逆變器開關管故障診斷方法綜述

(西安工業大學 電子信息工程學院, 西安 710021)

0 引言

隨著電力電子技術的飛速發展，利用逆變器供電的電機驅動系統被廣泛用于工業、軍事、航空等領域。在電機驅動系統中，如果不能檢測到逆變器的故障，將直接影響系統的正常工作并帶來不可估量的經濟損失。因此，進行逆變器故障診斷方法的研究是非常有必要的。

逆變器主電路是由許多開關管組成，逆變器故障大多情況下是由開關管故障引起的。其中IGBT故障占很大比重，據統計逆變器故障的38%為IGBT故障[1]。IGBT故障的類型主要為短路故障和開路故障，短路故障發生時間極短，一般在硬件電路上對其處理[2]，應用較廣的是在電路中串聯快速熔斷器，將IGBT短路故障轉化成IGBT開路故障，然后進行故障診斷。在電機驅動系統中，IGBT發生開路故障后，電機在短時間還可以正常運行，若長時間不處理故障，其余IGBT將會流過很大的電流造成二次故障。

目前，故障診斷的方法可以分為基于解析模型、基于信號處理、基于數據驅動的方法。具體故障分類如圖1所示。基于解析模型的方法適用于能對被控對象建立數學模型的系統，比較典型的方法有參數估計法、狀態估計法、等價空間法，這三種方法兩兩之間有一定的關系[3-5]。基于信號處理和數據驅動的方法適用于不易建立數學模型，可采集到表征被控對象特征信號的系統。針對逆變器故障，本文同樣從這三個大方面對逆變器故障診斷方法進行了綜述，具體介紹了各種故障診斷方法的原理，并從不同方面對這些方法進行了對比，最后指出了逆變器故障診斷方法今后的研究方向。

圖1 故障診斷方法的分類

1 逆變器的拓撲結構

在電機驅動系統中，逆變器的結構如圖2所示，逆變器由6個帶反向二極管D1～D6的IGBT T1～T6構成，Udc為直流母線電壓，ia,ib,ic為三相繞組電流，ea,eb,ec為三相反電動勢，R為定子繞組電阻，L為定子電感。逆變器將直流電轉化成三相交流電，進而給電機供電。

圖2 逆變器的結構

2 基于解析模型的逆變器IGBT故障診斷方法

基于解析模型的故障診斷是先對被控對象的運行機理進行分析并建立其數學解析模型，然后根據模型和觀測參數構建的殘差信號來對故障診斷。基于解析模型的故障診斷原理如圖3所示，基于解析模型的方法包括殘差生成和決策兩個步驟。殘差生成是用于生成故障信息，決策是確定故障是否發生。

圖3 基于解析模型的故障診斷原理

2.1 觀測器法

基于解析模型的故障診斷方法的一個重要步驟就是殘差生成，通過設計控制系統的觀測器得到觀測值與實際系統的測量值比較，即可得故障信號的殘差[6-10]。基于觀測器的故障診斷原理如圖4所示。對于逆變器故障，文獻[6]通過設計狀態觀測器得到殘差信息與設定的閾值比較診斷逆變器開路故障，但這種方法有一定的局限性，只能診斷單個IGBT開路故障。逆變器中也有可能發生兩個及兩個以上IGBT同時開路故障，文獻[7]以永磁同步電機系統為研究對象, 提出了一種基于Luenberger觀測器的故障診斷方法，該方法能對多個IGBT同時發生開路故障進行診斷，而且采用的是自適應閾值，提高了診斷準確率。到目前為止，逆變器故障診斷常用的觀測器有Luenberger觀測器[7]、卡爾曼濾波器[8]、非線性PI觀測器[9]、滑模觀測器[10]等。由于滑模觀測器在設計時考慮了系統的不確定性和干擾因素，可以準確地估計系統的狀態變量，應用前景較廣。

圖4 基于觀測器的故障診斷原理

2.2 開關函數模型法

為了描述逆變器開關時的具體狀態和快速診斷故障，開關函數模型法應運而生[11-12]。該方法是假定開關管為理想開關且不考慮同相兩個開關管之間的開關死區建立逆變器正常工作時IGBT的電壓與開關函數之間的關系為:

(1)

