CN114325164A - 单相三电平整流器多故障诊断方法 - Google Patents

单相三电平整流器多故障诊断方法 Download PDF

Info

Publication number
CN114325164A
CN114325164A CN202111417465.3A CN202111417465A CN114325164A CN 114325164 A CN114325164 A CN 114325164A CN 202111417465 A CN202111417465 A CN 202111417465A CN 114325164 A CN114325164 A CN 114325164A
Authority
CN
China
Prior art keywords
matrix
fault
state
state variable
derivative
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111417465.3A
Other languages
English (en)
Other versions
CN114325164B (zh
Inventor
许水清
王健
黄文展
戴浩松
陶松兵
何怡刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202111417465.3A priority Critical patent/CN114325164B/zh
Publication of CN114325164A publication Critical patent/CN114325164A/zh
Application granted granted Critical
Publication of CN114325164B publication Critical patent/CN114325164B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)

Abstract

本发明提供了一种单相三电平整流器多故障诊断方法，属于电力故障诊断领域。本方法包括以下步骤：建立混合逻辑动态模型、建立包含执行器故障和两个电压传感故障***的状态空间表达式、进行状态增广变换构建新***、进行一次坐标变换、进行矩阵变换、进行二次坐标变换、计算降阶***状态量、设计自适应降阶滑模观测器、给定自适应诊断阈值进行多故障诊断。本发明提出的降阶滑模观测器不需要***提供十分精确的动力学模型只需要利用轨迹的跟踪误差合理设计滑模面即可，且可以自适应切换趋近率，从而加快了趋近速度并且减小了滑模运动的抖振，提高了诊断的准确性，且本方法可以同时诊断3个不同的故障。

Description

单相三电平整流器多故障诊断方法
技术领域
本发明涉及电力故障诊断领域，尤其涉及单相三电平整流器多故障诊断方法，所述多故障诊断包括单相三电平整流器的执行器故障诊断和多电压传感器微弱故障诊断。
背景技术
在电力牵引传动***中，单相三电平整流器发挥着越来越重要的作用，其中单相三电平整流器是高速列车牵引传动***的核心组成部件之一。针对单相三电平整流器，一方面，其输出端有两个电压传感器，高速列车长时间运行及外部环境的干扰会导致电压传感器的老化及损坏，从而导致传感器测量反馈数据异常，造成严重的人员伤亡与财产损失；另一方面，单相三电平整流器还会同时发生执行器故障，在实际交通运输过程中产生的执行器故障会导致高速列车牵引传动***功能异常，造成严重交通事故，同时也会大大增加故障诊断的难度。
针对单相三电平整流器的电压传感器故障及执行器故障的诊断方法主要有以下两种诊断方法：
1、基于数据驱动的方法，该方法通过采集故障数据信息，并对数据信息进行分析与处理，从而实现相应的故障诊断；相应的论文及专利如《A data-driven approach toactuator and sensor fault detection，isolation and estimation in discrete-timelinear systems》、《一种数据驱动的变速器传感器故障诊断方法》(申请公布号CN202011201104.0)等，这种方法虽然不需要建立精确的数学模型，但是需要大量的数据基础，在此基础上还需要进行复杂的数据处理，算法复杂，工作量大且难度较高。
2、基于解析模型的方法，该方法通过了解并建立实际***的数学模型，将从需进行诊断的实际***的数学模型中得到的信息量与实际测量进行比较，通过对残差分析来进行故障诊断；同时若针对多故障诊断，会先进行故障解耦，再建立相应的数学模型或观测器以得到估计量再与实际测量量进行比较后进行残差分析，相应的论文如下所示：
《Simultaneous robust actuator and sensor fault estimation foruncertain non-linear Lipschitz systems》，该论文针对执行器与传感器故障的多故障诊断时，需先对执行器与传感器故障进行复杂的故障解耦成两个子***，再对这两个子***分别设计观测器以进行故障诊断；
《Sensor-Fault-Estimation-Based Tolerant Control for Single-Phase Two-Level PWM Rectifier in Electric Traction System》，该论文针对执行器与传感器故障的多故障诊断时，虽然对故障***进行了降阶处理，但是诊断的对象是单相两电平整流器，而不是主流的单相三电平整流器；
《Sensor Fault Diagnosis and System Reconfiguration Approach forElectric Traction PWM Rectifier Based on Sliding Mode Observer》，改论文通过建立滑模观测器进行传感器故障诊断时，采用的趋近律在观测的过程中趋近速率慢也会产生抖振，会导致观测值不精确；
《Reduced-Order Observer Based-Fault Estimation for Markovian JumpSystems With Time-Varying Generally Uncertain Transition Rates》，该论文针对执行器与传感器故障的多故障诊断时，只增广了一个电压传感器故障量，即只进行了一个电压传感器的故障诊断。
