基于小波包熵和马氏距离的级联式变频器故障诊断

王 锐，王 新

(河南理工大学物理与电子信息学院，河南 焦作 454000)

基于小波包熵和马氏距离的级联式变频器故障诊断

王 锐，王 新

(河南理工大学物理与电子信息学院，河南 焦作 454000)

针对级联式变频器内部功率管开路故障诊断中，逆变侧功率管开路故障隐蔽性较强、诊断较难的问题，提出了一种基于小波包特征熵的故障信号提取方法。为了提高级联式变频器功率管开路故障的诊断精度，采用马氏距离分类法进行故障诊断。首先，采集某型号级联式变频器在不同工况下的输入侧电流信号；其次，对采集的电流信号作小波包变换，并提取其特征熵向量作为样本数据集；最后，利用马氏距离分类法进行故障诊断。试验结果表明：采用小波包特征熵提取算法，可以有效地提取级联式变频器功率管发生开路故障时的电流信号特征；同时，采用马氏距离分类法，能够较好地对特征熵向量进行分类和识别。2种算法的结合，可以有效诊断级联式变频器功率管开路故障，也为变频器功率管开路故障的诊断提供了新方法。

故障诊断； 级联式变频器； 功率管； 开路故障； 小波包； 特征熵； 马氏距离

0 引言

近年来，随着电力电子技术的快速发展，基于该技术的高压变频器被广泛应用于冶金、石油、矿山等行业[1]。然而，在实际现场中，由于使用环境、人为误操作等因素，高压变频器往往会出现各式各样的故障，导致系统不能正常工作，从而造成经济损失，甚至引发安全事故[2]。

级联式变频器是一种常见的高压变频器，它由若干个低压功率单元组成，具有功率器件数量多、系统结构复杂等特点，这就使得其发生故障的概率大大增加。其中，功率器件的开路故障因其对变频器输出电流、电压的影响较小而不易被发觉，如果不及时诊断可能会带来安全隐患[3-4]。因此，研究级联式变频器功率管开路故障诊断方法具有重要意义。

小波包变换作为一种新的时频域分析工具，已被广泛应用于信号处理、故障识别等领域[5]，在处理非平稳、突变以及不连续信号方面具有较大的优势。信息熵理论是建立在概率统计基础上的、对系统不确定程度的一种描述。它反映了信息概率分布的均匀性，近年来在故障诊断、生物医学等领域得到较多应用，取得了较好的效果[6]。马氏距离分类法将待判别样本与总体数据集之间的协方差距离作为衡量数据之间相似度的依据。马氏距离越小，表明样本之间的相似度越大。因为马氏距离不受量纲的影响(即独立于测量尺度)，能够考虑到各种特性之间的联系，并且可以排除变量之间相关性的干扰，所以相比传统的欧氏距离法，其具有很多优势[7-8]。

本文将小波包变换理论与信息熵理论相结合，作为提取变频器故障信号特征的方法；基于马氏距离分类法建立故障诊断模型，对级联式变频器功率管开路故障进行诊断。试验结果表明，2种方法的结合，可以有效地诊断级联式变频器功率管开路故障，并提高了故障诊断的精度。

1 级联式变频器故障特征分析

级联式高压变频器采用多个低压功率单元相互级联，以实现高电压输出[9]。本文以6 kV级联式高压变频器为研究对象，其结构原理如图1所示。

图1 级联式高压变频器结构原理图

级联式高压变频器采用5级串联结构，每相由5个额定电压为690 V的低压功率单元串联而成，因而每相输出电压可达3 450 V。三相采用星形连接方式时，可使输出线电压达到6 000 V左右，满足多数工业场合的变频器输出要求。

低压功率单元结构原理图如图2所示。图2中，每个功率单元均可视作1个交-直-交的电压型单相输出低压变频器。该功率单元的整流侧采用三相桥式不可控全波整流，中间环节采用电容进行滤波与储能，输出侧为H桥式逆变电路。输出侧由4个功率管组成(本文以VT1～VT4表示)，以提供单相等幅的交流脉冲宽度调制(pulse width modulation,PWM)波形输出电压。

因为级联式变频器运行时，其内部功率管往往处于导通或者关断状态，所以容易引起开路故障。在实际工作中，为了避免变频器停机，变频器往往不监测和报警这类故障，这样会给系统带来严重的安全隐患。

本文以实际现场某型号级联式变频器发生功率管开路故障为例，采集其在不同工作频率下的输入侧电流信号，并以采集到的电流信号作为提取功率管开路故障特征的信息源，实现对级联式变频器功率管开路故障的诊断。

2 电流信号的小波包特征熵提取步骤

2.1 级联式变频器电流信号的小波包分解

假设级联式变频器运行时输入侧电流信号为i(t)，可以采用以下方法对电流信号作小波包分解。

(1)