式中，uT1,uT2,uT3,uT4,uT5,uT6為IGBT集電極-發射極之間的電壓，sa,sb,sc為三相IGBT的開關函數，其含義為:

(2)

通過分析IGBT實際承受的電壓與式(1)計算的理論電壓值比較判斷IGBT是否發生開路故障。文獻[12]通過建立逆變器和整流器的開關函數模型，并分析故障狀態下逆變器直流側電流和整流器交流側電流進行故障診斷。但開關函數模型診斷故障時需要高速光耦或比較器且沒有考慮同相IGBT之間的開關死區，容易造成誤診斷。

2.3 混合邏輯動態模型法

基于開關函數模型的逆變器故障診斷方法在描述逆變器開關動作狀態時，未考慮同相兩個IGBT之間的開關死區，這樣就不能對逆變器進行完全描述，影響故障診斷的準確性[13-14]。為了解決這一問題，研究者研究了基于混合邏輯動態模型的逆變器故障診斷方法。文獻[14]提出了基于滑模觀測器和混合邏輯動態模型相結合的逆變器故障診斷方法。

混合邏輯動態模型是利用系統中離散變量和連續變量建立的模型，一般表達形式為:

(3)

式中，x=(xc,xd)T為狀態變量且xc為連續變量，xd為離散變量；u(t)為輸入變量；y(t)為輸出變量；δ,z分別為輔助邏輯變量和輔助連續變量；A,B1～B3,C,D1～D3分別為系數矩陣。

在電機驅動系統中，混合邏輯動態模型是利用開關信號和電流建立模型，其具體表達式為:

(4)

式中，i=[ia,ib,ic]T為狀態向量；δ=[δ1,δ2,δ3]T為開關信號(輔助邏輯變量)；e=[ea,eb,ec]T為三相反電動勢；A為狀態系數矩陣；B1為連續輸入系數矩陣；B2為離散輸入系數矩陣。在傳統的混合邏輯動態模型建立時，利用的連續變量為電流信號，由于電流易受負載擾動的影響，可靠性較低。今后可考慮利用連續變量電壓與離散變量開關信號來建立模型，這樣一來可提高診斷準確率。

2.4 圖論法

隨著計算機技術的發展，產生了基于圖論的故障診斷方法，該方法先分析系統內部結構，把系統模型轉化為圖，然后利用計算機對圖分析進行故障診斷。文獻[15]提出了一種有向圖論的故障診斷方法。文獻[16]提出了一種鍵合圖的逆變器開路故障診斷方法。這兩種方法可解決過分依賴精確數學模型的模型故障診斷問題，是今后研究的熱點。

為了對這幾種方法的優劣進行分析，分別從模型檢測量、診斷所需時間、應用系統(開環/閉環)、實現難易、受負載和噪聲等干擾程度這幾方面進行對比(見表1)。基于解析模型的逆變器IGBT故障診斷方法診斷速度快，定位準確度高，診斷技術比較成熟，實際應用比較廣，但它過分依賴于精確的數學模型，一旦研究對象的結構發生變化就需重新建模。

表1 基于解析模型的逆變器IGBT故障方法對比

3 基于信號處理的逆變器IGBT故障診斷方法

基于信號處理的故障診斷是利用各種信號處理方法對系統輸入輸出信號的測量值進行分析處理，并提取故障特征信息。在逆變器開關管故障診斷中，基于信號處理的方法是根據采集到的電壓電流信號來分析它們的均值、諧波、頻率、幅值等關鍵信息，進而提取故障特征[17]。

3.1 歸一化直流法

對逆變器IGBT開路故障進行診斷時，設定閾值的不當會引起負載突變情況下誤診斷。為解決這個問題，文獻[18]提出了基于離散傅里葉變換的歸一化方法，此方法首先利用離散傅里葉變換得到定子電流的直流分量和基波幅值，再利用基波幅值將直流分量進行歸一化處理，然后根據歸一化后直流分量的大小進行故障診斷。歸一化直流量的計算公式為:

(5)

其中:

(6)

(7)

(8)

進行歸一化處理后，要準確定位故障的位置，歸一化直流量需要與故障閾值1進行比較，兩者之間具體關系為:

(9)

f2,j=

(10)

