電力電子電路故障評(píng)估新指標(biāo)及基于LSSVM的預(yù)測新方法

姜媛媛 王友仁 羅 慧 林 華 崔 江

（1.南京航空航天大學(xué)自動(dòng)化學(xué)院 南京 210016 2.安徽理工大學(xué)電氣與信息工程學(xué)院 淮南 232001）

1 引言

故障預(yù)測是指根據(jù)被測對象過去和現(xiàn)在的監(jiān)測信息，對被測對象未來的狀態(tài)進(jìn)行預(yù)測進(jìn)而判斷是否會(huì)發(fā)生故障[1]。隨著“多電”飛機(jī)與“全電”飛機(jī)的迅速發(fā)展，機(jī)載電子設(shè)備數(shù)量急劇增加，航空航天飛行器的安全性和可靠性要求日益提高，由此，飛機(jī)健康預(yù)報(bào)與管理技術(shù)得到越來越多的關(guān)注，航空電源系統(tǒng)的作用更為重要[2-4]。電力電子電路是航空電源系統(tǒng)的重要組成部分[5]，電力電子電路故障預(yù)測技術(shù)是整個(gè)飛機(jī)健康管理系統(tǒng)的一部分，在航空、航天等對可靠性、安全性要求較高的領(lǐng)域有廣泛的應(yīng)用前景。

目前,針對電子產(chǎn)品與裝備的故障預(yù)測方法主要分三種[6-8]，其中基于故障參數(shù)的預(yù)測方法，無須了解系統(tǒng)內(nèi)部物理結(jié)構(gòu)等專業(yè)知識(shí)，適用于復(fù)雜系統(tǒng)預(yù)測，應(yīng)用范圍廣，其難點(diǎn)在于如何選取合適的能夠反映故障征兆的特征參數(shù)及故障預(yù)測算法[9]。

電力電子電路中含有不同的電路元器件，不可能對每個(gè)器件同時(shí)監(jiān)測，由于不同器件的壽命與可靠性不同，電路中各元器件性能退化及交互耦合作用，很難對由它們組成的電路或設(shè)備做準(zhǔn)確預(yù)測?，F(xiàn)階段，電力電子電路故障預(yù)測多為電路中關(guān)鍵元器件的預(yù)測，選用故障特征參數(shù)多為元器件的參數(shù)，如通過電解電容的等效串聯(lián)電阻 ESR預(yù)測電解電容器剩余壽命[10,11]，通過閾值電壓、集射極電壓等實(shí)現(xiàn)功率MOSFET、IGBT[12,13]的壽命預(yù)測，而電路級(jí)的故障預(yù)測研究很少，并缺乏反映電路級(jí)故障的特征參數(shù)與故障評(píng)估指標(biāo)。此外，對電力電子電路的故障預(yù)測的研究局限于理想工作條件下，并未考慮實(shí)際工作條件中電網(wǎng)、負(fù)載波動(dòng)對電路性能造成的影響?，F(xiàn)有故障預(yù)測算法種類繁多[14,15]，而支持向量回歸[16]解決了神經(jīng)網(wǎng)絡(luò)容易陷入局部極小點(diǎn)的問題，所需訓(xùn)練樣本數(shù)據(jù)少，且泛化能力較強(qiáng)、預(yù)測準(zhǔn)確度較高。

由此，面向電力電子電路電路級(jí)故障預(yù)測，本文著重考慮工作條件變化對電路參數(shù)的影響，確定了僅反映電路故障的特征參數(shù)相對變化量作為電路故障評(píng)估新指標(biāo)；然后，提出了基于最小二乘支持向量機(jī)（Least Squares Support Vector Machine，LSSVM）的電力電子電路故障預(yù)測新方法及其具體實(shí)現(xiàn)。該方法不受工作條件影響，能夠?qū)崿F(xiàn)電力電子電路電路級(jí)故障預(yù)測。最后，以 Buck電路為例進(jìn)行實(shí)驗(yàn)驗(yàn)證。

2 電力電子電路故障評(píng)估新指標(biāo)

2.1 電力電子電路故障評(píng)估新指標(biāo)

