《表1 四种故障诊断正确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于高斯混合模型的逆变器故障诊断方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对四种故障分别提取时域的波峰系数和频域的小波能量熵，特征分布的部分结果如图4所示。从图中可以看出，VT2故障较容易区分，VT1故障、谐振电阻故障和正常状态的特征比较接近。使用2 000组特征数据训练高斯混合模型，训练的参数为：高斯模型7个，协方差类型是full，迭代停止阈值是1e-3。训练后得到特征数据的负对数分布如图5所示，从图中可以看出，越接近样本点，概率值越大，说明训练的模型准确有效。最后使用1 000组4种类型的数据输入模型进行测试。通过EM算法可以计算输入的测试数据属于每种故障类型的概率，并把概率最大的那个故障类型判断为该条测试数据的故障类型。EM算法预测的结果在表1中列出。该模型对于正常数据，模型的识别率为100%；对VT1故障的识别率为75.2%；对VT2故障的识别率为100%，对谐振电阻R故障的识别率为97.91%。总的故障识别率达到93.2%。本文提出的逆变器故障诊断方法能较好地将故障识别。