式中:h(k)和g(k)分别为高、低通滤波器组。

级联式变频器输入侧电流信号的小波包分解，实质上是将电流信号i(t)分别通过高通滤波器组h(k)和低通滤波器组g(k)，分解到低频与高频通道内。此外，在小波包分解后的各个节点处，可以进行系数重构。具体的重构算法此处限于篇幅，不再赘述。小波包分解各节点重构信号反映了该节点所对应频段成分在原始信号中的分布状况，即实现了对原始信号的频域抽取，在故障诊断中反映了状态特征频率的变化[10]。

2.2 级联式变频器电流信号特征熵的提取

在提取电流信号特征熵时，需要先提取该电流信号的包络。提取信号包络通常采用希尔伯特(Hilbert)变换法，其具体实现步骤如下[11]。

①首先，定义所求包络的原始信号i(t)的解析形式为g(t)。g(t)的基本形式为：

(2)

②求取该解析信号g(t)的幅值A(t)，即原始信号i(t)的包络：

(3)

③将所求的包络信号按时间轴均分，并求取每段的能量值。能量值求取公式为：

(4)

式中：i=1,2,…,N；t0、t1分别为第i分段的起、止时间点。

④对各分段包络信号的能量作如式(5)所示的归一化处理。根据信息熵的基本定义，原始信号的特征熵值可表述为式(6)。

(5)

(6)

式中：C(i)为第i段包络信号能量归一化后的值；H为所求信号的特征熵值。

3 马氏距离分类原理

马氏距离分类法是建立在统计基础上的分类算法，它按照每个总体的特征构造相应的判别准则，并通过计算样本到各总体的“距离”来判定样本所属的类。马氏距离分类法通过协方差矩阵把“距离”无量纲化，克服了传统欧式距离法的缺陷，从而能够方便地度量观测样本和已知样本集间的距离，因而适用于故障分类。其具体分类原理如下[12]。

①马氏距离的计算。

设任意一个P维样本X到某一P维总体G的马氏距离为d(X,G)，其计算公式如下：

(7)

式中：μ为P维总体G的均值向量;S为样本总体的协方差矩阵。

②2类总体分类规则。

假设有2类总体G1、G2所含的样本均为P维样本，其均值向量分别为μ1、μ2，其协方差矩阵分别为S1、S2。若假设X为待判别样本，则有如下判别规则：

若d(X,G1)≤d(X,G2)，则X∈G1；

若d(X,G2)≤d(X,G1),则X∈G2。

③多类总体分类规则。

在2类总体分类规则的基础上，扩展到k类总体G1,G2,…,Gk。它们的均值向量与协方差矩阵分别为μ1,μ2,…,μk和S1,S2,…,Sk，则对任意1个待判样本X，有如下规则：

4 试验分析

4.1 级联式变频器功率管开路故障诊断流程

将小波包特征熵方法求得的电流信号特征熵向量，作为诊断级联式变频器功率管开路故障的特征向量，并采用马氏距离分类法来实现其功率管开路故障诊断。级联式变频器故障诊断流程如图3所示。

图3 故障诊断流程图

4.2 电流信号特征熵向量提取

以1台负载为风机的6 kV高压型级联式变频器为研究对象，在对通风机的实际测试中，由于功率单元A5线路板上接插件松动而造成其逆变侧VT4管未有效触发，则该故障相当于功率管开路故障。本文通过数据采集仪，采集该变频器在不同工作频率下的输入侧电流信号。其中，数据采集仪的采样频率设置为f=5 kHz。

采集工作频率在35～50 Hz时的变频器输入侧电流信号。在故障状态下，共采集了30组电流信号。更换故障功率单元以后，在正常状态下，采集了20组电流信号。

部分故障以及正常状态下的输入侧电流波形如图4所示。

图4 输入侧电流波形

对采得的50组电流信号作小波包特征熵向量的提取，具体的实现步骤如下。

①对A相采集的正常与故障电流信号，分别作3层小波包分解，选取db3小波作为基小波，并分别对第3层8个节点处的信号进行重构。

②对于步骤①中重构的8个节点信号，采用希尔伯特变换法求取其包络。

③对于步骤②中求得的8个包络信号，依据能量均等原则，按时间轴划分成8等份，并求取各段的起、止时间点。

④按照本文方法，依次求取这8个分段的能量，对各分段能量归一化并求取对应的特征熵值H0～H7。将这8个特征熵向量值作为诊断级联式变频器功率管开路故障的1组特征向量T=[H0,H1,…,H7]。

分别求取本文采集的50组电流信号的特征熵向量，并将其中30组用于训练、20组用于诊断。部分特征熵向量如表1所示。

表1 部分特征熵向量

4.3 基于马氏距离的变频器故障诊断

采用马氏距离分类法进行故障诊断时，要先对样本数据进行编号，将正常状态与功率管开路故障状态这2种模式的数据集记为G1和G2。由上文可知，本文针对这2种模式，一共采集了50组数据。对这些数据进行编号并添加标签：1～20为数据集G1，代表正常状态(标签1)；21～50为数据集G2，代表A5单元功率管VT4开路故障状态(标签2)。从中选取20组数据作为马氏距离分类算法准确度的测试集，其余数据作为训练集。测试集中分别包含：16～20组期望输出为标签1；36～50组期望输出为标签2。采用马氏距离分类法对测试集进行故障诊断，诊断结果表明，实际诊断的故障模式与预测相同。