衡量電力電子電路性能的電路參數(shù)有動(dòng)態(tài)參數(shù)和靜態(tài)參數(shù)，如輸出電壓平均值Uo、輸出電壓紋波UPP，輸出電流平均值 Io、輸入平均功率 Pin、輸出平均功率Pout、效率η、輸出電壓紋波比δ 等[17,18]。電路工作條件是指電路的輸入信號(hào)（如，輸入電壓ui）及所帶負(fù)載。各電路參數(shù)值在電路由正常到故障過程中有不同程度的變化，包含了故障信息，但同時(shí)也受工作條件影響，且各電路參數(shù)間存在一定冗余信息。因此，直接根據(jù)電路參數(shù)變化預(yù)測故障不準(zhǔn)確。為此，需確定僅反映電路故障的、可靠的、數(shù)量盡可能少的電路參數(shù)作為故障特征參數(shù)，并依其確定故障評(píng)估指標(biāo)是實(shí)現(xiàn)電力電子電路準(zhǔn)確故障預(yù)測的關(guān)鍵。

本文提出以故障特征參數(shù)相對變化量作為電力電子電路故障評(píng)估新指標(biāo)，其定義如下。

定義：相同工作條件下，電路初始時(shí)刻（健康時(shí)）故障特征參數(shù)為θ0，電路累積工作一段時(shí)間后故障特征參數(shù)為θ，則故障特征參數(shù)相對變化量為

由于電力電子電路具有強(qiáng)非線性、電路拓?fù)浣Y(jié)構(gòu)不同且組成元器件種類各異，難以直接建立電路參數(shù)與元器件參數(shù)之間的關(guān)系。而故障特征參數(shù)相對變化量無須建立電路參數(shù)與元器件參數(shù)之間的關(guān)系，并能反映電路所處狀態(tài)的健康狀況。電路元器件參數(shù)為健康值不變化時(shí)，Δθ =0，其不受電路工作條件影響，只與電路本身健康狀況相關(guān)。

由定義知，確定電力電子電路特征參數(shù)相對變化量需解決關(guān)鍵問題有：一是確定電路故障特征參數(shù)；二是如何預(yù)測電路未來某時(shí)刻的故障特征參數(shù)相對變化量，具體即為如何獲取θ、θ0。

2.2 Buck電路故障評(píng)估新指標(biāo)

Buck電路是電力電子電路中實(shí)現(xiàn)降壓轉(zhuǎn)換的電路，是電力電子電路中最基本的電路。以圖1所示的 Buck電路為例，分析電力電子電路故障評(píng)估新指標(biāo)的建立過程。

2.2.1 Buck電路故障特征參數(shù)

（1）電路工作條件與電路參數(shù)關(guān)系。本文僅討論 Buck電路電阻性負(fù)載情況，且假定電路工作過程中功率開關(guān)器件驅(qū)動(dòng)信號(hào)占空比不變。

圖1 Buck電路Fig.1 Buck converter circuit

理論及實(shí)驗(yàn)證明，輸入電壓變化會(huì)引起各電路參數(shù)的變化[17,18]。輸入直流電壓Ui增大，則δ 減小，其余各電路參數(shù)（Uo、UPP、Io、Pin、Pout、η）均增大；負(fù)載電阻值 RL增大，則 Uo、UPP、δ、η 均增大，Io、Pin、Pout均減小。

（2）故障元器件參數(shù)與電路參數(shù)關(guān)系。電力電子電路中常見故障元器件為電解電容、功率半導(dǎo)體器件[10-13]。電解電容失效過程中，表現(xiàn)為其等效串聯(lián)電阻ESR增大，電容值C減小[10,11]。功率半導(dǎo)體器件，如功率MOSFET，隨時(shí)間退化過程中，表現(xiàn)為閾值電壓Vth增大，導(dǎo)通電阻Ron增大等[19]。這些，均會(huì)引起電路參數(shù)波動(dòng)。

筆者與課題組成員對Buck電路經(jīng)過大量實(shí)驗(yàn)，得出 Buck電路工作條件、元器件參數(shù)與電路參數(shù)的關(guān)系，見表1。其中“↑”表示增大，“↓”表示減小，“—”表示無規(guī)律或幾乎不變，Rds為功率MOSFET漏源電阻。

