基于LS-SVM的电路故障预测方法(开题报告样板)

毕业论文﹙设计﹚开题报告

题目基于LS-SVM的电力电子电路故障预测分析学生姓名学号

所在院(系) 电气工程学院

专业班级

指导教师

2012年月日

题目基于LS-SVM的电力电子电路故障预测分析一、选题的目的及研究意义

针对现有电力电子电路故障预测技术的不足，提出将电路特征性能参数和最小二乘支持向量机( least squares support vector machine，LS-SVM) 预测算法结合，对电力电子电路进行故障预测。以Buck电路为例，选择电路输出电压作为监测信号，提取输出电压平均值及纹波值作为电路特征性能参数，并利用LS-SVM 回归算法实现故障预测，实现电力电子电路的故障预测。

随着新型飞机的研制开发及其安全性、可靠性要求的不断提高，作为提高飞机安全性的有效手段，以及促进现有飞机维修保障技术的智能化发展，飞机健康预报与管理技术已经得到国内外越来越多的重视关注[1-2]。飞机电源系统故障预测[3]是飞机健康管理系统的重要组成部分，而飞机电源系统故障预测的关键在于对电力电子电路的故障预测，因此对电力电子电路故障预测关键技术研究具有十分重要的理论意义和应用前景。

由此，面向电力电子电路级故障预测，本文提出了基于最小二乘支持向量机( least squares support vector machine，LS-SVM) 的电力电子电路故障预测新方法，其基本思想为: 优选电路级故障特征性能参数，利用LS-SVM回归算法预测所选特征性能参数，实现电力电子电路的故障预测。

二、综述与本课题相关领域的研究现状、发展趋势、研究方法及应用领域等

1、电力电子电路故障诊断特点：

电力电子电路的实际运行表明，大多数故障表现为功率开器件的损坏，即晶闸管的损坏，其中以功率开关器件的开路和直通最为常见，属于硬故障。但是，电力电子电路的故障诊断与一般的模拟电路、数字电路的故障诊断还有一个重要的差别：故障信息仅存在于发生故障到停电之前的数毫秒到数十毫秒之间，因此，需要实时监视、在线诊断。

2、电力电子电路故障诊断的目的：

电力电子设备一旦发生故障，小则造成电器产品损坏、交通阻塞、工矿企业停产，大则会威胁人民生命、财产安全，甚至造成重大的人员伤亡或灾难事故，影响国民经济的正常运行。所以，对电力电子电路进行故障检测和诊断显得日趋重要。长期以来，人们采取两种维修对策：（1）．等设备坏了再进行维修，称为事后维关修。这种办法的问题是经济损失很大。（2）．定期检修设备，称为预防维修。这种方法有一定的计划性和预防性，但其缺点是如无故障，则经济损失较大。

电力电子设备由很多部分组成，包括电力电子主电路、电动机、发电机和各种应用电路。对电力电子设备进行故障诊断就是要对所有的这些电路进行故障检测和诊断。电力电子电路是整个电力电子设备中最关键的部分，对其的故障检测和诊断就显得尤其重要。

3 3、电力电子电路故障诊断的作用:

（1）．实现早期预报，防止事故发生；

（2）．预知性维修，提高设备管理水平：

（3）．方便检修，缩短了维修时间，提高设备利用率；

（4）．对提高设备的设计制造水平，改善产品质量有指导意义。

4、电力电子电路故障诊断方法:

一般来说，电力电子电路故障诊断技术包括两方面的内容：1．故障信息的检

测：以一定的检测技术，获取故障发生时的所需故障信息，供故障分析，推理用；2．故障的诊断：依据检测的故障信息，运用合适的故障诊断方法，对故障进行分析、推理，找出故障发生的原因并定位故障发生部位。传统的故障诊断方法在电力电子电路故障诊断中也得到的广泛应用，如故障字典法、故障树、专家系统等[4]。

(1)故障字典法。把一组典型的测量特征值和故障值以一定的表格形式存放，通过比较测量值和特征值，判断故障。先用计算机对电路正常状态和所有硬故障状态模拟，建立故障字典。然后对端口测试进行分析，以识别故障，即将选定节点上测出的电压与故障字典中电压比较，运用某些隔离算法查出对应故障。

