1.多信号源自适应融合Conv‑transformer级联H桥逆变器故障诊断方法,所涉及的级联H桥逆变器中H桥单元直流侧电压Udc由铅酸电池、或锂电池、或超级电容储能单元端电压提供,或由光伏电池、或整流桥电路、或直流斩波电路提供,所有H桥单元交流侧依次串联连接后经滤波器L滤波器、或LC滤波器、或LCL滤波再和负载、或电网并联连接,其特征在于:其步骤为:第1步:采集n(n为正整数,且1≤n<10)个基波周期的级联H桥逆变器滤波前输出的三相多电平相电压Vx(x=a,b,c)和滤波后的三相负载电流Ix(x=a,b,c)、或三相并网电流Isx(x=a,b,c)共6个传感器波形数据,原始一维数据不能全面表示逆变器故障状态信息,为了有效表征原始信号的时频特征,将传感器波形数据利用连续小波变换转换为小波时频图,不仅可以凸显电压电流信号原始的特征信息,而且对时间序列特征信息能够进一步增强,连续小波变换可表示为:其中U(α,β)表示小波函数系数,表征小波函数与原信号的相似度;α和β分别为伸缩因
2
子和平移因子,用于改变小波形状和位移;x(t)表示原始信号;ψ∈L (R)表示小波基函数;
2
表示ψ(t)的共轭复数;L (R)为平方可积的实数空间。
第2步:对三相相电流与相电压进行快速傅里叶分析,得出其波形畸变率,由于故障相电流与正常相电流波形畸变率差值均为正,如果波形畸变率差值较小,均小于1,可辅以故障相电压与正常相电压波形畸变率差值(其波形畸变率差值也均为正)作为故障相判别标准,通过设置双阈值判别进行故障相定位。
第3步:以ResNet50网络为基础,进行第一阶段的多信号源故障特征提取,即将第1步转换得来的各个传感器图像数据分别输入各自的ResNet50网络中,经过一系列卷积和池化操作后,从其STAGE3层输出特征,初步识别各传感器故障特征图像,其中,ResNet50网络由多个残差模块组成,残差模块相关理论如下:设x表示输入的故障信息,F(x)表示网络训练中要学习的残差,H(x)代表网络输出,满足:H(x)=F(x)+x (2)
其中F(x)=W2σ(W1x),σ代表激活函数ReLu,W1和W2表示相应的权重系数;
在快捷连接时,线性变换Ws在输入维数和输出维数不同的情况下(如改变通道数目)对x进行操作:H(x)=W2σ(W1x)+Wsx (3)
第4步:将第3步得到的不同传感器的故障特征图赋以不同的初始权重,并进行自适应加权融合,将其融合成一张故障特征图,并将融合的故障特征图按通道数进行空间编码。
第5步:将第4步编码后的特征图送入transformer(transformer为网络模型,由Embedding层、Encoder层、MLP层三部分组成,其中Embedding层用来对图像数据格式进行变换使其能够作为transformer模型的输入,Encoder层中包含重复堆叠L次的编码模块层构成,主要有Layer Norm、Multi‑HeadAttention、Dropout层和MLP Block几部分构成,由于Encoder不改变输入和输出维数,然而作为分类任务,仅需要最后分类结果,故需要MLP层改变维数大小)进而让其在全域内进行特征的二次提取,最后经过MLP head(该模块是用来实现分类的,在预训练阶段是带有一个隐藏层的多层感知机)输出最后的分类结果。