一种基于脉冲神经网络的功率开关管故障诊断方法

1.本发明涉及半导体领域，具体涉及一种基于脉冲神经网络的功率开关管故障诊断方法。


背景技术：

2.随着半导体技术的迅速发展，半导体如今已经成为全国乃至全世界重点关注的领域，其中的功率开关管被广泛运用于能源控制、传输和转换等方面，但由于复杂的工作环境，高功率的运行条件，以及频繁且高速的开关过程，所以成为了能源系统中最容易发生故障的部分之一。因此，对于功率开关管的运行情况进行实时的监测和分析具有非常重要的意义，特别是进行故障诊断方向的研究，并提前做好预警措施，就可以避免灾难性事故的发生，提高系统的安全性和可靠性，所以对功率开关管进行故障诊断方向的研究具有很高的实际运用价值。


技术实现要素：

3.本发明提出了一种基于脉冲神经网络的功率开关管故障诊断方法。这种方法利用脉冲神经网络来对功率开关管进行故障诊断，脉冲神经网络对于非线性的时间序列问题有很好的处理效果，且本发明的实用性强，故障诊断精度高。
4.为了达到上述发明目的，本发明采用的技术方案为：
5.提供一种基于脉冲神经网络的功率开关管故障诊断方法，其包括以下步骤：
6.s1、获取功率开关管在工作过程中的开关信号；
7.s2、将开关信号转换成脉冲序列；
8.s3、建立脉冲神经网络故障诊断模型；
9.s4、进行功率开关管的故障诊断。
10.进一步地，步骤s1的具体方法为：
11.获取功率开关管在正常工作过程中两个功率电极之间的电压开关信号，开关信号包括开启过程的信号与关断过程的信号。
12.进一步地，步骤s2的具体方法为：
13.将得到的电压开关信号按照时间的先后顺序，并通过线性数据编码的方式转换成时间脉冲序列。
14.进一步地，步骤s3的具体方法包括以下步骤：
15.s3-1、建立一个脉冲神经网络故障诊断模型并进行参数初始化，该模型主要包括输入层、隐含层和输出层，其中输入部分为步骤s2转换后的脉冲序列，输出部分为一个输出脉冲序列；
16.s3-2、选取一部分输入脉冲序列来作为训练样本，剩下一部分来作为测试验证样本，通过误差反向传播算法进行神经网络的参数训练，并设置训练的迭代次数，当达到训练的迭代次数后结束训练，并进行结果验证，验证通过则进入步骤s4，否则返回步骤s3-2。
17.进一步地，步骤s4的具体方法包括以下步骤：
18.s4-1、将步骤s2编码后的所有脉冲序列输入到建立好的脉冲神经网络故障诊断模型中进行计算，得到一个输出脉冲序列；
19.s4-2、设置一个故障预警阈值，计算输出脉冲序列与预警阈值之间的偏差，当这个偏差百分比小于20％时，说明目前功率开关管已经出现了一定的故障，建议进行停机维修。
20.本发明的有益效果为：本发明首先需要获取功率开关管在工作过程中的开关信号，然后通过编码转换为时间脉冲序列，对脉冲神经网络故障诊断模型进行参数训练，最后利用训练好的模型进行故障诊断，说明器件是否已经存在故障，给系统发出预警。本发明主要是通过训练脉冲神经网络来进行故障诊断，该网络结构对于非线性的时间序列有很好的处理效果，本发明对于功率开关管的故障诊断具有很高的判断精度，能够增加整个系统的运行安全。
附图说明
21.图1为本方法的流程示意图；
22.图2为脉冲神经网络的结构模型。
具体实施方式
23.下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
24.如图1所示，该基于脉冲神经网络的功率开关管故障诊断方法包括以下步骤：
25.s1、获取功率开关管在工作过程中的开关信号；
26.s2、将开关信号转换成脉冲序列；
27.s3、建立脉冲神经网络故障诊断模型；
28.s4、进行功率开关管的故障诊断。
29.步骤s1的具体方法为：
30.获取功率开关管在正常工作过程中两个功率电极之间的电压开关信号，开关信号包括开启过程的信号与关断过程的信号。
31.步骤s2的具体方法为：
32.将得到的电压开关信号按照时间的先后顺序，并通过线性数据编码的方式转换成时间脉冲序列。
33.如图2所示，步骤s3的具体方法包括以下步骤：
34.s3-1、建立一个脉冲神经网络故障诊断模型并进行参数初始化，该模型主要包括输入层、隐含层和输出层，其中输入部分为步骤s2转换后的脉冲序列，输出部分为一个输出脉冲序列；
35.s3-2、选取一部分输入脉冲序列来作为训练样本，剩下一部分来作为测试验证样本，通过误差反向传播算法进行神经网络的参数训练，并设置训练的迭代次数，当达到训练的迭代次数后结束训练，并进行结果验证，验证通过则进入步骤s4，否则返回步骤s3-2。
36.步骤s4的具体方法包括以下步骤：
37.s4-1、将步骤s2编码后的所有脉冲序列输入到建立好的脉冲神经网络故障诊断模型中进行计算，得到一个输出脉冲序列；
38.s4-2、设置一个故障预警阈值，计算输出脉冲序列与预警阈值之间的偏差，当这个偏差百分比小于20％时，说明目前功率开关管已经出现了一定的故障，建议进行停机维修。
39.综上所述，本发明提出了一种基于脉冲神经网络的功率开关管故障诊断方法。所提出的方法通过脉冲神经网络来对功率开关管进行故障诊断，将开关信号转换为脉冲序列来作为神经网络的输入，通过误差反向传播算法来进行神经网络模型的参数训练，脉冲神经网络对于非线性的时间序列有很好的处理效果，本发明对于功率开关管的故障诊断精度高，能够提高整个系统的运行安全性与可靠性，具有很高的实际使用价值。