综上所述，单相三电平整流器在电力牵引传动***中具有极其重要的作用，且目前现有的针对单相三电平整流器的传感器故障及执行器故障的诊断方法都有不足之处，因此，解决现有技术的缺点为整个研究领域都亟待解决的技术问题。
发明内容
本发明的目的是针对背景技术中所述的问题提出一种单相三电平整流器多故障诊断方法。具体的，通过设计降阶滑模观测器并使用合适的滑模控制，从而解决难以建立精确的***模型的问题，但这种方法会在控制过程中产生抖动特性，进而设计自适应趋近率，通过自适应的切换趋近率以降低控制过程中的抖动特性，进一步提高***故障诊断的精确度；同时，使用了降阶滑模观测器，克服了观测器建立的苛刻前提条件，且同时进行了两个电压传感器与一个执行器的故障诊断；最后，在进行故障诊断时，还考虑了电压传感器测量时可能产生的有界电压扰动量以及有界的外部扰动，增加诊断方法的准确性，提高诊断精度。
为了实现上述的目的，本发明提供了一种单相三电平整流器多故障诊断方法，该方法所涉及的电路拓扑结构包括网侧电压源Us、网侧等效电感Ls和网侧等效电阻Rs、整流桥、两个相同的支撑电容Cd1，Cd2、直流侧负载和两个相同的电压传感器；支撑电容Cd1和支撑电容Cd2串联后并联在直流侧负载的直流正母线P和直流负母线Q1之间，支撑电容Cd1和支撑电容Cd1的接点记为直流母线中点O；将两个相同的电压传感器分别记为电压传感器1和电压传感器2，电压传感器1接在支撑电容Cd1的两端，电压传感器2接在支撑电容Cd2的两端；
所述整流桥分为两相桥臂，两相桥臂均与直流侧负载并联；将两相桥臂记为桥臂k，k为桥序，k＝a，b；在两相桥臂中，每相桥臂包括4个带反连二极管的开关管、两个钳位二极管，即整流桥共包含8个带反连二极管的开关管和4个钳位二极管，该8个开关管构成单相三电平整流器的执行器；将8个开关管记为开关管Vkγ，γ表示开关管的序号，γ＝1，2，3，4，将4个钳位二极管记为钳位二极管Dckρ，ρ为钳位二极管的序号，ρ＝1，2；在两相桥臂的每相桥臂中，开关管Vk1、开关管Vk2、开关管Vk3、开关管Vk4依次串联，其中，开关管Vk2和开关管Vk3的连接点记为整流桥输入点τk，k＝a，b；在两相桥臂的每相桥臂中，钳位二极管Dck1的阴极接在开关管Vk1和开关管Vk2之间，钳位二极管Dck1的阳极接钳位二极管Dck2的阴极，钳位二极管Dck2的阳极接在开关管Vk3和开关管Vk4之间，且钳位二极管Dck1和钳位二极管Dck2的连接点与直流母线中点O相接；
所述网侧等效电感Ls的一端接整流桥输入点τa，另一端依次与网侧等效电阻Rs、网侧电压源Us串联，网侧电压源的另一端接整流桥输入点τb；
所述多故障诊断方法包括单相三电平整流器的执行器故障诊断和多电压传感器微弱故障诊断，具体的，包含以下步骤：
步骤1，建立单相三电平整流器的混合逻辑动态模型，并计算整流桥输入端相电压Uab的估计值
Figure BDA0003371171010000059
采样网侧电流，并将该网侧电流记为网侧电流is，采样支撑电容Cd1和支撑电容Cd2的直流电压并记为直流电压u1，u2，采样直流侧电压Udc；建立单相三电平整流器的混合逻辑动态模型，并计算整流桥输入端相电压Uab的估计值
Figure BDA0003371171010000051
所述整流桥输入端相电压Uab为整流桥输入点τa和整流桥输入点τb之间的电压；
所述单相三电平整流器的混合逻辑动态模型的表达式为：
Figure BDA0003371171010000052
Figure BDA0003371171010000053
其中，
Figure BDA0003371171010000054
为a相极电压的估计值，
Figure BDA0003371171010000055
为b相极电压的估计值，Th为直流电压u1的混合逻辑动态函数，Tl为直流电压u2的混合逻辑动态函数；
所述整流桥输入端相电压Uab的估计值
Figure BDA0003371171010000056
的表达式为：
Figure BDA0003371171010000057
步骤2，建立含有多故障的单相三电平整流器***状态空间表达式，记为多故障***1，其表达式为：
Figure BDA0003371171010000058
其中，x(t)为多故障***1的状态变量，记为一次状态变量x(t)，
Figure BDA0003371171010000061
x(t)为n1维状态变量，记为
Figure BDA0003371171010000062
t为为时间变量，
Figure BDA0003371171010000063
为一次状态变量x(t)的一阶导数，
Figure BDA0003371171010000064
其中
Figure BDA0003371171010000065
为网侧电流is的导数，
Figure BDA0003371171010000066
分别为直流电压u1，u2的导数；u(t)为多故障***1的输入量，记为一次***输入u(t)，u(t)＝us，u(t)为n2维状态变量，记为
Figure BDA0003371171010000067
fa(t)为多故障***1的执行器故障，记为执行器故障fa(t)，fa(t)为n3维状态变量，记为
Figure BDA0003371171010000068
η(t)为多故障***1的谐波扰动量，记为谐波扰动η(t)，η(t)为n4维状态变量，记为
Figure BDA0003371171010000069
y(t)为多故障***1的输出，记为***输出y(t)，y(t)为n5维状态变量，记为
Figure BDA00033711710100000610
fs(t)为多故障***1的电压传感器故障，记为***电压传感器故障fs(t)，fs(t)为n6维状态变量，记为
Figure BDA00033711710100000611
其中
Figure BDA00033711710100000612
为电压传感器1故障，记为电压传感器1故障fu1(t)，fu1(t)为n7维状态变量，记为
Figure BDA00033711710100000613
fu2(t)为电压传感器2故障，记为电压传感器2故障fu2(t)，fu2(t)为n8维状态变量，记为
Figure BDA00033711710100000614
A1为多故障***1的状态矩阵，记为一次状态矩阵A1，
