DC-DC变换器健康评估指标与故障预测方法

摘要

本发明公开一种DC-DC变换器健康评估指标与故障预测方法：首先采集DC-DC电路的输入电压、输入电流、输出电压、输出电流四路状态信号，计算各信号的平均值(U_in、I_in、U_out、I_out)、电路的等效负载阻抗模值|Z|和功耗等效电阻R_loss，利用分数阶神经网络建立U_in、|Z|与R_loss之间的关系模型；然后计算健康电路在额定输入电压额定输出功率下的等效负载阻抗模值以为模型输入，获取相应的R_loss，作为电路的健康评估指标，计算电路的健康评估指标与基准值的差值，根据差值和设定的变化阈值评估电路的健康状态；最后，对电路的健康评估指标进行时间序列预测，获取未来时刻的健康评估指标，预测电路的健康状况。本发明将额定输入电压和额定负载下的功耗等效电阻作为电路的健康评估指标，排除了输入电压和负载波动对功耗等效电阻的影响，从而准确实现电路的健康评估和故障预测。

主权项

DC‑DC变换器健康评估指标与故障预测方法，其特征在于该方法包括如下步骤：步骤1、获取DC‑DC变换器健康评估指标的基准值，具体步骤如下：步骤1.1、将性能指标均满足设计要求的DC‑DC电路定义为健康电路，从t＝0时刻开始采集健康电路的四路状态信号，分别为输入电压u_in、输入电流i_in、输出电压u_out以及输出电流i_out；步骤1.2、计算u_in的平均值U_in、i_in的平均值I_in、u_out的平均值U_out、i_out的平均值I_out、电路的等效负载阻抗模值|Z|和功率损耗P_loss，并将P_loss等效为电阻消耗的功率，该电阻即为功耗等效电阻R_loss；步骤1.3、将输入电压U_in、等效负载阻抗模值|Z|和对应的功耗等效电阻R_loss作为分数阶神经网络的训练样本，以U_in、|Z|为网络输入，R_loss为网络输出，建立U_in、|Z|与R_loss之间的关系模型，具体步骤如下：(1)初始化分数阶神经网络：随机初始化分数阶核函数旋转角及网络连接权重，设置网络学习速度和动量因子；(2)对输入电压U_in、等效负载阻抗模值|Z|以及对应的功耗等效电阻R_loss进行归一化预处理；(3)以归一化后的U_in、|Z|作为网络输入，对应的R_loss作为网络输出，计算网络预测输出以及输出误差；根据输出误差修正网络权值和分数阶核函数阶次，直至满足训练结束条件：步骤1.4、计算健康电路在额定输入电压额定输出功率下的等效负载阻抗模值以为模型输入，获取健康电路的功耗等效电阻将其作为电路健康评估指标的基准值；步骤2、采集DC‑DC电路的输入电压、输入电流、输出电压、输出电流，采用步骤1.2‑步骤1.4的方法计算电路的健康评估指标步骤3、设置健康评估指标的变化阈值，计算电路的健康评估指标与基准值之差，根据变化阈值和差值实现电路的健康评估；步骤4、每隔h分钟获取电路的健康评估指标，连续获取k个不同时刻的健康评估指标，对其进行时间序列预测，得到未来时刻的健康评估指标，预测电路的健康状况，其中，h＞0， k＝1，2，3，…。