技术特征：
1.一种基于脉冲神经网络的功率开关管故障诊断方法，其特征在于，包括以下步骤：s1、获取功率开关管在工作过程中的开关信号；s2、将开关信号转换成脉冲序列；s3、建立脉冲神经网络故障诊断模型；s4、进行功率开关管的故障诊断。2.根据权利要求1所述的基于脉冲神经网络的功率开关管故障诊断方法，其特征在于，所述步骤s1的具体方法为：获取功率开关管在正常工作过程中两个功率电极之间的电压开关信号，开关信号包括开启过程的信号与关断过程的信号。3.根据权利要求1所述的基于脉冲神经网络的功率开关管故障诊断方法，其特征在于，所述步骤s2的具体方法为：将得到的电压开关信号按照时间的先后顺序，并通过线性数据编码的方式转换成时间脉冲序列。4.根据权利要求1所述的基于脉冲神经网络的功率开关管故障诊断方法，其特征在于，所述步骤s3的具体步骤为：s3-1、建立一个脉冲神经网络故障诊断模型并进行参数初始化，该模型主要包括输入层、隐含层和输出层，其中输入部分为步骤s2转换后的脉冲序列，输出部分为一个输出脉冲序列；s3-2、选取一部分输入脉冲序列来作为训练样本，剩下一部分来作为测试验证样本，通过误差反向传播算法进行神经网络的参数训练，并设置训练的迭代次数，当达到训练的迭代次数后结束训练，并进行结果验证，验证通过则进入步骤s4，否则返回步骤s3-2。5.根据权利要求1所述的基于脉冲神经网络的功率开关管故障诊断方法，其特征在于，所述步骤s4的具体步骤为：s4-1、将步骤s2编码后的所有脉冲序列输入到建立好的脉冲神经网络故障诊断模型中进行计算，得到一个输出脉冲序列；s4-2、设置一个故障预警阈值，计算输出脉冲序列与预警阈值之间的偏差，当这个偏差百分比小于20％时，说明目前功率开关管已经出现了一定的故障，建议进行停机维修。

技术总结
本发明公开了一种基于脉冲神经网络的功率开关管故障诊断方法，其包括以下步骤：S1、获取功率开关管在工作过程中的开关信号；S2、将开关信号转换成脉冲序列；S3、建立脉冲神经网络故障诊断模型；S4、进行功率开关管的故障诊断。本发明采用脉冲神经网络来进行功率开关管的故障诊断，该神经网络对于非线性的时间序列问题有很好的处理效果，具有很高的故障诊断精度，能够提高电力电子系统的安全可靠性，具有很大的实际运用价值。很大的实际运用价值。很大的实际运用价值。


技术研发人员：伍伟 古湧乾 陈勇
受保护的技术使用者：电子科技大学
技术研发日：2021.12.10
技术公布日：2022/3/8