故障字典法对于模拟电路和数字电路故障诊断具有很大的实用价值，但字典法只能解决单故障诊断，多故障的组合数大，在实际中很难实现。

(2)故障树法。故障树诊断法就是对可能造成系统失效的各种因素(包括硬件、软件、环境、人为因素)进行分析，画出逻辑框图，即故障树，从故障树的顶事件进行搜索从而找出故障原因的方法。故障树表达了系统内在联系，并指出元部件故障与系统之间的逻辑关系。

故障树诊断直观、灵活、通用，但建树工作量大，繁琐易错，对诊断故障空间较小的问题比较合适。

(3)残差法。残差法是一种基于解析模型的故障诊断方法。即通过研究实际系统与参考模型特征输出量间的残差来进行电力电子装置主电路在线故障诊断和故障定位的过程。该方法同样适用于逆变器主电路的故障诊断，参考模型法用于电力电子电路的故障诊断具有检测量少、判据简单且与输出大小无关的特点。特别是在复杂电力电子电路的故障诊断中该法的优势更加明显。

(4)直接检测功率器件两端电压或桥臂电流的方法。通过检测各功率器件两端的电压，或检测各桥臂电流，得到功率器件的工作方式，再与触发脉冲进行时序逻辑比较，从而判断被诊断对象是否故障，此方法需要检测每个被诊断器件的电压和电流，所需测点较多，需要专门的检测电路和逻辑电路。该方法还可以通过测量电路的输入输出来实现故障诊断。正常工作时，电路的输入输出在一定的范围内变动，当超出此范围时，可认为故障已经发生。另外，还可以测量输入输出变量的变化率是否超出范围来判断是否发生故障。该方法虽然简单，但抗干扰性差。

(5)专家系统诊断的方法。专家系统就是利用计算机推理能力和领域专家的丰富经验，以及系统内部因果关系和人工智能的机器学习功能，设计出的一种智能计算机程序系统，解决复杂的系统故障诊断问题。专家系统对经验性的诊断知识进行形式化描述，突破个人局限广为传播，有利于存储和推广专家的经验，发挥专门人才作用，开辟了综合利用专家知识的新途径，比人类专家更可靠、灵活，不受环境影响。专家系统的知识结构中知识库与推理控制相对独立，可重写增删，可以结合其它诊断方法，构成知识结构的应用程序，拥有人机联诊功能，充分发挥了现场技术人员的主观能动性，并能逐步积累经验日趋完善，因此是很有生命力的故障诊断法。

专家系统诊断的基本思想是：先通过实验或仿真建立起一个可靠的知识库，该知识库包含了电路的环境知识、系统知识和一个规则库，其中知识库反映了系统的因果关系，具体到故障诊断系统中就是系统变量和故障类型、故障点之间的因果关系：然后通过人机接口得到实际运行中的特征变量值；将它应用到规则库进行推理，就得到了电路的基本工作状态和故障信息。该方法的缺点是知识库建立困难，特别是知识库庞大时更是如此。传统的故障诊断专家系统，大多是基于规则的专家系统，它将领域知识编成一系列产生式规则(表示形式为IF…，THEN…)。这种专家系统可以解决许多系统的故障诊断问题，但是由于对复杂的系统要利用大量的产生式规则(这种规则主要依赖人工编写)，因而故障诊断专家系统运行很慢，很难适应实时环境的要求；另外，当遇到未见过的新故障或新信息时，如此建立的专家故障诊断系统往往不能正确处理，会因推理能力弱而出现“匹配冲突”、“组合爆炸”及“无穷递归”等问题。要解决这些问题，除非不断进行规则更新，可是新规则与原有规则很有可能相互牵连，这必然导致在规则添加和删除时遇到难以处理的困难。总之，专家诊断系统存在知识获取“瓶颈”问题、难以维护、应用面窄以及诊断能力弱和不适应模糊问题等缺点。

5、电力电子电路故障预测的研究现状及发展趋势：

目前，飞机机载机电设备、发动机系统等健康预测研究比较热，机载电子设备故障预测技术研究也逐步受到重视。现有故障预测算法种类繁多，其中时间序列［5］、神经网络［6］、支持向量回归预测［7］3 种方法应用最为广泛。

时间序列预测方法对序列变化比较均匀的短期预测情况较为理想，优点是所

需历史数据少、工作量小，但该方法在非线性预测中预测精确度较差。神经网络方法在非线性领域中得到了广泛的应用，但该方法存在容易陷入局部最优、收敛速度慢等缺点。而支持向量回归预测解决了神经网络容易陷入局部极小点的问题，所需训练样本数据少，且泛化能力较强、预测准确度较高。此外，现阶段电力电子电路故障预测大多是对电路中关键元器件的故障预测，如电解电容器［8－10］，故障特征参数多为元器件的特征参数，而对电路级的故障预测研究很少。

