wg＝1，则传感器sg发生卡死故障；
[0068]
当vg＝0，wg＝-1，则传感器sg发生开路故障；
[0069]
当vg≠0，wg＝1，则传感器sg发生增益故障。
[0070]
优选地，步骤1所述k相桥臂的开关函数ξk按照以下方式确定：
[0071]
规定电流从npc三电平逆变器流向电感lk为正，电流从电感lk流向npc三电平逆变器为负，定义逻辑变量μk，μk＝1表示k相电流为正、μk＝0表示k相电流为负；将开关管v
kσ
的开关信号记为δ
kσ
，k相桥臂的开关函数ξk的表达式如下：
[0072][0073]
其中，符号
“‑”
表示逻辑非。
[0074]
由于采用了上述故障诊断方法，与现有技术相比，本发明的有益效果为：
[0075]
1、将传感器故障与系统状态分解并建立降阶观测器，避免传感器故障对观测器输出电流的影响，实现了逆变器开关管故障和传感器故障的同时诊断；
[0076]
2、选取自适应阈值来故障诊断，对扰动具有抗干扰性，提高了故障检测的准确性和鲁棒性；
[0077]
3、故障诊断过程不需要增加额外的传感器，降低了故障检测的成本。
附图说明
[0078]
图1是本发明实施例中npc三电平逆变器的拓扑图；
[0079]
图2是本发明基于降阶观测器的npc三电平逆变器多类故障诊断方法的流程图；
[0080]
图3是本发明实施例中开关管v
a1
发生开路故障时a相输出电流ia、a相电流估计值、a相传感器故障估计值和a相故障定位阈值ta的仿真波形图；
[0081]
图4是本发明实施例中开关管v
a1
发生开路故障时a相电流形态因子ma和a相故障诊断自适应阈值t
tha
、a相开关管故障检测特征值fa和a相故障定位特征值wa的仿真波形图；
[0082]
图5是本发明实施例中传感器sa发生开路故障时a相输出电流ia、a相电流估计值、a相传感器故障估计值和a相故障定位阈值ta的仿真波形图；
[0083]
图6是本发明实施例中传感器sa发生开路故障时a相电流形态因子ma和a相故障诊断自适应阈值t
tha
、a相传感器故障检测特征值va和a相故障定位特征值wa的仿真波形图；
[0084]
图7是本发明实施例中传感器sa发生卡死故障时a相输出电流ia、a相电流估计值
、a相传感器故障估计值和a相故障定位阈值ta的仿真波形图；
[0085]
图8是本发明实施例中传感器sa发生卡死故障时a相电流形态因子ma和a相故障诊断自适应阈值t
tha
、a相传感器故障检测特征值va和a相故障定位特征值wa的仿真波形图；
[0086]
图9是本发明实施例中传感器sa发生增益故障时a相输出电流ia、a相电流估计值、a相传感器故障估计值和a相故障定位阈值ta的仿真波形图；
[0087]
图10是本发明实施例中传感器sa发生增益故障时a相电流形态因子ma和a相故障诊断自适应阈值t
tha
、a相传感器故障检测特征值va和a相故障定位特征值wa的仿真波形图。
具体实施方式
[0088]
下面将结合附图对本发明的技术方案进行清楚、完整的描述。
[0089]
图1是本发明实施例中的npc三电平逆变器的拓扑图。由图可见本发明方法涉及的npc三电平逆变器的拓扑结构包括直流电源、两个相同的支撑电容、主逆变电路、三个相同的传感器、三个相同的电感、三个相同的电阻和控制模块；所述直流电源的直流电压记为u
dc
，两个所述的支撑电容分别记为支撑电容c1和支撑电容c2，支撑电容c1和支撑电容c2串联后并联在直流电源的直流正母线q1和直流负母线q2之间。
[0090]
所述主逆变电路分为三相桥臂，三相桥臂均与直流电源并联，将三相桥臂记为k相桥臂，k表示相序，k＝a，b，c；在三相桥臂中，每相桥臂由四个开关管串联组成，即主逆变电路共包含12个开关管，将12个开关管记为v
kσ
，σ表示开关管的序号，σ＝1，2，3，4；在三相桥臂的每相桥臂中，开关管v
k1
、开关管v
k2
、开关管v
k3
、开关管v
k4
依次串联，开关管v
k2
和开关管v
k3
的连接点记为主逆变电路的输出点ψk，k＝a，b，c。
[0091]