Figure BDA00033711710100000615
其中L为网侧等效电感Ls的电感值，R为网侧等效电阻Rs的电阻值，C1，C2分别为支撑电容Cd1、支撑电容Cd2的电容值；B1为多故障***1的输入矩阵，记为一次输入矩阵B1，
Figure BDA0003371171010000071
G1为执行器故障fa(t)的系数矩阵，记为一次执行器故障系数矩阵，
Figure BDA0003371171010000072
N1为谐波扰动η(t)的系数矩阵，记为一次扰动系数矩阵N1，
Figure BDA0003371171010000073
Cy1为多故障***1的输出矩阵，记为一次输出矩阵
Figure BDA0003371171010000074
Figure BDA0003371171010000075
F1为***电压传感器故障fs(t)的系数矩阵，记为一次电压传感器故障系数矩阵F1，
Figure BDA0003371171010000076
***电压传感器故障fs(t)、执行器故障fa(t)和谐波扰动η(t)都是满足关于时间变量t的连续且有界函数，记为||fs(t)||≤rs，||fa(t)||≤ra，||η(t)||≤rη，其中||fs(t)||为fs(t)的范数，||fa(t)||为fa(t)的范数，||η(t)||为η(t)的范数，rs为***电压传感器故障fs(t)的上确界，ra为执行器故障fa(t)的上确界，rη为谐波扰动η(t)的上确界，且rs、ra与rη均为正常数，记为rs＞0，ra＞0，rη＞0；
步骤3，对多故障***1引入***状态变量增广变换，并定义以下增广矩阵和向量，其表达式为：
Figure BDA0003371171010000077
Figure BDA0003371171010000081
Figure BDA0003371171010000082
则可得多故障***1经***状态变量增广变换之后的新***，将该新***记为多故障***2，其状态空间表达式为：
Figure BDA0003371171010000083
其中，z1(t)为多故障***2的状态变量，记为二次状态变量z1(t)，z1(t)为n1+n3+n6维空间向量，记为
Figure BDA0003371171010000084
为二次状态变量z1(t)的导数，
Figure BDA0003371171010000085
其中
Figure BDA0003371171010000086
是电压传感器1故障fu1(t)的导数，
Figure BDA0003371171010000087
为电压传感器2故障
Figure BDA0003371171010000088
的导数；f1(t)为多故障***2的故障变量，记为***故障量f1(t)；
E1为二次状态变量导数
Figure BDA00033711710100000812
的系数矩阵，记为一次导数系数矩阵E1，在
Figure BDA0003371171010000089
的表达式中，
Figure BDA00033711710100000810
表示n1维单位矩阵，
Figure BDA00033711710100000811
表示n3维单位矩阵；
A2为多故障***2的状态矩阵，记为二次状态矩阵A2；
B2为多故障***2的输入矩阵，记为二次输入矩阵B2；
F2为***故障量f1(t)的系数矩阵，记为二次故障系数矩阵F2，在
Figure BDA0003371171010000091
的表达式中，
Figure BDA0003371171010000092
表示n7维单位矩阵，
Figure BDA0003371171010000093
表示n8维单位矩阵；
N2为谐波扰动η(t)在多故障***2中的系数矩阵，记为二次扰动系数矩阵N2；
Figure BDA0003371171010000094
为多故障***2的输出矩阵
Figure BDA0003371171010000095
记为二次输出矩阵
Figure BDA0003371171010000096
步骤4，对多故障***2进行一次坐标变换
步骤4.1，将二次输出矩阵
Figure BDA0003371171010000097
进行转置，记经转置后的输出矩阵为
Figure BDA0003371171010000098
把
Figure BDA0003371171010000099
进行矩阵分解成一个正交阵与一个上三角阵乘积的形式，则记为
Figure BDA00033711710100000910
U是正交矩阵，Q是上三角矩阵；再令P＝UT，J＝QT，UT是正交矩阵U的转置矩阵，QT是上三角矩阵Q的转置矩阵，则可得
Figure BDA00033711710100000911
其中P满足PT＝P-1，PT是矩阵P的转置矩阵，P-1是矩阵P的逆矩阵，记P为一次坐标变换矩阵；
步骤4.2，引入坐标变换z2(t)＝Pz1(t)，则经过坐标变换可将多故障***2转变为新***，记该新***为多故障***3，其状态空间表达式为：
Figure BDA00033711710100000912
其中，z2(t)为多故障***3的状态变量，记为三次状态变量z2(t)；
Figure BDA00033711710100000913
为三次状态变量z2(t)的导数；
E2为三次状态变量导数
Figure BDA00033711710100000914
的系数矩阵，记为二次导数系数矩阵E2，E2＝E1PT；A3为多故障***3的状态矩阵，记为三次状态矩阵A3，A3＝A2PT；B3为多故障***3的输入矩阵，记为三次输入矩阵B3；F3为多故障***3的故障f1(t)的系数矩阵，记为三次故障系数矩阵F3；N3为多故障***3的谐波扰动η(t)的系数矩阵，记为三次扰动系数矩阵N3；J为多故障***3的输出矩阵，记为三次输出矩阵J，将J表示为分块矩阵，即J＝(J1，0)，其中J1为J的左分块子矩阵，J1属于n5维空间，记为
Figure BDA0003371171010000101
且J1为非奇异矩阵；
步骤5，对多故障***3进行矩阵变换
步骤5.1，将二次导数系数矩阵E2转变为分块矩阵，即E2＝(E21E22)，其中E21为二次导数系数矩阵E2的左分块子矩阵，E21为(n1+n3+n6)×n5维空间，记为
Figure BDA0003371171010000102