診斷時具體的故障位置情況如表2所示。

表2 歸一化直流法開關管故障定位

3.2 小波變換法

小波變換將采集到的信號在多尺度下分解為既包含頻域信息又包含時域信息的小波變換系數，這樣可對故障特征信息充分提取。文獻[19]研究了一種將小波變換與Concordia 變換相結合的逆變器故障特征提取的方法。文獻[20]將采集的相電流進行小波包分解，提取故障特征量，從而診斷IGBT短路故障和開路故障。

3.3 小波神經網絡法

小波神經網絡法先是利用小波變換提取故障信息，然后用神經網絡對特征信息學習并訓練，從而對故障診斷和定位。文獻[21]先對三相電流小波變換，然后將變換得到的小波系數輸入到神經網絡里進行逆變器故障診斷，仿真表明這種方法診斷故障的準確率較高。

3.4 小波模糊法

這一方法利用小波分析逆變器三相電流的直流偏移量和突變情況，當檢測到電流發生突變時，將直流偏移量輸入到模糊邏輯系統中，通過直流偏移量的變化來檢測和定位逆變器開關管開路故障，一般應用于速度模糊閉環 V/F 控制的感應電機驅動系統中。在逆變器IGBT開路故障研究中，小波變換還可以與其他算法結合進行故障診斷，文獻[23]中提出了小波變換和核主元分析相結合的逆變器故障診斷方法。

3.5 譜分析法

譜分析法[24]主要是將采集信號中的各種頻率成分進行分解，對故障信息進行特征提取。針對逆變器IGBT開路故障，文獻[24]通過對逆變器正常、單個開關管開路故障、單相開路故障三種狀態下的母線電流進行頻譜分析，進而根據母線電流所包含的低頻成分來診斷故障但不能定位故障。文獻[25]研究了頻譜分析與其它方法相結合的故障診斷方法。

3.6 電流檢測法

3.6.1 電流矢量軌跡斜率法

電流矢量軌跡斜率法[26]是在Concordia變換的基礎上進行的，Concordia變換公式為:

(11)

對電流進行周期采樣，將電流矢量軌跡的斜率定義為:

(12)

其中:k,k-1為當前時刻和上一時刻。在無故障時，電流矢量軌跡為一個圓且Ψ是不斷變化的。當發生故障時，電流矢量軌跡就變成不同的半圓。根據軌跡和斜率的變化進行逆變器IGBT開路故障檢測與定位。

3.6.2 電流矢量瞬時頻率法

電流矢量瞬時頻率法是利用變換過電流的瞬時頻率來檢測故障，電流矢量瞬時頻率的估算公式為:

(13)

其中:

(14)

通過分析可得發生故障時fi為零，因此可通過fi是否小于閾值(fi的最小值)判斷IGBT是否發生故障。這種方法相對于電流矢量軌跡斜率法來說比較容易實現，但它不能定位故障。

3.6.3 平均電流Park矢量法

平均電流Park矢量法[27]首先要對三相電流進行Park變換，變換后的表達式為:

(15)

然后計算變換后電流在一個周期內的平均值：

(16)

這樣就可得到電流一個周期內平均值的模和相位為：

(17)

當IGBT正常工作時，I為零。當IGBT發生開路故障時，平均電流Park矢量的模和相位會發生變化，根據模和相位的變化來檢測和定位故障。

電流檢測法除了以上幾種外，文獻[28]利用電流矢量軌跡半徑的變化來診斷單個IGBT故障。文獻[29]中將一個周期內的負載電流均值和它的絕對值均值相結合診斷多個IGBT開路故障。為了對這幾種方法的優劣進行分析，分別從信號檢測量、診斷所需時間及診斷效果、應用系統(開環/閉環)、實現難易、受負載和噪聲等干擾程度這幾方面進行對比(見表3)。基于信號處理的方法無需建立被控對象的數學模型，其中利用電流信號進行故障診斷時需要的額外硬件電路較少，但診斷速度慢，易受負載變化的影響。利用電壓信號進行故障診斷時診斷速度快，但硬件電路復雜。