将所述三个相同的传感器记为传感器sk，三个相同的电感记为电感lk、所述三个相同的电阻记为rk，k＝a，b，c，所述传感器sk的一端与主逆变电路的输出点ψk相连，另一端与电感lk相连，电感lk的另一端与电阻rk相连，电阻rk的另一端接地。
[0092]
所述控制模块的输入端分别连接传感器sa、传感器sb、传感器sc，所述控制模块的输出端分别连接12个开关管v
kσ
。
[0093]
在本实施例中u
dc
＝220v。
[0094]
在图1中，点o为支撑电容c1和支撑电容c2的公共节点。从图1可见，在三相桥臂中，每相桥臂还包括两个二极管，即三相桥臂共包括6个二极管，将六个二极管记为d
kh
，h表示二极管的序号，h＝1，2。具体的，二极管d
k1
的阳极连接中性点o，二极管d
a1
的阴极连接开关管v
a1
的集电极，二极管d
b1
的阴极连接开关管v
b1
的集电极，二极管d
c1
的阴极连接开关管v
c1
的集电极；二极管d
k2
的阴极连接中性点o，二极管d
a2
的阳极连接开关管v
a3
的发射极，二极管d
b2
的阳极连接开关管的发射极，二极管d
c2
的阳极连接开关管v
c3
的发射极。
[0095]
图2是本发明基于降阶观测器的npc三电平逆变器多类故障诊断方法的流程图，由图2可见，基于降阶观测器的npc三电平逆变器多类故障诊断方法包括以下步骤：
[0096]
步骤1，将npc三电平逆变器记为逆变器，建立逆变器的混合逻辑动态模型，并计算k相相电压uk的估计值，k＝a，b，c；
[0097]
npc三电平逆变器的混合逻辑动态模型的表达式为：
[0098][0099]
其中，为k相端电压的估计值，ξk为k相桥臂的开关函数，k＝a，b，c；
[0100]
k相相电压uk的估计值的表达式为：
[0101][0102]
在本实施例中，所述k相桥臂的开关函数ξk按照以下方式确定：
[0103]
规定电流从npc三电平逆变器流向电感lk为正，电流从电感lk流向npc三电平逆变器为负，定义逻辑变量μk，μk＝1表示k相电流为正、μk＝0表示k相电流为负；将开关管v
kσ
的开关信号记为δ
kσ
，k相桥臂的开关函数ξk的表达式如下：
[0104][0105]
其中，符号
“‑”
表示逻辑非。
[0106]
步骤2，通过传感器sa、传感器sb、传感器sc检测逆变器的三相输出电流ia，ib，ic，采样三相输出相电压ua，ub，uc，建立逆变器在故障状态下的系统状态方程，其表达式为：
[0107][0108]
其中，x为逆变器输出电流，其中，x为逆变器输出电流，为x的导数，u为逆变器输出相电压，a为系数矩阵1，r为电阻ra的电阻值，l为电感la的电感值，b为系数矩阵2，c为系数矩阵3，c＝i3，i3为三阶的单位矩阵，f为故障系数矩阵，d为扰动系数矩阵，y为逆变器系统输出信号，f
x
为开关管故障信号，fs为传感器故障信号，d为逆变器扰动信号。
[0109]
在本实施例中，r＝10ω，l＝80mh，d＝0.01sin(100πt)。
[0110]
步骤3，对故障状态下的系统状态方程进行增广得到增广状态方程，其表达式为：
[0111][0112]
其中，为逆变器输出电流x的增广，为逆变器输出电流x的增广，为逆变器输出电流x的增广的导数，为增广系数矩阵1，03×3为三阶的零矩阵，为增广系数矩阵2，2，为增广系数矩阵3，为增广系数矩阵3，为增广系数矩阵4，为增广系数矩阵4，为增广故障系数矩阵，f为增广故障信号，
[0113]
步骤4，定义一次变换矩阵t，其中为增广系数矩阵4的正交补的转置；定义一次变换电流转置；定义一次变换电流并将一次变换电流展开为展开为为一次变换电流的展开式1，为一次变换电流的展开式2；
[0114]
将步骤3得到的增广状态方程进行第一次变换，得到一次变换状态方程为，其表达式为：
[0115][0116]
其中，为一次变换电流的导数，为一次变换系数矩阵1，为一次变换系数矩阵1，为一次变换系数矩阵2，为一次变换系数矩阵2，为一次变换系数矩阵3，t-1