（3）Buck電路故障特征參數(shù)。見表1，當(dāng)工作條件恒定（Ui、RL不變）時(shí)，在電解電容、功率MOSFET 失效過程中，Uo、UPP、Io、Pout、δ 均有單調(diào)變化。然而 Uo、UPP、Io、Pout、δ 之間并非各自獨(dú)立，相互關(guān)系可見式（2），且其中δ 變化尤為突出，并曾逐漸增大趨勢。對 Buck電路理論分析得δ，見式（3），可得δ 與電路元器件參數(shù)相關(guān)。因此，δ 能夠作為Buck電路故障特征參數(shù)。

表1 Buck電路工作條件、元件參數(shù)對電路參數(shù)的影響Tab.1 Working condition and component parameters reflect on circuit parameters

式中，D為占空比；f為開關(guān)頻率；Vd為二極管導(dǎo)通壓降；Rs為電感等效串聯(lián)電阻。

2.2.2 Buck電路監(jiān)測信號(hào)選擇

若已知 Uo、UPP、RL，則 Io、δ、Pout分別可由式（2）得到。因此，以Buck電路輸出電壓信號(hào)作為電路監(jiān)測信號(hào)之一。

電路實(shí)際工作中，工作條件會(huì)有波動(dòng)。為兼顧工作條件對電路參數(shù)的影響，最終選擇電路監(jiān)測信號(hào)為電路輸入電壓ui、輸出電壓uo及輸出電流io。通過監(jiān)測這三個(gè)電路信號(hào)，即可得到電路參數(shù)Uo、UPP、Io，而負(fù)載電阻 RL、紋波比δ 可分別通過式（2）得出。

2.2.3 Buck電路故障評(píng)估新指標(biāo)——紋波比相對變化量

依據(jù)式（1），對 Buck電路，以輸出電壓紋波比δ 作為電路故障特征參數(shù)，并以其相對變化量Δδ（簡稱紋波比相對變化量）作為電路故障評(píng)估指標(biāo)。

式中，δ0為 Buck電路初始時(shí)刻（健康時(shí)）某一工作條件下的輸出電壓紋波比；δ 為同一工作條件下電路累積工作一段時(shí)間后輸出電壓紋波比。

Δδ 越大，電路健康狀況越差，當(dāng)超過規(guī)定閾值時(shí)，則認(rèn)為電路故障，能夠用于評(píng)價(jià) Buck電路健康狀況。

3 電力電子電路故障預(yù)測新方法

本文提出的電力電子電路級(jí)故障預(yù)測新方法目的為預(yù)測出電路未來某時(shí)刻的故障特征參數(shù)相對變化量，其總體思路為：利用 LSSVM算法預(yù)測電路未來工作條件、故障特征參數(shù)，并擬合計(jì)算未來工作條件下對應(yīng)的健康電路故障特征參數(shù)，進(jìn)而得到電路未來某時(shí)刻的故障特征參數(shù)相對變化量，最后根據(jù)規(guī)定閾值進(jìn)行故障判定，最終實(shí)現(xiàn)電力電子電路的故障預(yù)測。

3.1 最小二乘支持向量回歸

最小二乘支持向量回歸算法是 SVM 用于回歸（Support Vector Machine Regression，SVR）的一種算法，通過回歸訓(xùn)練，可實(shí)現(xiàn)函數(shù)擬合功能，并能在此擬合函數(shù)的基礎(chǔ)上實(shí)現(xiàn)外推預(yù)測。LSSVM的基本思想是通過非線性映射將輸入矢量x映射到高維特征Hilbert空間，并在這個(gè)空間進(jìn)行線性回歸，通過一個(gè)線性約束的二次規(guī)劃問題得到全局最優(yōu)解。

SVM回歸函數(shù)表達(dá)式為

式中，f(x) 為預(yù)測的輸出；φ(·) 表示非線性函數(shù)；x為輸入；w為權(quán)值；wT為w的轉(zhuǎn)置；b為偏差；Rn是n維實(shí)數(shù)空間；R為實(shí)數(shù)。