表3 基于信號處理的逆變器IGBT故障方法對比

4 基于數據驅動的逆變器IGBT故障診斷方法

4.1 基于統計分析法

對于逆變器故障，基于統計分析法主要是利用核主元分析對故障診斷。核主元分析先借助核函數來進行非線性變換，再將采集的原始數據映射到高維線性特征空間用主元分析提取線性特征。核主元分析需對大量的數據進行處理，計算量大。文獻[30]研究了一種基于改進核主元成分分析的故障診斷方法。此方法在核主元分析法的基礎上增加靈敏度分析，并對故障特征加權處理，消除了不同量綱和噪聲對數據的影響，但該方法工作量大。在今后的研究中，應考慮先對某一特定的故障信號如故障發生后電流的直流分量進行頻域分析，然后再與核主元分析結合進行故障檢測，這樣可以減少工作量。

4.2 基于人工智能法

4.2.1 模糊邏輯法

模糊邏輯法利用概率集合論的隸屬度函數和模糊邏輯規則來對重疊的故障特征信息進行分離，提高診斷準確性。文獻[31]將正常工作和故障狀態下的平均電流矢量軌跡直徑之差Ed和表示電流矢量相位區間的整數Iθ輸入到模塊邏輯庫中，然后利用模糊邏輯規則診斷故障。由于模糊邏輯的推理易受到環境和參數變化的影響，所以用模糊邏輯診斷故障的有效性比較差。

4.2.2 神經網絡法

基于神經網絡的故障診斷方法是通過對歷史數據進行在線訓練得到合適的網絡結構和參數，然后對故障進行診斷。文獻[32-33]研究了自適應BP神經網絡與FFT相結合的故障診斷方法。該方法對輸出的電壓進行FFT，然后將變換結果的前40項作為自適應BP神經網絡的輸入，神經網絡的輸出就是故障的分類。

4.2.3 自適應神經模糊推理法

文獻[34-35]提出了基于聚類自適應神經模糊推理法來進行逆變器故障診斷，后者首先將輸出的三相電流變換到d-q軸上，分析在故障狀態下d-q相電流軌跡的特征信息并用聚類算法分類。聚類算法降低了系統的維數，模糊推理具有較強的辨別能力，降低維數后縮短了神經網絡的訓練時間。該方法克服了由負載變引起的擾動問題，但算法復雜。

4.2.4 機器學習法

基于機器學習的故障診斷，文獻[36]對IGBT開路后的輸出電壓進行離散小波變換和矩陣奇異值分解來提取故障的特征值，然后在利用支持向量機進行診斷故障。文獻[37]在深度學習的基礎上提出了基于棧式稀疏自動編碼器的逆變器開路故障的診斷方法。

基于數據驅動的方法無需立被控對象的數學模型，對歷史數據分析處理就可以進行故障診斷，但需要對大量的樣本進行訓練，進行故障特征的提取，計算量大。現從樣本檢測量、診斷時間、應用系統、實現難易、受負載和噪聲等干擾程度這幾個方面進行分析和對比(見表4)。基于數據驅動的這幾種方法計算量大且故障診斷所耗費的時間長。

5 結語

本文主要對現有針對逆變器IGBT開路故障診斷的方法進行綜述，并詳細介紹了逆變器故障診斷方法的原理，并對這些方法在幾個方面進行了對比。在前人的基礎上，今后值得關注的逆變器開關管故障診斷研究方向如下：

1)從目前的研究現狀可知，逆變器故障診斷的方法有各自的優點和局限性，如何利用各種診斷方法的優點，將提取的不同故障類型、不同來源的故障信號進行有機結合進行故障診斷。

表4 基于數據驅動的逆變器IGBT故障方法對比

2)基于電流信號的診斷方法往往依賴于控制策略，易受負載突變的影響，在開環系統中有較好的可靠性，但在閉環系統的可靠性較弱。基于電壓信號的故障診斷方法雖不受負載突變的影響且在閉環系統有較高的可靠性，但基于電壓信號的方法普適性不高。如何提高基于電流信號的診斷方法在閉環系統中可靠性以及基于電壓信號的診斷方法的普適性是逆變器故障診斷方法研究的難點；

3)對于逆變器故障問題，只是對故障的檢測和定位方法進行研究，在故障發生的一定時間里如何保證系統仍然可以正常工作，也就是容錯控制的研究。針對逆變器開關管故障，對容錯策略的研究將是今后的研究熱點；

4)目前對故障預測方面的研究還處于崛起階段，逆變器的故障預測可以通過對歷史數據分析處理來對開關管的壽命和故障變化的趨勢等進行預測，這樣就可以在故障的早期階段排除故障。