E22为二次导数系数矩阵E2的右分块子矩阵，E22为(n1+n3+n6)×(n1+n3+n6-n5)维空间，记为
Figure BDA0003371171010000103
再设计变换矩阵Ξ，记为矩阵变换阵Ξ，
Figure BDA0003371171010000104
其中Ξ11为变换矩阵Ξ的上分块子矩阵，Ξ11为n5×(n1+n3+n6)维空间，记为
Figure BDA0003371171010000105
Ξ21为变换矩阵Ξ的下分块子矩阵，Ξ21属于(n1+n3+n6-n5)×(n1+n3+n6)维空间，记为
Figure BDA0003371171010000106
且Ξ11满足E22 TΞ11 T＝0，解式E22 TΞ11 T＝0，则可得Ξ11，其中矩阵E22 T为二次导数系数矩阵E2的右分块子矩阵E22的转置，矩阵Ξ11 T为变换矩阵Ξ的上分块子矩阵Ξ11的转置；Ξ21＝E22 T(E22E22 T)-1，矩阵(E22E22 T)-1为矩阵E22E22 T的逆；
步骤5.2，将多故障***3的状态空间表达式左右同乘以变换矩阵Ξ后可得变换后的新***，将该新***记为多故障***4，其状态空间表达式为：
Figure BDA0003371171010000111
其中，z3(t)为多故障***4的状态变量，记为四次状态变量z3(t)；
Figure BDA0003371171010000112
为四次状态变量z3(t)的导数；
E3为四次状态变量导数
Figure BDA0003371171010000113
的系数矩阵，记为三次导数系数矩阵E3，
Figure BDA0003371171010000114
其中E31为三次导数系数矩阵E3的左上分块子矩阵，E32为三次导数系数矩阵E3的左下分块子矩阵，
Figure BDA0003371171010000115
为n1+n3+n6-n5维单位矩阵；A4为多故障***4的状态矩阵，记为四次状态矩阵A4，
Figure BDA0003371171010000116
其中A411为四次状态矩阵A4的左上分块子矩阵，A412为四次状态矩阵A4的右上分块子矩阵，A421为四次状态矩阵A4的左下分块子矩阵，A422为四次状态矩阵A4的右下分块子矩阵；B4为多故障***4的输入矩阵，记为四次输入矩阵B4，
Figure BDA0003371171010000117
其中B41为四次输入矩阵B4的上分块矩阵，B42为四次输入矩阵B4的下分块矩阵；F4为多故障***4的故障f1(t)的系数矩阵，记为四次故障系数矩阵F4，
Figure BDA0003371171010000118
其中F41为四次故障系数矩阵F41的上分块矩阵，F42为四次故障系数矩阵F4的下分块矩阵；N4为传感器故障***4的谐波扰动η(t)的系数矩阵，记为四次扰动系数矩阵N4，
Figure BDA0003371171010000119
其中N41为四次扰动系数矩阵N41的上分块子矩阵，N42为四次扰动系数矩阵N4的下分块子矩阵；
步骤6，对多故障***4进行二次坐标变换
步骤6.1设计坐标变换矩阵T，记为二次坐标变换矩阵T，并将T表示为分块矩阵，即
Figure BDA0003371171010000121
其中其中
Figure BDA0003371171010000122
为n5维单位矩阵，
Figure BDA0003371171010000123
为n1+n3+n6-n5维单位矩阵，L为自由矩阵，记为自由矩阵L，自由矩阵L属于(n1+n3+n6-n5)×n5维空间，记为
Figure BDA0003371171010000124
步骤6.2引入坐标变换z4(t)＝Tz3(t)可得变换后的新***，将该新***记为多故障***5，其状态空间表达式为：
Figure BDA0003371171010000125
其中，z4(t)为多故障***5的状态变量，记为五次状态变量z4(t)，对五次状态变量z4(t)进行分块，即
Figure BDA0003371171010000126
z41(t)是五次状态变量z4(t)的上分块子向量z41(t)，z41(t)为n5维向量，z42(t)是五次状态变量z4(t)的下分块子向量z42(t)，z42(t)为n1+n3+n6-n5维向量；
Figure BDA0003371171010000127
是五次状态变量z4(t)的导数，即
Figure BDA0003371171010000128
是z4(t)的上分块向量z41(t)的导数，
Figure BDA0003371171010000129
是上分块向量的z42(t)的导数；则由上述坐标变换z4(t)＝Tz3(t)可知，
Figure BDA00033711710100001210
E4为五次状态变量导数
Figure BDA00033711710100001211
的系数矩阵，且
Figure BDA00033711710100001212
A5为多故障***5的状态矩阵，记为五次状态矩阵A5，
Figure BDA00033711710100001213
其中A511为五次状态矩阵A5的左上分块子矩阵，A512为五次状态矩阵A5的右上分块子矩阵，A521为五次状态矩阵A5的左下分块子矩阵，A522为五次状态矩阵A5的右下分块子矩阵；T-1为二次坐标变换矩阵T的逆矩阵；B5为多故障***5的输入矩阵，记为五次输入矩阵B5，
Figure BDA0003371171010000131
其中B51为五次输入矩阵B5的上分块子矩阵，B52为五次输入矩阵B5的下分块子矩阵；F5为多故障***5的故障f(t)的系数矩阵，记为五次故障系数矩阵F5，
Figure BDA0003371171010000132
其中F51为五次故障系数矩阵F5的上分块子矩阵，F52为五次故障系数矩阵F5的下分块子矩阵；N5为多故障***5的谐波扰动η(t)的系数矩阵，记为五次扰动系数矩阵N5，
Figure BDA0003371171010000133
其中N51为五次扰动系数矩阵N5的上分块子矩阵，N52为五次扰动系数矩阵N5的下分块子矩阵，J*为多故障***5的输出矩阵，且得知如下关系：
Figure BDA0003371171010000134
步骤7，设计自适应降阶滑模观测器
步骤7.1，根据多故障***5计算出降阶***的状态量Θ，记为降阶***状态量Θ，其计算式为：
Θ＝(LE31+E32-L)z41(t)+z42(t)