基于支持向量（Support Vector，SV）的最優(yōu)回歸函數(shù)是指滿足結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理，極小化（5）式將不等式約束轉(zhuǎn)化成等式約束，變?yōu)?/p>

式中，ei為誤差；γ 為常數(shù)；xi為訓(xùn)練樣本輸入x = (x1,···,xi, ···,xn)中第i個(gè)分量；yi為輸出樣本y =(y1,···,yi, ···,yn)中第i個(gè)分量。

依據(jù)對偶定理，建立拉格朗日（Lagrange）方程，引入Lagrange算子αi，得到

根據(jù) Karush-Kuhn-Tucker定理，最終可得LSSVM回歸函數(shù)為

空間映射過程是通過核函數(shù)K(x, y)=φ(x)·φ(y)實(shí)現(xiàn)的，核函數(shù)是滿足Mercer條件的內(nèi)積函數(shù)，常用的有線性核函數(shù)、多項(xiàng)式核函數(shù)、徑向基核函數(shù)、Sigmoid核函數(shù)等。

3.2 基于LSSVM的電力電子電路故障預(yù)測

基于 LSSVM的電力電子電路故障預(yù)測新方法的流程如圖2所示，主要包括電路未來狀態(tài)（工作條件、故障特征參數(shù)）預(yù)測、健康電路參數(shù)擬合和故障評(píng)估指標(biāo)計(jì)算三部分。由此可見，相比于一般的時(shí)間序列預(yù)測，本研究主要增加了健康電路參數(shù)擬合與故障評(píng)估指標(biāo)計(jì)算兩部分，且 LSSVM算法一方面用于預(yù)測，另一方面用于函數(shù)擬合。

圖2 電力電子電路故障預(yù)測流程Fig.2 Flow chart of power electronic circuit fault prediction

3.2.1 電路狀態(tài)預(yù)測

通過監(jiān)測電路信號(hào)，獲取電路歷史及當(dāng)前時(shí)刻工作條件、電路參數(shù)，利用 LSSVM預(yù)測算法對該數(shù)據(jù)進(jìn)行回歸建模，獲得電路工作條件、電路參數(shù)變化趨勢模型，預(yù)測未來某時(shí)刻電路工作條件與電路參數(shù)。

對Buck電路，從初始時(shí)刻（健康時(shí)刻，記為0時(shí)刻）至當(dāng)前時(shí)刻（記為k時(shí)刻）的工作條件為

電路參數(shù)為

在電路存在未知緩變參數(shù)故障的前提條件下，預(yù)測未來某一時(shí)刻（k+p，p＞0）系統(tǒng)工作條件Ui(k+p)、RL(k+p)、電路參數(shù) Uo(k+p)、Upp(k+p)，由式（2）即可得到k+p時(shí)刻電路故障特征參數(shù)δ(k+p)。

3.2.2 健康電路參數(shù)擬合

由于電路參數(shù)同時(shí)受電路工作條件與電路元器件參數(shù)影響，若在相同工作條件下將非健康狀態(tài)與健康狀態(tài)時(shí)的電路參數(shù)對比，即可排除工作條件對電路參數(shù)的影響。為此，進(jìn)行相同工作條件的健康電路參數(shù)擬合，即求解某工作條件下，電路處于初始時(shí)刻（健康時(shí)）的電路參數(shù)。

電力電子電路具有強(qiáng)非線性，電路工作條件與電路參數(shù)的關(guān)系難以直接求得。以工作條件為輸入、電路參數(shù)為輸出，依據(jù)電路健康狀態(tài)下各種工作條件對應(yīng)電路參數(shù)作為訓(xùn)練樣本，利用 LSSVM估計(jì)系統(tǒng)輸入與輸出之間的依賴關(guān)系，擬合出電路健康時(shí)電路參數(shù)與工作條件的函數(shù)關(guān)系。這樣，已知電路工作條件，即可得到電路健康時(shí)對應(yīng)的電路參數(shù)。如Buck電路中，以Ui、RL為輸入，電路參數(shù)Uo、Upp為輸出，若已知 Ui(k+p)、RL(k+p)，可得到 k+p時(shí)刻該工作條件下對應(yīng)健康電路參數(shù)為 Uo(k+p)、Upp(k+p)，由式（2）即可得到k+p時(shí)刻電路健康時(shí)的電路故障特征參數(shù)δ0(k+p)。

