一种功率变换器主电路的智能自修复技术的制作方法
【专利摘要】一种功率变换器主电路的智能自修复技术，属于电路测试领域。该方法包括如下步骤：1)对主电路进行仿真和分析，确定主电路功率管的故障类型、数目、测试节点(即电压或电流信息)等；2)利用可测节点采集故障信息，并实施特征提取，进行分类器的离线训练，构建故障字典并存储在CPU的存储器中；3)CPU采集主电路功率管的相关信息，并进行特征提取(与步骤2)中一致)，借助于故障字典进行计算和分析，判断功率管是否故障，如果无故障，则重新监测；如果出现故障，判断功率管位置，关断故障功率管，并切换至备份功率管，以实现主电路功能和结构自修复。本发明灵活性强、可靠性高，十分适合用于对功率管可靠性要求极高的场合。
【专利说明】—种功率变换器主电路的智能自修复技术【技术领域】
[0001]本发明涉及一种功率变换器主电路的故障诊断和自修复技术，属于电路故障预测与健康管理(Prognostics and health management,简称 PHM)方面的领域。
【背景技术】
[0002]功率变换器主要由功率管和辅助器件构成，功率管的可靠性基本上能够左右整个变换器系统的可靠性，因而其故障诊断和定位技术几乎在各个领域都得到了广泛研究和应用，虽然相关的故障诊断技术研究的较多，但是对主电路的自修复技术研究的却很少。自修复技术属于功率变换器的PHM领域，是电路故障诊断和预测决策中的部分关键技术，也是研究的热点和趋势之一。
[0003]目前，基于数据驱动的智能技术是功率变换器主电路故障诊断研究中的重点和趋势。其中，支持向量机分类器(Support Vector Machines Classifier,简称SVC)以其外推能力强、小样本学习能力强、对数据维不敏感等优点，成为故障诊断领域的研究重点。常规的二元SVC (Binary SVC,简称BSVC)不能直接用于多分模式识别，必须进行一定的重新设计和结构才能完成此类工作。目前，主要的设计思路是直接组合BSVC，以形成一个能够进行多模式分类的 SVC，例如 “one against rest” SVC (简称 0VRSVC)。
【发明内容】
[0004]为了解决上述问题，本发明提出了一种基于OVRSVC的功率变换器主电路的智能自修复方法，该方法利用DSC实施信号采集和处理，并借助于OVRSVC进行功率管的智能故障快速分类，根据定位结果实施功率管的自修复。该项技术可显著提高功率变换器主电路的可靠性，在很多重要场合具有十分重要的应用价值。
[0005]本发明为解决其技术问题采用如下技术方案:
[0006]一种功率变换器主电路的智能自修复技术，包括如下步骤(1)~(4):
[0007](I)对待测的功率变换器主电路进行可测性分析，确定功率管故障的类型、数目，确定可测节点和采集的电压、电流等信息类型；
[0008](2)进行离线操作，包括数据采集、故障特征提取、分类器训练(采用PC机实现)和故障字典的构建，所述故障特征提取，采用分数阶傅里叶分析和基于遗传算法的特征选择技术；
[0009](3)在进行实际电路的状态在线监测时，DSC利用可测点采集故障信息，并利用步骤2)中同样的故障特征提取方法实施故障信息压缩和提取，并利用OVRSVC实施功率变换器主电路的工作状态评估，确定故障功率管的位置和数目。
[0010](4) DSC根据故障功率管的位置信息，发出控制信号，通过自修复电路实施功率管的备份替换，从而实现 自修复。
[0011]本发明的有益效果如下:
[0012](I)通过DSC实施信号处理和控制，能够显著提高信息处理的速度和效率，并能够灵活的实现系统功能的升级和改造。
[0013](2)通过GA算法的优势，可以选择适合后续OVRSVC所需的核参数和对应的故障特征集合，并能够显著压缩数据维，降低对DSC存储空间的要求，从而能够降低DSC的计算复杂度，提高在线监测的计算效率。
[0014](3)通过借助DSC和人工智能技术，可以大大提高功率变换器主电路的状态监测与自修复的自动化程度，减少了人力成本和停机时间。该项技术可以应用在功率变换器主电路的板级和系统级层次上。
【专利附图】
【附图说明】
[0015]图1功率变换器主电路的智能自修复流程。
[0016]图2第X个功率管的修复示意图。
【具体实施方式】