并根据降阶***状态量Θ求出降阶***的状态空间表达式，其状态空间表达式为：
Figure BDA0003371171010000135
其中，
Figure BDA0003371171010000136
为降阶***的状态量Θ的导数，Δ为降阶***的状态表达式中z41(t)的系数矩阵，记为降阶***系数矩阵Δ，其表达式为：
Δ＝-(LA512+A522)(LE51+E52-L)+L(A511-A512L)+A511-A522L
步骤7.2，针对降阶***的状态空间表达式设计自适应降阶滑模观测器，表达式为：
Figure BDA0003371171010000141
其中，
Figure BDA0003371171010000142
是降阶***状态量Θ的估计值，记为降阶***状态量估计值
Figure BDA0003371171010000143
是降阶***状态量估计值
Figure BDA0003371171010000144
的导数，Γ为滑模增益矩阵，Γ＝(LF51+F52)，ν为趋近律，
Figure BDA0003371171010000145
其中，
Figure BDA0003371171010000146
为可变参数1，
Figure BDA0003371171010000147
tanh()为双曲正切函数，
Figure BDA0003371171010000148
为可变参数2，且
Figure BDA0003371171010000149
σ为可变参数3，且σ∈(0，1)，θ为可变参数4，且θ＞1，ρ为可变参数5，β＞0，Ψ为正定对称阵，χ为对角阵，
Figure BDA00033711710100001410
ε为定常数项，ε＞1，eΘ(t)为估计误差，
Figure BDA00033711710100001411
令S＝eΘ(t)，其中S为所设计的自适应降阶滑模观测器的滑模面；
步骤7.3通过求解李雅普诺夫方程得到自由矩阵L，李雅普诺夫方程的表达式如下：
(LA412+A422)TP+P(LA412+A422)＝-I
其中，(LA412+A422)T是LA412+A422的转置，P为正定对称阵，I为单位矩阵；
步骤8，进行执行器及传感器的故障诊断
步骤8.1，采样步骤1中多故障***1的***输出y(t)的值，并将该采样值带入步骤6.2中的z41(t)＝z31(t)＝J1 -1y(t)，则可以得到五次状态变量z4(t)的上分块子向量z41(t)的值，再根据已知的五次状态变量z4(t)的上分块向量z41(t)的值、步骤7.1中的Θ＝(LE31+E32-L)z41(t)+z42(t)、步骤7.2中的
Figure BDA00033711710100001412
以及步骤7.2中估计误差eΘ(t)＝0，可以求出z42(t)，其表达式为：
Figure BDA0003371171010000151
再将已求得的五次状态变量z4(t)的上分块子向量z41(t)的值和五次状态变量z4(t)的下分块子向量z42(t)的值代入步骤6.2中的
Figure BDA0003371171010000152
则可计算出五次状态变量z4(t)的值；
步骤8.2，自多故障***2开始，根据一次坐标变换z2(t)＝Pz1(t)和二次坐标变换z4(t)＝Tz3(t)，且步骤5中矩阵变换不改变传感器故障***3中的三次状态变量z2(t)，得到z3(t)＝z2(t)，从而得到z4(t)＝TPz1(t)，再根据矩阵的逆运算计算出二次状态变量z1(t)＝PTT-1z4(t)，再将步骤8.1中计算出的五次状态变量z4(t)代入式z1(t)＝PTT-1z4(t)得到二次状态变量z1(t)；
步骤8.3，将
Figure BDA0003371171010000153
记为一次状态变量估计值，
Figure BDA0003371171010000154
记为执行器故障估计值
Figure BDA0003371171010000155
记为电压传感器1故障估计值
Figure BDA0003371171010000156
记为电压传感器2故障估计值
Figure BDA0003371171010000157
计算一次状态变量估计值
Figure BDA0003371171010000158
执行器故障估计值
Figure BDA0003371171010000159
电压传感器故障1估计值
Figure BDA00033711710100001510
和电压传感器2故障估计值
Figure BDA00033711710100001511
其具体计算公式为：
Figure BDA00033711710100001512
Figure BDA00033711710100001513
Figure BDA00033711710100001514
Figure BDA00033711710100001515
步骤8.4对执行器故障、电压传感器1故障及电压传感器2故障进行诊断，给定自适应诊断阈值Tth；
定义故障定位量Z1，
Figure BDA00033711710100001516
并进行如下定位：
若Z1＝0，多故障***1未发生执行器故障；
若Z1＝1，多故障***1发生了执行器故障；
定义故障定位量Z2，
Figure BDA0003371171010000161
并进行如下定位：
若Z2＝0，多故障***1未发生电压传感器1故障；
若Z2＝1，多故障***1发生电压传感器1故障；
定义故障定位量Z3，
Figure BDA0003371171010000162
并进行如下定位：
若Z3＝0，多故障***1未发生电压传感器2故障；
若Z3＝1，多故障***1发生了电压传感器2故障。
优选地，步骤1所述直流电压u1的混合逻辑动态函数Th和直流电压u2的混合逻辑动态函数Tl的计算过程如下：
记k相桥臂开关函数为Sk，k＝a，b，则：
Figure BDA0003371171010000163
Figure BDA0003371171010000164
记开关管脉冲控制信号为vkγ，k＝a，b，γ＝1，2，3，4，则k相桥臂开关函数Sk＝vk1vk2-vk3vk4。
优选地，步骤8.4所述的诊断自适应阈值Tth表达式分别如下：
Tth＝E1+Γ1(ζ1+ζ2)
其中，E1为常数1，Γ1为常数2，且Γ1∈(1，2)，ζ1为有界的外部扰动，ζ2为有界的电压扰动。
与现有技术比较，本发明的有益效果为：