圖3 電路健康時(shí)輸入、輸出關(guān)系Fig.3 Relationship between input and output parameters of healthy circuit

3.2.3 故障評(píng)估指標(biāo)計(jì)算

根據(jù)預(yù)測得到未來某時(shí)刻的電路參數(shù)以及擬合得到的相同工作條件下的電路健康時(shí)的電路參數(shù)，由式（1）即可求得故障特征參數(shù)相對變化量，并進(jìn)行分析判斷便可實(shí)現(xiàn)電力電子電路的故障預(yù)測。

對Buck電路，由式（4）可得到k+p時(shí)刻的紋波比相對變化量Δδ(k+p)；依據(jù)Δδ(k+p)是否超過閾值，判定k+p時(shí)刻電路是否故障。

3.2.4 實(shí)驗(yàn)設(shè)計(jì)

電力電子電路進(jìn)行故障預(yù)測實(shí)驗(yàn)步驟具體分為三大步：

Step1：預(yù)測

（1）根據(jù)電路各元器件緩變型故障隨時(shí)間的退化規(guī)律，設(shè)定器件參數(shù)隨時(shí)間的變化趨勢，同時(shí)設(shè)定工作條件的波動(dòng)變化，進(jìn)行電路仿真。

（2）選擇適當(dāng)?shù)谋O(jiān)測信號(hào)，監(jiān)測該監(jiān)測信號(hào)的波形數(shù)據(jù)，計(jì)算電路參數(shù)。

（3）重復(fù)上述過程，獲取若干歷史時(shí)刻點(diǎn)工作條件及電路參數(shù)，作為LSSVM預(yù)測的訓(xùn)練樣本。

（4）利用LSSVM算法，對未來時(shí)刻工作條件及電路參數(shù)進(jìn)行預(yù)測。

Step2：健康擬合

（5）電路元器件參數(shù)設(shè)置為初始時(shí)刻值（健康值）保持不變，同時(shí)分別設(shè)定不同的工作條件，進(jìn)行電路仿真。

（6）獲取多種工作條件下電路健康時(shí)的電路參數(shù)作為LSSVM回歸擬合的訓(xùn)練樣本，進(jìn)行回歸建模。

（7）根據(jù)（6）計(jì)算（4）預(yù)測的未來某時(shí)刻的工作條件下對應(yīng)的健康電路參數(shù)。

Step3：故障評(píng)估指標(biāo)計(jì)算，故障判定

（8）根據(jù)未來某一工作條件下的電路參數(shù)與同一工作條件下對應(yīng)健康參數(shù)，由式（1）計(jì)算故障評(píng)估指標(biāo)，即故障特征參數(shù)相對變化量。

（9）分析故障特征參數(shù)相對變化量，將其與規(guī)定閾值相比較，判定是否發(fā)生故障，最終實(shí)現(xiàn)電力電子電路的故障預(yù)測。

4 故障預(yù)測實(shí)例及實(shí)驗(yàn)結(jié)果分析

本文以圖1所示Buck電路為例，圖1中，功率 MOSFET為 IRF151，其開關(guān)頻率 f =50kHz，占空比D=0.22；濾波電感L=43μH，續(xù)流二極管VD1為MUR405，輸出濾波電容C=220μF，此處采用理想電容和等效串聯(lián)電阻ESR表示一個(gè)實(shí)際電容。電路正常工作條件是，輸入直流電壓Ui=25V，負(fù)載為阻性負(fù)載RL=1.25Ω，電路健康時(shí)的元件參數(shù)為表2中0時(shí)刻的值。

4.1 工作條件波動(dòng)、元器件緩變故障各時(shí)刻電路參數(shù)