三、对本课题将要解决的主要问题及解决问题的思路与方法、拟采用的研究方法（技术路线）或设计（实验）方案进行说明，论文要写出相应的写作提纲

针对BUCK 电路实际可能存在的故障诊断，做出相应的预测分析，此课题主要

内容如下：

1. 特征性能参数提取

要实现电力电子电路故障预测，首先必须优选合适的电路级故障特征性能参

数。对于不同的电路，需要根据电路的功能和结构特点，确定能够反映电路健康状态的特征性能参数。分析电力电子电路故障特征性能参数特征。对于BUCK 变换器，可监测电路输出电压，提取输出平均电压及纹波电压作为电路故障特征性能参数，对电路的健康状态进行评估。

2. 电力电子电路故障预测

确定电路故障特征性能参数，获得历史及当前时刻故障特征性能参数数据，利用LS-SVM 预测算法对该数据进行回归建模，获得故障特征性能参数变化趋势模型，预测未来时刻故障特征性能参数值，对该值进行分析便可实现对电力电子电路的故障预测。

电力电子电路进行故障预测实现流程如图2 所示:

图2 故障预测流程

3、得出预测结果及故障分析的结论

设置电路

进行仿真

开始

选择检测信号进

行监测 特征性能

参数提取 特征性能参数

训练样本

LS-SVM

特征性能参数预测结果

电路故障预测

结束

四、检索与本课题有关参考文献资料的简要说明

［1］LALL P，HANDE M，BHA T C，et al．Prognostics health monitoring( PHM) for prior-damage assessment in electronics equipment under thermo-mechanical loads［C］/ /Proceedings of Electronic

Components and Technology Conference，May 29－June1，2007，New Y ork，USA．2007:1097－1111．

［2］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 IEEE Aerospace Conference，March 7－14，2009，Big Sky，Montana，USA. 2009:1－20．

［3］ORSAGHR，BROWN D，ROEMER M．Prognostic health management for avionics system power supplies［C］/ /Proceedings of IEEE Aerospace Conference，March 5－12，2005，Big Sky，Montana，USA．2005:3585－3591．

［4］周晓芳，孙晓东，对电力电子电路故障分析及方法［J］. 民营科技，2010，5 ( 1 )：58—59.

［5］吕克洪，邱静，刘冠军．基于动态损伤及优化AR 模型的电子器件寿命预测方法研究［J］．兵工学报，2009，30 ( 1 ) : 91－95．

［6］邹心遥，姚若河．基于BP神经网络的电子元器件寿命预测［J］．微电子学与计算机，2009，26(1) : 52－54．［7］江田汗，束炯．基于LS-SVM的混沌时间序列的多步预测［J］．控制与决策，2006，21(1) :77－80．

［8］AMARAL A，CARDOSO A. Use of ESR to predict failure of output filtering capacitors in boost converters［C］/ /Proceedings of IEEE International Symposium on Industrial Electronics，May 4－7，2004，New Y ork，USA. IEEE，2004: 1309－1314．

［9］IMAMA，DIV AN D，HABETLER T，et al. Real-time condition monitoring of the electrolytic capacitors for power electronics applications［C］//Proceedings of IEEE Applied Power Electronics Conference and Exposition，February 25－March1，2007，New Y ork，USA．IEEE，2007: 1057－1061．

［10］CHEN Y aow-Ming，CHOU Hsu-Wei，LEE Kungyen．Online failure prediction of the electrolytic capacitor for LC filter of switchingmode power converters［J］．IEEE Transactions on Industrial Electronics, 2008，55(1) : 400－406．

五、毕业论文（设计）进程安排

3.3——

4.7资料查询及方案论证；

4.7 ——

5.21设置电路进行仿真，选择监测信号进行监测；

5.24——

6.4特征性能参数预测结果分析，完成电路故障预测，完成设计内容；

6.4——6.12 写毕业论文、修改论文、准备答辩。

六、指导教师意见

1．对开题报告的评语

2．对开题报告的意见及建议

指导教师（签名）：

年月日

所在院（系）审查意见：

负责人签字(盖公章)

年月日