为了对比诊断精度，本文同时采用了欧氏距离分类法对相同的特征熵数据进行分类识别。其中，训练样本集与测试样本集均与前文相同。记录其分类诊断结果，诊断精度对比如表2所示。

表2 诊断精度对比

由表2可以看出，与欧氏距离分类法相比，采用马氏距离分类法的故障识别率较高。

5 结束语

本文以6 kV级联式变频器为研究对象，采集其功率管开路故障时的输入侧电流信号，并利用小波包特征熵算法提取正常与故障状态电流信号的特征量；同时，采用马氏距离分类法作为故障诊断方法。试验结果表明：小波包特征熵算法能有效提取级联式变频器功率管开路故障时输入侧电流信号的故障特征量；马氏距离分类法能有效地克服量纲等因素影响，提高故障诊断准确率。两种方法的结合，在解决级联式变频器功率管开路故障诊断问题上，有较大的优势。

[1] 王新,孙河南.基于粒子群神经网络的级联式变频器故障诊断[J].计算机仿真,2015,32(7):421-425.

[2] 汤清泉,颜世超,卢松升,等.三电平逆变器的功率管开路故障诊断[J].中国电机工程学报,2008,28(21):26-32.

[3] 孙丰涛,张承慧,崔纳新,等.变频器故障诊断技术研究与分析[J].电机与控制学报,2005,9(3):73-75.

[4] 于泳,蒋生成,杨荣峰,等.变频器IGBT开路故障诊断方法[J].中国电机工程学报,2011,31(9):30-35.

[5] 李志军,曹玲燕,陈伟根,等.基于小波包分析光声光谱信号的滤波方法研究[J].自动化仪表,2016,37(5):20-23.

[6] 桂中华,韩凤琴.小波包特征熵神经网络在尾水管故障诊断中的应用[J].中国电机工程学报,2005,25(4):101-104.

[7] 肖先勇,崔灿,汪洋,等.电压暂降分类特征可比性、相关性及马氏距离分类法[J].中国电机工程学报,2015,35(6):1299-1305.

[8] 秦庆强,张晓安,李艾华,等.马氏距离在模拟电路硬故障检测中的应用研究[J].电子测量与仪器学报,2009,34(7):41-45.

[9] 王新,徐娟.基于小波包神经网络的级联式变频器故障诊断仿真研究[J].河南理工大学学报(自然科学版),2012,31(6):706-711.

[10]孙来军,胡晓光,纪延超.改进的小波包-特征熵在高压断路器故障诊断中的应用[J].中国电机工程学报,2007,27(12):103-108.

[11]孙来军.振动信号小波包特征熵的时变与频变特性分析[J].高电压技术,2007,33(8):146-150.

[12]黄亮,侯建军,刘颖.模拟电路层次聚类故障分析与马氏距离故障诊断[J].电子测量与仪器学报,2010,24(7):610-615.

FaultDiagnosisBasedonEntropyofWaveletPacketandMahalanobisDistanceforCascadeFrequencyConverter

WANG Rui，WANG Xin

(School of Physics and Electronic Information Engineering,Henan Polytechnic University,Jiaozuo 454000,China)

The concealment of the open circuit fault of power tube in inverter side of the cascade frequency converter is strong,and the fault diagnosis is difficult.Aiming at this problem,the extraction method of the fault signals by using wavelet packet characteristic entropy is proposed.In order to improve the accuracy of diagnosis,the Mahalanobis distance classification is adopted for fault diagnosis.Firstly,the current signals of the input side of cascade converter in different working conditions are collected; then,the current signals collected are transformed by the wavelet packet,to extract the characteristic entropy vectors as sample data set; finally,the method of Mahalanobis distance classification is used to diagnose the fault.The experiment results show that the method of signal extraction based on the wavelet packet characteristic entropy can effectively extract the characteristics of the fault current signal,and the method of Mahalanobis distance can well classify and identify the characteristic entropy vectors.The combination of the two algorithms can effectively diagnosis the open circuit fault of power tube in cascade inverter.It also provides a new method for the diagnosis of the power tube open circuit faults in converter.

Fault diagnosis; Cascade converter; Power tube; Open circuit fault; Wavelet packet; Characteristic entropy; Mahalanobis distance

修改稿收到日期:2017-05-26

河南省科技攻关基金资助项目(142102210048)

王锐(1991—)，女，在读硕士研究生，主要从事电气设备故障诊断及在线监测等方向的研究，E-mail：1540428157@qq.com；王新(通信作者)，男，博士，教授，硕士生导师，主要从事电气传动、故障诊断、智能仪表与微机控制等方向的研究，

E-mail：wangxin@hpu.edu.cn

TH165+.3；TP181

A

10.16086/j.cnki.issn1000-0380.201712007