1、通过设计降阶滑模观测器可以精确估计***故障状态及故障值，解决现有基于解析模型的方法中对微弱故障诊断鲁棒性差的缺点；
2、通过设计自适应滑模趋近率，通过自适应的切换趋近率以降低降阶滑模观测器观测中的抖振影响并加快趋近速率，进一步提高***故障诊断的精确性；
3、通过***状态变量增广，同时进行了两个电压传感器及一个执行器的故障诊断，增加了故障诊断的类型；
4、通过设计自适应诊断阈值，考虑到了电压传感器故障值中可能存在的有界电压扰动，提升了故障诊断的精确性。
附图说明
图1是本发明实例中单相三电平整流器的拓扑图；
图2是本发明单相三电平整流器故障诊断方法的示意图；
图3是本发明单相三电平整流器故障诊断方法的流程图；
图4为本实施例中的执行器故障fa(t)、执行器估计值
Figure BDA0003371171010000171
及自适应阈值Tth的的仿真图；
图5为本实例中电压传感器1故障
Figure BDA0003371171010000172
电压传感器1故障估计值
Figure BDA0003371171010000173
及自适应阈值Tth的仿真波形图；
图6为本实例中电压传感器2故障fu2(t)、电压传感器2故障估计值
Figure BDA0003371171010000174
及自适应阈值Tth的仿真波形图。
具体实施方式
图1是本发明实施例中单相三电平整流器的拓扑图。由该图可见，本发明涉及的电路拓扑结构包括网侧电压源Us、网侧等效电感s和网侧等效电阻Rs、整流桥、两个相同的支撑电容Cd1，Cd2、直流侧负载和两个相同的电压传感器；支撑电容Cd1和支撑电容Cd2串联后并联在直流侧负载的直流正母线P和直流负母线Q1之间，支撑电容Cd1和支撑电容Cd2的接点记为直流母线中点O；将两个相同的电压传感器分别记为电压传感器1和电压传感器2，电压传感器1接在支撑电容Cd1的两端，电压传感器2接在支撑电容Cd2的两端。在图1中，SV1为电压传感器1，SV2为电压传感器2，两个传感器用于电压值的测量。
所述整流桥分为两相桥臂，两相桥臂均与直流侧负载并联；将两相桥臂记为桥臂k，k为桥序，k＝a，b；在两相桥臂中，每相桥臂包括4个带反连二极管的开关管、两个钳位二极管，即整流桥共包含8个带反连二极管的开关管和4个钳位二极管，该8个开关管构成单相三电平整流器的执行器；将8个开关管记为开关管Vkγ，γ表示开关管的序号，γ＝1，2，3，4，将4个钳位二极管记为钳位二极管Dckρ，ρ为钳位二极管的序号，ρ＝1，2；在两相桥臂的每相桥臂中，开关管Vk1、开关管Vk1、开关管Vk3、开关管Vk4依次串联，其中，开关管Vk2和开关管Vk3的连接点记为整流桥输入点τk，k＝a，b；在两相桥臂的每相桥臂中，钳位二极管Dck1的阴极接在开关管Vk1和开关管Vk2之间，钳位二极管Dck1的阳极接钳位二极管Dck2的阴极，钳位二极管Dck2的阳极接在开关管Vk3和开关管Vk4之间，且钳位二极管Dck1和钳位二极管Dck2的连接点与直流母线中点O相接。
所述网侧等效电感Ls的一端接整流桥输入点τa，另一端依次与网侧等效电阻Rs、网侧电压源Us串联，网侧电压源的另一端接整流桥输入点τb。
图2是本发明中单相三电平整流器多故障诊断方法的示意图，图3是本发明中单相三电平整流器多故障诊断方法的流程图，由图2-图3可见，所述多故障诊断方法包括单相三电平整流器的执行器故障诊断和多电压传感器微弱故障诊断，具体的，包含以下步骤：
步骤1，建立单相三电平整流器的混合逻辑动态模型，并计算整流桥输入端相电压Uab的估计值
Figure BDA0003371171010000191
采样网侧电流，并将该网侧电流记为网侧电流is，采样支撑电容Cd1和支撑电容Cd2的直流电压并记为直流电压u1，u2，采样直流侧电压Udc；建立单相三电平整流器的混合逻辑动态模型，并计算整流桥输入端相电压Uab的估计值
Figure BDA0003371171010000192
所述整流桥输入端相电压Uab为整流桥输入点τa和整流桥输入点τb之间的电压。
所述单相三电平整流器的混合逻辑动态模型的表达式为：
Figure BDA0003371171010000193
Figure BDA0003371171010000194
其中，
Figure BDA0003371171010000195
为a相极电压的估计值，
Figure BDA0003371171010000196
为b相极电压的估计值，Th为直流电压u1的混合逻辑动态函数，Tl为直流电压u2的混合逻辑动态函数。
所述整流桥输入端相电压Uab的估计值
Figure BDA0003371171010000197
的表达式为：
Figure BDA0003371171010000198
在本实施例中，所述直流电压u1的混合逻辑动态函数Th和直流电压u2的混合逻辑动态函数Tl的计算过程如下：
记k相桥臂开关函数为Sk，k＝a，b，则：
Figure BDA0003371171010000201
Figure BDA0003371171010000202
记开关管脉冲控制信号为vkγ，k＝a，b，γ＝1，2，3，4，则k相桥臂开关函数Sk＝vk1vk2-vk3vk4。
步骤2，建立含有多故障的单相三电平整流器***状态空间表达式，记为多故障***1，其表达式为：
Figure BDA0003371171010000203
其中，x(t)为多故障***1的状态变量，记为一次状态变量x(t)，
Figure BDA0003371171010000204
x(t)为n1维状态变量，记为
Figure BDA0003371171010000205
t为为时间变量，
Figure BDA0003371171010000206
为一次状态变量x(t)的一阶导数，
Figure BDA0003371171010000207
其中
Figure BDA0003371171010000208
为网侧电流is的导数，
Figure BDA0003371171010000209
分别为直流电压u1，u2的导数；u(t)为多故障***1的输入量，记为一次***输入u(t)，u(t)＝us，u(t)为n2维状态变量，记为
Figure BDA00033711710100002010
fa(t)为多故障***1的执行器故障，记为执行器故障fa(t)，fa(t)为n3维状态变量，记为
Figure BDA00033711710100002011