为一次变换矩阵t的逆矩阵。
[0117]
步骤5，将一次变换矩阵t的逆矩阵t-1
展开为展开为为一次变换矩阵t的逆矩阵t-1
的展开式1，为一次变换矩阵t的逆矩阵t-1
的展开式2，为一次变换矩阵t的逆矩阵t-1
的展开式3，为一次变换矩阵t的逆矩阵t-1
的展开式4；定义二次变换矩阵v，并将二次变换矩阵v的逆矩阵v-1
展开为展开为为二次
变换矩阵v的逆矩阵v-1
的展开式1，为二次变换矩阵v的逆矩阵v-1
的展开式2，为二次变换矩阵v的逆矩阵v-1
的展开式3，为二次变换矩阵v的逆矩阵v-1
的展开式4；
[0118]
将步骤4得到的一次变换状态方程中第一个等式两边同时左乘二次变换矩阵v的逆矩阵v-1
，得到二次变换状态方程，其表达式为：
[0119][0120]
其中，为二次变换系数矩阵1，为二次变换系数矩阵1，为二次变换系数矩阵2，并将展开为展开为为二次变换系数矩阵2的展开式1，为二次变换系数矩阵2的展开式2，为二次变换系数矩阵2的展开式3，为二次变换系数矩阵2的展开式4；为二次变换系数矩阵3，并将展开为展开为为二次变换系数矩阵3的展开式1，为二次变换系数矩阵3的展开式2；为二次变换系数矩阵4，并将展开为展开为为二次变换系数矩阵4的展开式1，为二次变换系数矩阵4的展开式2；
[0121]
将二次变换状态方程展开可得到展开后的二次变换状态方程，其表达式为：
[0122][0123]
步骤6，对步骤5得到的展开后的二次变换状态方程进行第三次变换，具体步骤如下：
[0124]
步骤6.1，存在正定矩阵p和增益矩阵j使矩阵不等式成立，使用lmi工具箱求出正定矩阵p和增益矩阵j，并将正定矩阵p展开为，p1为正定矩阵p的展开式1，p2为正定矩阵p的展开式2，p3为正定矩阵p的展开式3，p4为正定矩阵p的展开式4；
[0125]
在本实施例中，正定矩阵p和增益矩阵j的具体数字如下：
[0126][0127][0128]
步骤6.2，将展开后的二次变换状态方程方程中第一个等式两边同时左乘三次变换矩阵z，得到三次变换状态方程，其表达式为：
[0129][0130]
其中，为p1的逆矩阵。
[0131]
步骤7，设计广义降阶观测器，表达式为：
[0132][0133]
其中，为中间变量，为中间变量的导数，为的估计值，为的估计值，为逆变器输出电流估计值，为逆变器输出电流估计值，为三相输出电流ia，ib，ic的估计值，
估计值，为传感器故障估计值，为逆变器扰动估计值。
[0134]
步骤8，设计故障诊断自适应阈值t
th
；
[0135]
定义k相电流形态因子mk，其表达式为：
[0136][0137]
其中，e为自然常数，ln()为以自然常数e为底的对数函数，|ik|
rms
为k相输出电流ik的绝对值的均方根值；
[0138]
将三相输出电流ia，ib，ic表达为k相输出电流ik，将三相输出电流ia，ib，ic的估计值表达为k相输出电流ik的估计值定义k相故障诊断自适应阈值t
thk
，
[0139][0140]
其中，||为绝对值函数，为k相输出电流ik的估计值的绝对值的均方根值。
[0141]
步骤9，对逆变器故障进行诊断，具体步骤如下：
[0142]
步骤9.1，比较k相电流形态因子mk和k相故障诊断自适应阈值t
thk
，并进行以下判断：
[0143]
若ma＜t
tha
且mb＜t
thb
且mc＜t
thc
，则判定逆变器正常工作，故障诊断结束；
[0144]
若三相中任意一相的mk≥t
thk
，将mk≥t
thk
的相记为g相，并判定逆变器g相发生故障，将g相对应的传感器故障估计值记为g相传感器故障估计值g或等于a或等于b或等于c；
[0145]
步骤9.2，定义g相故障定位阈值tg，tg＝i
g max
×
5％，其中，ig为g相输出电流，i
g max
为g相输出电流ig的最大值，比较g相传感器故障估计值和g相故障定位阈值tg，并进行以下判断：
[0146]
若则判定逆变器g相开关管发生故障，进入步骤9.3；
[0147]
若则判定逆变器g相传感器发生故障，进入步骤9.4；