首先，輸入電壓波動(dòng)、負(fù)載波動(dòng)設(shè)置為±20%正弦隨機(jī)波動(dòng)，并根據(jù)各元器件緩變故障在不同時(shí)刻的參數(shù)值逐次設(shè)置電路，使用Pspice軟件動(dòng)態(tài)仿真，選擇電路的輸出電壓uo、輸出電流io、輸入電壓ui作為監(jiān)測信號(hào)并獲取穩(wěn)態(tài)時(shí)的波形數(shù)據(jù)；然后，在 Matlab7.6環(huán)境下編程計(jì)算各時(shí)刻電路參數(shù)，不同工作條件下各時(shí)刻的電路參數(shù)見表2。

由表2知，隨著功率MOSFET、電解電容的退化，Uo、Upp、io、δ 同時(shí)受工作條件影響，而Δδ 不論工作條件如何變化，都呈增大趨勢，能夠反映電路本身健康狀況。

4.2 LSSVM預(yù)測與擬合

本文 LSSVM算法一方面用于預(yù)測未來某時(shí)刻電路輸入電壓Ui、輸出平均電流Io、輸出平均電壓Uo及紋波電壓 Upp；另一方面用于已知工作條件，擬合計(jì)算電路健康時(shí)的Uo、Upp。

表2 工作條件波動(dòng)、元器件緩變故障各時(shí)刻電路參數(shù)Tab.2 Circuit parameters under different working conditions and slowly changing components parameters

4.2.1 預(yù)測 Ui、Io、Uo、Upp

選擇表2中0～9時(shí)刻為第一次訓(xùn)練樣本，對第10時(shí)刻進(jìn)行預(yù)測，之后將第 10時(shí)刻的實(shí)際測量值替代第0時(shí)刻，1～10時(shí)刻點(diǎn)構(gòu)成10個(gè)訓(xùn)練樣本，對第11點(diǎn)進(jìn)行預(yù)測，依次類推完成10～19時(shí)刻點(diǎn)的預(yù)測。此處，LSSVM算法中核函數(shù)選擇徑向基核函數(shù)，經(jīng)反復(fù)實(shí)驗(yàn)核函數(shù)參數(shù)gam=20000，sig2=0.01時(shí)效果最好。表3給出了各時(shí)刻點(diǎn)預(yù)測結(jié)果及相對誤差。

由表3數(shù)據(jù)可知，利用LSSVM方法對Buck電路Ui、Io、Uo、Upp的預(yù)測相對誤差都較小，均低于0.1%，該算法能夠跟蹤各物理量的變化。

表3 電路參數(shù)LSSVM預(yù)測結(jié)果Tab.3 Circuit parameters prediction based on LSSVM

4.2.2 各工作條件下的健康電路參數(shù)

電路各組成元器件參數(shù)設(shè)置為初始健康狀態(tài)時(shí)的值，在各種不同工作條件下，使用Pspice軟件動(dòng)態(tài)仿真，經(jīng)數(shù)據(jù)處理得到以Ui、RL為輸入、以Uo、Upp為輸出共120余組數(shù)據(jù)，用于訓(xùn)練LSSVM進(jìn)行函數(shù)擬合。此處，LSSVM算法中核函數(shù)選擇徑向基核函數(shù)，經(jīng)反復(fù)實(shí)驗(yàn)核函數(shù)參數(shù)gam=107，sig2=100時(shí)效果最好。表4給出了各時(shí)刻點(diǎn)擬合結(jié)果及相對誤差。

由表4知，利用LSSVM方法擬合計(jì)算Buck電路健康狀態(tài)下電路輸出電壓、紋波電壓相對誤差都較小，均低于2%，甚至為零，擬合效果很好。

表4 健康電路參數(shù)LSSVM擬合Tab.4 Healthy circuit parameters calculated based on LSSVM

4.2.3 電路健康狀況評(píng)估

選擇紋波比相對變化量作為 Buck電路的故障評(píng)價(jià)指標(biāo)，依據(jù)表3中預(yù)測得到的第10～19時(shí)刻的電路參數(shù)，以及表 4中擬合計(jì)算得到的第 10～19時(shí)刻的健康電路參數(shù)，即可得到第10～19時(shí)刻的紋波比相對變化量，見表5。

