来源：期刊VIP网 时间：
作者：刘志峰;蒋浩;刘贺;李新宇;
单位：合肥工业大学机械工程学院;合肥工业大学机电产品低碳循环利用技术与装备安徽省重点实验室;
摘要：为有效实施直流充电桩电源模块的回收再利用，必须克服故障诊断中串并联开关器件特征提取困难和故障定位不准确的难题。为此，提出变分模态分解(variational modal decomposition, VMD)、相位复合时移多尺度模糊熵(phase compound time-shift multiscale fuzzy entropy, PTSMFE)和灰狼优化算法优化支持向量机分类器(gray wolf optimization algorithm-support vector machine classifier, GWO-SVM)的充电桩故障诊断方法。首先将采集的原始故障信号分解成多组本征模态函数(intrinsic mode function, IMF)，再利用PTSMFE提取出故障信号的原始相位信息，并转化成相位系数后加入熵值中，得到各故障状态的特征向量。最后将特征向量输入GWO-SVM进行故障识别分类。实验结果表明：与常用的小波分析（wavelet analysis）特征提取和BP(back propagation)神经网络故障诊断方法进行对比，该文方法展现出准确性与高效性，分类识别准确率达到97.27%。
关键词：直流充电桩电源模块;故障诊断;回收再利用;相位复合时移多尺度模糊熵
基金资助：国家重点研发计划资助项目(2019YFC1908002)