[0148]
步骤9.3，定义g相开关管故障检测特征量fg和g相故障定位特征量wg，wg＝sign(|ig|-tg)，其中，为g相输出电流ig的估计值，sign()为符号函数；
[0149]
按以下条件进行开关管故障定位：
[0150]
当fg＝1，wg＝1，则开关管v
g1
发生开路故障；
[0151]
当fg＝1，wg＝-1，则开关管v
g2
发生开路故障；
[0152]
当fg＝-1，wg＝-1，则开关管v
g3
发生开路故障；
[0153]
当fg＝-1，wg＝1，则开关管v
g4
发生开路故障；
[0154]
步骤9.4，定义g相传感器故障检测特征量vg和g相故障定位特征量wg，wg＝sign(|ig|-tg)，其中，为g相输出电流ig的导数，sign()为符号函数；
[0155]
按以下条件进行传感器故障分类：
[0156]
当vg＝0，wg＝1，则传感器sg发生卡死故障；
[0157]
当vg＝0，wg＝-1，则传感器sg发生开路故障；
[0158]
当vg≠0，wg＝1，则传感器sg发生增益故障。
[0159]
通过仿真对本发明进行了验证。
[0160]
图3是本发明实施例中开关管v
a1
发生开路故障时a相输出电流ia、a相电流估计值a相传感器故障估计值和a相故障定位阈值ta的仿真波形图；由该图可见，在0.264秒后a相输出电流ia发生较大的变化，a相电流估计值不变，a相传感器故障估计值不超过故障定位阈值ta。
[0161]
图4是本发明实施例中开关管v
a1
发生开路故障时a相电流形态因子ma和a相故障诊断自适应阈值t
tha
、a相开关管故障检测特征值fa和a相故障定位特征值wa的仿真波形图；由该图可见，在0.268秒后，a相电流形态因子ma超过a相故障诊断自适应阈值t
tha
，此时a相开关管故障检测特征值fa＝1、a相故障定位特征值wa＝1。
[0162]
图5是本发明实施例中传感器sa发生开路故障时a相输出电流ia、a相电流估计值a相传感器故障估计值和a相故障定位阈值ta的仿真波形图；由该图可见，在0.264秒后a相输出电流ia恒定为0，a相电流估计值不变，a相传感器故障估计值超过故障定位阈值ta。
[0163]
图6是本发明实施例中传感器sa发生开路故障时a相电流形态因子ma和a相故障诊断自适应阈值t
tha
、a相传感器故障检测特征值va和a相故障定位特征值wa的仿真波形图；由该图可见，在0.268秒后，a相电流形态因子ma超过a相故障诊断自适应阈值t
tha
，此时a相传感器故障检测特征值va＝0、a相故障定位特征值wa＝-1。
[0164]
图7是本发明实施例中传感器sa发生卡死故障时a相输出电流ia、a相电流估计值、a相传感器故障估计值和a相故障定位阈值ta的仿真波形图；由该图可见，在0.264秒后a相输出电流ia恒定为2，a相电流估计值不变，a相传感器故障估计值超过故障定位阈值ta。
[0165]
图8是本发明实施例中传感器sa发生卡死故障时a相电流形态因子ma和a相故障诊断自适应阈值t
tha
、a相传感器故障检测特征值va和a相故障定位特征值wa的仿真波形图；由该图可见，在0.268秒后，a相电流形态因子ma超过a相故障诊断自适应阈值t
tha
，此时a相传
感器故障检测特征值va＝0、a相故障定位特征值wa＝1。
[0166]
图9是本发明实施例中传感器sa发生增益故障时a相输出电流ia、a相电流估计值、a相传感器故障估计值和a相故障定位阈值ta的仿真波形图；由该图可见，在0.264秒后a相输出电流ia发生较大变化，a相电流估计值不变，a相传感器故障估计值超过故障定位阈值ta。
[0167]
图10是本发明实施例中传感器sa发生增益故障时a相电流形态因子ma和a相故障诊断自适应阈值t
tha
、a相传感器故障检测特征值va和a相故障定位特征值wa的仿真波形图；由该图可见，在0.268秒后，a相电流形态因子ma超过a相故障诊断自适应阈值t
tha
，此时a相传感器故障检测特征值va≠0、a相故障定位特征值wa＝1。