η(t)为多故障***1的谐波扰动量，记为谐波扰动η(t)，η(t)为n4维状态变量，记为
Figure BDA00033711710100002012
y(t)为多故障***1的输出，记为***输出y(t)，y(t)为n5维状态变量，记为
Figure BDA00033711710100002013
fs(t)为多故障***1的电压传感器故障，记为***电压传感器故障fs(t)，fs(t)为n6维状态变量，记为
Figure BDA0003371171010000211
其中
Figure BDA0003371171010000212
为电压传感器1故障，记为电压传感器1故障fu1(t)，fu1(t)为n7维状态变量，记为
Figure BDA0003371171010000213
fu2(t)为电压传感器2故障，记为电压传感器2故障fu2(t)，fu2(t)为n8维状态变量，记为
Figure BDA0003371171010000214
A1为多故障***1的状态矩阵，记为一次状态矩阵A1，
Figure BDA0003371171010000215
其中L为网侧等效电感Ls的电感值，R为网侧等效电阻Rs的电阻值，C1，C2分别为支撑电容Cd1、支撑电容Cd2的电容值；B1为多故障***1的输入矩阵，记为一次输入矩阵B1，
Figure BDA0003371171010000216
G1为执行器故障fa(t)的系数矩阵，记为一次执行器故障系数矩阵，
Figure BDA0003371171010000217
N1为谐波扰动η(t)的系数矩阵，记为一次扰动系数矩阵N1，
Figure BDA0003371171010000218
Cy1为多故障***1的输出矩阵，记为一次输出矩阵
Figure BDA0003371171010000219
Figure BDA00033711710100002110
F1为***电压传感器故障fs(t)的系数矩阵，记为一次电压传感器故障系数矩阵F1，
Figure BDA00033711710100002111
***电压传感器故障fs(t)、执行器故障fa(t)和谐波扰动η(t)都是满足关于时间变量t的连续且有界函数，记为||fs(t)||≤rs，||fa(t)||≤ra，||η(t)||≤rη，其中||fs(t)||为fs(t)的范数，||fa(t)||为fa(t)的范数，||η(t)||为η(t)的范数，rs为***电压传感器故障fs(t)的上确界，ra为执行器故障fa(t)的上确界，rη为谐波扰动η(t)的上确界，且rs、ra与rη均为正常数，记为rs＞0，ra＞0，rη＞0。
在本实施例中，R＝0.34Ω，L＝2.2×10-3H，C1＝16×10-3F，C2＝16×10-3F，
Figure BDA0003371171010000221
n1＝3，n2＝1，n3＝1，n4＝1，n5＝5，n6＝2，n7＝1，n8＝1，
Figure BDA0003371171010000222
fu1(t)＝0，t＜10s，
Figure BDA0003371171010000223
t≥10s，
fu2(t)＝0，t＜10s，
Figure BDA0003371171010000224
t≥10s。
***电压传感器故障fs(t)、执行器故障fa(t)和谐波扰动η(t)都是满足关于时间量t的连续且有界函数，记为||fs(t)||≤rs，||fa(t)||≤ra，||η(t)||≤rη，其中||fs(t)||为fs(t)的范数，||fa(t)||为fa(t)的范数，||η(t)||为η(t)的范数，rs为***电压传感器故障fs(t)的上确界，ra为执行器故障fa(t)的上确界，rη为谐波扰动η(t)的上确界，且rs、ra与rη均为正常数，记为rs＞0，ra＞0，rη＞0。
步骤3，对多故障***1引入***状态变量增广变换，并定义以下增广矩阵和向量，其表达式为：
Figure BDA0003371171010000225
Figure BDA0003371171010000231
Figure BDA0003371171010000232
则可得多故障***1经***状态变量增广变换之后的新***，将该新***记为多故障***2，其状态空间表达式为：
Figure BDA0003371171010000233
其中，z1(t)为多故障***2的状态变量，记为二次状态变量z1(t)，z1(t)为n1+n3+n6维空间向量，记为
Figure BDA0003371171010000234
为二次状态变量z1(t)的导数，
Figure BDA0003371171010000235
其中
Figure BDA0003371171010000236
是电压传感器1故障fu1(t)的导数，
Figure BDA0003371171010000237
为电压传感器2故障
Figure BDA0003371171010000238
的导数；f1(t)为多故障***2的故障变量，记为***故障量f1(t)；
E1为二次状态变量导数
Figure BDA0003371171010000239
的系数矩阵，记为一次导数系数矩阵E1，在
Figure BDA00033711710100002310
的表达式中，
Figure BDA00033711710100002311
表示n1维单位矩阵，
Figure BDA00033711710100002312
表示n3维单位矩阵；
A2为多故障***2的状态矩阵，记为二次状态矩阵A2；
B2为多故障***2的输入矩阵，记为二次输入矩阵B2；
F2为***故障量f1(t)的系数矩阵，记为二次故障系数矩阵F2，在
Figure BDA0003371171010000241
的表达式中，
Figure BDA0003371171010000242
表示n7维单位矩阵，
Figure BDA0003371171010000243
表示n8维单位矩阵；
N2为谐波扰动η(t)在多故障***2中的系数矩阵，记为二次扰动系数矩阵N2；
Figure BDA0003371171010000244
为多故障***2的输出矩阵
Figure BDA0003371171010000245
记为二次输出矩阵
Figure BDA0003371171010000246
在本实施例中的参数如下：
Figure BDA0003371171010000247
Figure BDA0003371171010000248
