science >> Wetenschap >  >> Elektronica

Onderzoekers stellen een nieuw foutdiagnose-algoritme voor voor pulsbreedtemodulatie-omzetter

Fig. 1. De architectuur van het voorgestelde model. Krediet:Zhang Li

Een onderzoeksteam onder leiding van prof. Gao Ge en Jiang Li van de Hefei Institutes of Physical Science van de Chinese Academie van Wetenschappen heeft de foutdiagnose van een pulsbreedtemodulatie-omzetter onderzocht en een algoritme voor foutdiagnose van een neuraal netwerk voorgesteld om bestaande problemen op dit gebied op te lossen. veld. De resultaten zijn gepubliceerd in IEEE Transactions on Power Electronics .

Pulsbreedtemodulatie heeft de voordelen van een hoog rendement, een hoge vermogensdichtheid en een hoge betrouwbaarheid. Maar vanwege de complexiteit van de aandrijfsystemen en de diversiteit van de werking van fusieverbindingen, zijn pulsbreedtemodulerende spanningsbronconversiesystemen vatbaar voor kritieke storingen. Daarom is onderzoek naar foutdiagnosetechnologie van groot belang, met name open circuit foutdiagnose, dat was waar wetenschappers zich in dit onderzoek op hebben gericht.

De huidige foutdiagnosemethoden hebben alleen betrekking op de rectificatiestatus of de omvormerstatus. Theoretische analyse toont aan dat de foutkarakteristieke grootheden in beide twee toestanden totaal verschillende kenmerken hebben en gecompliceerd zijn, wat de moeilijkheid van foutdiagnose vergroot.

In deze studie gebruikten de onderzoekers bij het toepassen van het voorgestelde algoritme alleen de driefasige netstroom als de karakteristieke hoeveelheid foutdiagnose, en diagnosticeerden 21 soorten fouten in zowel de rectificatie- als de inverterstatus.

"Anders dan de traditionele Convolutional Neural Network-architectuur, kan een zorgvuldig ontworpen ontwerp de diepte en breedte van het netwerk vergroten terwijl het computerbudget constant blijft", zegt Dr. Deng Xi, eerste auteur van het onderzoek. "Hierdoor kunnen de computerbronnen binnen het netwerk beter worden benut."

Fig. 2. Modelnauwkeurigheid van het neurale netwerkmodel. Krediet:Zhang Li

De experimentele resultaten laten zien dat het model ongeveer 99,14% van de open circuit-schakelaarfouten nauwkeurig kan detecteren binnen 12,83 ms (<3/4 cyclus) zonder meer sensoren toe te voegen.

Deze studie biedt een basis voor de veilige en stabiele werking van fusie-energiesystemen en geeft een referentiewaarde voor andere gebieden. + Verder verkennen

Wetenschappers ontwikkelen intelligente foutdiagnosemethode voor kerncentrales