[0017]下面结合附图对本发明创造作进一步的详细说明。
[0018]本发明设计了一种功率变换器主电路的智能自修复方法，该方法主要包括两个流程部分(流程I和流程II)，分别如图1中的两路虚线所示。
[0019]一、流程I的实施
[0020](I)可测试性分析(测点和信息类型选择)。
[0021]通过对电路进行可测性分析，用于确定功率管故障的类型(开路故障还是短路故障)和数目(即有多少个功率管器件是潜在的故障源，是否要考虑二个或以上功率管的组合等)。此处，假设需要故障模式一共有N种(包括电路的正常态)。上述这些工作可以采用仿真软件(例如Saber)进行，进行仿真时，需要在软件内部绘制原理图，并根据可能出现的故障模式进行设置。软件分析可以提供所有的可测节点的电压输出信息，也包括各个支路的电流等信息。因此，采集这些信息并进行定性或定量分析，分辨出哪些节点和信息类型有利于进行故障信息采集，并在能够分辨所有故障模式的前提下，确保所利用的可测节点数和故障信息类型数最少。
[0022](2)数据采集。
[0023]因为本发明中的OVRSVC采用有监督学习方法进行训练，故需要一定数目的故障样本。样本的获取既可以采用物理数据样本获取，也可以采用仿真加以获取。如果采用仿真的方式，需要考虑实际应用中元件容差的影响(用Monte Carlo技术进行模拟)。
[0024]在进行实际的硬件数据采集时，还需要特别考虑诊断所需的传感器类型和精度:如果采集的为电流信号，则需要通过Ι/ν电路把电流信号转换为电压再进行采集。ADC的采样速率、精度和数据点个数等可根据实际需要确定，比如，数据采集的AD转换器精度为12位，采样率fs = 500KHzo
[0025](3)特征提取和选择。
[0026]对采集到的数据样本进行特征提取，以压缩数据并去除高频噪声的干扰，此处的特征提取方法采用分数阶傅里叶(Fractional Fourier Transformation,简称FrFT)分析技术。对于连续信号f(t)，FrFT的连续变换公式为:
[0027]
【权利要求】
1.一种基于功率变换器主电路的自修复技术，其特征在于，包含以下步骤； (1)利用数字信号控制器(Digitalsignal controller,简称DSC)强大的数字信号处理功能，利用模数转换器(Analog to digital converter,简称ADC)采集电路可测节点处的电压和电流(需要经过I/V变换为电压信息，此处I/V表示电流/电压变换电路)等状态信息； (2)DSC对采集到存储器内部的信号进行预处理，用于提取故障特征信息； (3)把故障特征信息输入至模式分类器，以便对整个功率变换器主电路的工作状态进行评估，如果电路工作属于正常状态，则返回步骤(1);如果电路工作不正常，给出故障功率管的具体位置，进入下一个步骤； (4)DSC根据故障功率管的数目和位置，发出控制信号，控制电路内部动作，使得备份功率管替换故障功率管，这样可以保持整个主电路的拓扑结构不变，实现了功率变换器主电路结构和功能的自修复。
2.根据权利要求1所述的一种基于功率变换器主电路的自修复技术，其特征在于所述步骤(2)中的信号预处理技术(即故障特征提取)，需要预先离线计算以确定故障特征，步骤如下: (2.1)对所有的状态信息(包括正常工作状态)样本进行分数阶傅里叶分析，得到多组特征矢量，假设特征数目为N。每一组矢量对应某种故障模式的所有样本； (2.2)采用遗传算法(Genetic algorithm,简称GA算法)寻找合适的特征组合。其中，GA算法的个体采用二进制编码方式(即在GA的交叉和变异运算中，意味着某个特征的加入或删除)；适应度函数设定为
3.根据权利要求1所述的一种基于功率变换器主电路的自修复技术，其特征在于所述步骤(4)中的功率管驱动和自修复电路均由DSC控制，其中，自修复电路主要由多路开关、备份功率管和DSC控制电路构成。备份功率管的数目由变换器主电路的可靠性指标要求确定,整个系统能够完成自修复的次数也由备份功率管的数目确定。
【文档编号】G05B23/02GK103995528SQ201410197879
【公开日】2014年8月20日 申请日期:2014年5月9日 优先权日:2014年5月9日
【发明者】崔江 申请人:南京航空航天大学