表5 紋波比相對變化量Tab.5 Relative shift of voltage ripple ratio

由表 5，本文所研究的預(yù)測方法進(jìn)行紋波比相對變化量的預(yù)測與表2中真實(shí)值相比，相對誤差小于2%，效果較好。

通過分析電路元器件參數(shù)對電路性能的影響，本文設(shè)定紋波比相對變化量達(dá)到1時(shí)，電路性能不再滿足需求，即認(rèn)為電路發(fā)生故障。本電路中，正常工作時(shí)輸出平均電壓為 4.814V，電壓紋波值為0.534V，紋波比相對變化量為 0。隨著元器件緩變故障程度加深，電路紋波比相對變化量逐漸增大，電路在第12時(shí)刻超過1，判定發(fā)生故障。

5 結(jié)論

為解決電力電子電路級(jí)故障預(yù)測，并排除工作條件對準(zhǔn)確故障預(yù)測的影響，本文提出了一種新的故障評(píng)估指標(biāo)，并使用 LSSVM算法實(shí)現(xiàn)電力電子電路未來狀態(tài)預(yù)測。通過理論分析與實(shí)驗(yàn)仿真得出以下結(jié)論：

（1）提出了故障特征參數(shù)相對變化量作為電力電子電路級(jí)故障評(píng)估指標(biāo)，其僅與電路自身故障狀況相關(guān)，能夠排除工作條件變化對電路性能的影響。文中雖僅對典型開環(huán) Buck電路在電阻性負(fù)載且占空比不變情況下進(jìn)行實(shí)驗(yàn)驗(yàn)證，但所提故障評(píng)估新指標(biāo)也能借鑒用于其他電力電子電路，其關(guān)鍵在于確定不同情況下電力電子電路級(jí)故障特征參數(shù)。

（2）使用LSSVM算法用于電力電子電路未來工作條件、電路參數(shù)預(yù)測與健康電路參數(shù)擬合，進(jìn)而獲取了電路未來的故障特征參數(shù)相對變化量，方法簡單快速，取得了較好的效果。但支持向量機(jī)核函數(shù)選擇及各參數(shù)之間存在一個(gè)最優(yōu)匹配，不恰當(dāng)?shù)膮?shù)設(shè)置甚至?xí)夯浠貧w與泛化性能。

本文提出以故障特征參數(shù)相對變化量作為電力電子電路級(jí)故障評(píng)估指標(biāo)，且基于 LSSVM對電力電子電路故障預(yù)測的實(shí)現(xiàn)方法具有較強(qiáng)的普適性和應(yīng)用潛力。

[1]司小勝, 胡昌華, 周志杰.基于證據(jù)推理的故障預(yù)報(bào)模型[J].中國科學(xué): 信息科學(xué),2010, 40(7):954-967.Si Xiaosheng, Hu Changhua, Zhou Zhijie.Fault prediction model based on evidential reasoning [J].Scientia Sinica(Informationis),2010, 40(7): 954-967.

[2]呂弘, 袁海文, 張莉, 等.基于模式重要度的航空電源系統(tǒng)可靠性估計(jì)[J].航空學(xué)報(bào),2010, 31(3):608-61 3.Lu Hong, Yuan Haiwen, Zhang Li, et al.Aircraft electrical power system reliability estimation based on pattern importance[J].Acta Aeronautica et Astronautica Sinica,2010, 31(3): 608-61 3.

[3]Lall P, Hande M, Bhat C, et al.Prognostics health monitoring(PHM) for prior-damage assessment in electronics equipment under thermo-mechanical loads[C].Proceedings of the Electronic Components and Technology Conference, New York, USA,2007:1097-1111.

[4]Ma Zhangshan.A new life system approach to the prognostic and health management(PHM) with survival analysis, dynamic hybrid fault models,evolutionary game theory, and three-layer survivability analysis[C].Proceedings of the IEEE Aerospace Conference, Big Sky, Montana, USA,2009:1-20.

[5]Orsagh R, Brown D, Roemer M, et al.Prognostic health management for avionics system power supplies[C].Proceedings of the IEEE Aerospace Conference, Big Sky, Montana, USA,2005:3585-3591.

[6]Vichare N M, Pecht M G.Prognostics and health management of electronics[J].IEEE Transactions on Components and Packaging Technologies,2006,29(3): 222-229.

