← 返回
基于残差评估与机器学习的逆变器开路故障诊断方法
Inverter Open Circuit Fault Diagnosis Method Based on Residual Evaluation and Machine Learning
| 作者 | Tianyu Sun · Chaobo Chen · Jiawei Dai · Binbin Zhang · Song Gao |
| 期刊 | IET Power Electronics |
| 出版日期 | 2025年9月 |
| 卷/期 | 第 18 卷 第 1 期 |
| 技术分类 | 电动汽车驱动 |
| 技术标签 | 机器学习 故障诊断 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 3P - 2L - VSI 混合驱动故障诊断方法 残差评估技术 机器学习框架 故障诊断 |
语言:
中文摘要
以三相两电平电压源逆变器（3P-2L-VSI）为研究对象，提出一种融合残差评估技术与机器学习框架的混合驱动故障诊断方法。该方法通过构建残差生成机制实现故障初步检测，并结合机器学习算法对残差特征进行分类识别，有效提升故障诊断的准确性与鲁棒性。实验结果表明，该方法可实现对不同负载条件及噪声干扰下的开路故障快速、准确识别。
English Abstract
Taking the 3P-2L-VSI as the research object, this paper proposed a hybrid-drive fault diagnosis method. It integrates the residual evaluation technique with the machine learning framework.
S
SunView 深度解读
该混合驱动故障诊断方法对阳光电源多条产品线具有重要应用价值。在ST系列储能变流器中，可集成该残差评估与机器学习框架实现IGBT/SiC功率器件开路故障的快速定位，提升系统可靠性；在SG系列光伏逆变器中，该方法可适应不同光照条件下的负载波动，增强故障诊断鲁棒性；在电动汽车OBC及电机驱动系统中，可实现复杂工况下的实时故障识别。建议将该技术融入iSolarCloud智能运维平台，结合边缘计算实现预测性维护，通过残差特征库积累优化机器学习模型，形成从故障检测、定位到预警的闭环诊断体系，降低系统停机时间，提升产品全生命周期可靠性。