找到 1 条结果
基于CGAN视觉Transformer的F型逆变器少样本开路故障诊断
A Few-Shot Open-Circuit Fault Diagnosis of F-Type Inverters Using CGAN-Based Vision Transformer
Mahmoud S. Mahmoud · Ahmed Salem · Van Khang Huynh · Kjell G. Robbersmyr · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年10月
多电平逆变器因结构特点广泛应用于各工业领域，但其元件增多导致故障率升高。深度学习模型虽可自动提取特征并实现精确故障诊断，但依赖大量训练样本，而实际工程中故障数据获取困难。为此，本文提出一种融合条件生成对抗网络（CGAN）与视觉Transformer（ViT）的少样本开路故障诊断方法。首先将测量信号转化为时频图像，利用CGAN生成具有相似分布的二维样本图像，再通过改进ViT结合原始与生成样本，采用多头自注意力机制提取局部与全局特征并完成故障分类。在F型逆变器实验平台上验证表明，每类仅用6个样本时，...
解读: 该少样本故障诊断技术对阳光电源多电平逆变器产品线具有重要应用价值。针对ST系列储能变流器和SG系列光伏逆变器普遍采用的三电平及多电平拓扑，功率器件数量增多导致开路故障概率上升，而实际运行中故障样本稀缺。该方法通过CGAN数据增强结合ViT特征提取，仅需6个样本即可达98.46%诊断准确率，可直接集成...