来源：期刊VIP网 时间：
作者：王福忠;任淯琳;张丽;王丹;
单位：河南理工大学电气工程与自动化学院;黄河交通学院智能工程学院;
摘要：目的 为了解决双向DC-DC电力变换器的软故障诊断精度不高的问题，方法 提出基于改进LSTM-SVM的双向DC-DC电力变换器故障诊断模型。首先，分析双向DC-DC电力变换器中电容、电感和MOSFET管的故障机理，通过仿真实验模拟各元件失效后变换器的输出电气参数变化，从而确定变换器不同元件故障时对应的故障特征参数；其次，构建改进的LSTM-SVM双向DC-DC电力变换器故障诊断组合模型，在LSTM中添加Mogrifier门机制，提高LSTM提取时间序列原始数据中微弱特征的能力；最后，由于传统LSTM的末端分类器为Softmax，其主要解决单一元件诊断问题，变换器故障类型较多，维数较高，所以采用麻雀搜索算法优化的SVM代替原有的Softmax函数，对LSTM输出的数据进行故障分类，提高故障诊断的准确率。设置双向DC-DC电力变换器充放电两种状态下，包含电解电容、电感和MOSFET单双管故障在内的24组故障，分别采用本文构建的改进的LSTM-SVM和原始的LSTM-SVM双向DC-DC变换器故障诊断模型进行诊断。结果 结果表明，改进的LSTM-SVM故障诊断模型诊断准确率平均值为99.71%，原始的LSTM-SVM故障诊断模型诊断准确率平均值为88.48%，改进的LSTM-SVM故障诊断模型对各元件的故障诊断正确率均高于原始的LSTM-SVM故障诊断模型的。结论 基于改进LSTM-SVM的双向DC-DC电力变换器故障诊断模型实现了对双向DC-DC电力变换器中的电解电容、电感和MOSFET单双管故障的准确诊断。
关键词：双向DC-DC变换器;;软故障;;改进长短期记忆网络;;麻雀搜索;;支持向量机;;故障诊断
基金资助：国家自然科学基金资助项目（U1804143）;; 河南省科技攻关项目（232102241028;202102210295）;; 河南省高校基本科研业务费专项项目（NSFRF210424）;; 河南理工大学青年骨干教师资助项目（2019XQG-17）