[7]Pecht M.A prognostics and health management roadmap for information and electronics-rich systems[J].IEICE Fundamentals Review,2010, 3(4):25-3 2.

[8]Kumar S, Pecht M.Modeling approaches for prognostics and health management of electronics[J].International Journal of Performability Engineering,2010, 6(5): 467-476.

[9]方甲永, 肖明清, 黃宏偉, 等.電子裝備故障預(yù)測參數(shù)選取與設(shè)置[J].空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版),2010, 11(4): 11-15.Fang Jiayong, Xiao Mingqing, Huang Hongwei, et al.Fault prognosis parameters selection and setting in electronic equipment[J].Journal of Air Force Engineering University,2010, 11(4): 11-15.

[10]Kulkarni C, Biswas G, Koutsoukos X.A prognosis case study for electrolytic capacitor degradation in DC–DC converters[C].Proceedings of the Annual Conference of the Prognostics and Health Management Society,2009: 1-10.

[11]Abdennadher K, Venet P, Rojat G, et al.A real-time predictive-maintenance system of aluminum electrolytic capacitors used in uninterrupted power supplies[J].Industry Applications.2010, 46(4): 1644-165 2.

[12]Patil N, Celaya J, Das D, et al.Precursor parameter identification for insulated gate bipolar transistor(IGBT) prognostics[J].IEEE Transactions on Reliability,2009, 58(2): 271-276.

[13]孫鳳艷, 王友仁, 崔江, 等.功率變換電路電解電容器故障預(yù)測方法研究[J].電子測量與儀器學(xué)報(bào),2010,24(1): 29-3 3.Sun Fengyan, Wang Youren, Cui Jiang, et al.Research on failure prediction method of electrolytic capacitor used in power conversion circuit[J].Journal of Electronic Measurement and Instrument,2010,24(1): 29-3 3.

[14]Salfner F, Lenk M, Malek M.A survey of online failure prediction methods[J].ACM Computing Surveys.2010, 42(3): 1-4 2.

[15]艾紅, 周東華.動(dòng)態(tài)系統(tǒng)的故障預(yù)測方法[J].華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版).2009, 37(S1): 222-225.Ai Hong, Zhou Donghua.Fault prediction approach for dynamic system[J].Journal of Huazhong University of Science and Technology(Natural Science Edition),2009, 37(S1): 222-225.

[16]崔江, 王友仁, 劉權(quán).基于高階譜與支持向量機(jī)的電力電子電路故障診斷技術(shù)[J].中國電機(jī)工程學(xué)報(bào),2007,27(10): 62-66.Cui Jiang, Wang Youren, Liu Quan.The technique of power electronic circuit fault diagnosis based on higher-order spectrum analysis and support vector machines[J].Proceedings of the Chinese Society for Electrical Engineering,2007,27(10): 62-66.

[17]劉樹林, 劉健, 寇蕾, 等.Buck DC/DC變換器的輸出紋波電壓分析及其應(yīng)用[J].電工技術(shù)學(xué)報(bào),2007,22(2): 91-97.Liu Shulin, Liu Jian, Kou Lei, et al.Analysis of output ripple voltage of Buck DC/DC converter and its application[J]. Transactions of China Electrotechnical Society,2007,22(2): 91-97.

[18]李金伴, 李捷輝, 李捷明.開關(guān)電源技術(shù)[M].北京:化學(xué)工業(yè)出版社,2006.

[19]陳鏡波, 何小琦, 章曉文.基于閾值電壓漂移的VDMOS壽命評(píng)價(jià)[J].微電子學(xué),2010, 40(3): 421-424.Chen Jingbo, He Xiaoqi, Zhang Xiaowen.Life evaluation of VDMOS based on threshold voltage shift[J].Microelectronics,2010, 40(3): 421-424.

[20]姜媛媛, 王友仁, 崔江, 等.基于 LS-SVM 的電力電子電路故障預(yù)測方法[J].電機(jī)與控制學(xué)報(bào),2011,15(8): 64-68.Jiang Yuanyuan, Wang Youren, Cui Jiang, et al.Research on fault prediction method of power electronic circuits based on least squares support vector machine[J].Electric Machines and Control,2011, 15(8): 64-68.