Figure BDA0003371171010000249
Figure BDA00033711710100002410
步骤4，对多故障***2进行一次坐标变换
步骤4.1，将二次输出矩阵
Figure BDA00033711710100002411
进行转置，记经转置后的输出矩阵为
Figure BDA0003371171010000251
把
Figure BDA0003371171010000252
进行矩阵分解成一个正交阵与一个上三角阵乘积的形式，则记为
Figure BDA0003371171010000253
U是正交矩阵，Q是上三角矩阵；再令P＝UT，J＝QT，UT是正交矩阵U的转置矩阵，QT是上三角矩阵Q的转置矩阵，则可得
Figure BDA0003371171010000254
其中P满足PT＝P-1，PT是矩阵P的转置矩阵，P-1是矩阵P的逆矩阵，记P为一次坐标变换矩阵。
步骤4.2，引入坐标变换z2(t)＝Pz1(t)，则经过坐标变换可将多故障***2转变为新***，记该新***为多故障***3，其状态空间表达式为：
Figure BDA0003371171010000255
其中，z2(t)为多故障***3的状态变量，记为三次状态变量z2(t)；
Figure BDA0003371171010000256
为三次状态变量z2(t)的导数；
E2为三次状态变量导数
Figure BDA0003371171010000257
的系数矩阵，记为二次导数系数矩阵E2，E2＝E1PT；A3为多故障***3的状态矩阵，记为三次状态矩阵A3，A3＝A2PT；B3为多故障***3的输入矩阵，记为三次输入矩阵B3；F3为多故障***3的故障f1(t)的系数矩阵，记为三次故障系数矩阵F3；N3为多故障***3的谐波扰动η(t)的系数矩阵，记为三次扰动系数矩阵N3；J为多故障***3的输出矩阵，记为三次输出矩阵J，将J表示为分块矩阵，即J＝(J1，0)，其中J1为J的左分块子矩阵，J1属于n5维空间，记为
Figure BDA0003371171010000258
且J1为非奇异矩阵。
在本实施例中，
Figure BDA0003371171010000261
Figure BDA0003371171010000262
Figure BDA0003371171010000263
Figure BDA0003371171010000264
Figure BDA0003371171010000265
Figure BDA0003371171010000266
步骤5，对多故障***3进行矩阵变换
步骤5.1，将二次导数系数矩阵E2转变为分块矩阵，即E2＝(E21E22)，其中E21为二次导数系数矩阵E2的左分块子矩阵，E21为(n1+n3+n6)×n5维空间，记为
Figure BDA0003371171010000271
E22为二次导数系数矩阵E2的右分块子矩阵，E22为(n1+n3+n6)×(n1+n3+n6-n5)维空间，记为
Figure BDA0003371171010000272
再设计变换矩阵Ξ，记为矩阵变换阵Ξ，
Figure BDA0003371171010000273
其中Ξ11为变换矩阵Ξ的上分块子矩阵，Ξ11为n5×(n1+n3+n6)维空间，记为
Figure BDA0003371171010000274
Ξ21为变换矩阵Ξ的下分块子矩阵，Ξ21属于(n1+n3+n6-n5)×(n1+n3+n6)维空间，记为
Figure BDA0003371171010000275
且Ξ11满足E22 TΞ11 T＝0，解式E22 TΞ11 T＝0，则可得Ξ11，其中矩阵E22 T为二次导数系数矩阵E2的右分块子矩阵E22的转置，矩阵Ξ11 T为变换矩阵Ξ的上分块子矩阵Ξ11的转置；Ξ21＝E22 T(E22E22 T)-1，矩阵(E22E22 T)-1为矩阵E22E22 T的逆。
步骤5.2，将多故障***3的状态空间表达式左右同乘以变换矩阵Ξ后可得变换后的新***，将该新***记为多故障***4，其状态空间表达式为：
Figure BDA0003371171010000276
其中，z3(t)为多故障***4的状态变量，记为四次状态变量z3(t)；
Figure BDA0003371171010000277
为四次状态变量z3(t)的导数；
E3为四次状态变量导数
Figure BDA0003371171010000278
的系数矩阵，记为三次导数系数矩阵E3，
Figure BDA0003371171010000279
其中E31为三次导数系数矩阵E3的左上分块子矩阵，E32为三次导数系数矩阵E3的左下分块子矩阵，
Figure BDA00033711710100002710
为n1+n3+n6-n5维单位矩阵；A4为多故障***4的状态矩阵，记为四次状态矩阵A4，
Figure BDA00033711710100002711
其中A411为四次状态矩阵A4的左上分块子矩阵，A411为四次状态矩阵A4的右上分块子矩阵，A421为四次状态矩阵A4的左下分块子矩阵，A422为四次状态矩阵A4的右下分块子矩阵；B4为多故障***4的输入矩阵，记为四次输入矩阵B4，
Figure BDA0003371171010000281
其中B41为四次输入矩阵B4的上分块矩阵，B42为四次输入矩阵B4的下分块矩阵；F4为多故障***4的故障f1(t)的系数矩阵，记为四次故障系数矩阵F4，
Figure BDA0003371171010000282
其中F41为四次故障系数矩阵F41的上分块矩阵，F42为四次故障系数矩阵F4的下分块矩阵；N4为传感器故障***4的谐波扰动η(t)的系数矩阵，记为四次扰动系数矩阵N4，
Figure BDA0003371171010000283
其中N41为四次扰动系数矩阵N41的上分块子矩阵，N42为四次扰动系数矩阵N4的下分块子矩阵。
在本实施例中，
Figure BDA0003371171010000284
Figure BDA0003371171010000285
Figure BDA0003371171010000286
Figure BDA0003371171010000291
步骤6，对多故障***4进行二次坐标变换
步骤6.1设计坐标变换矩阵T，记为二次坐标变换矩阵T，并将T表示为分块矩阵，即
Figure BDA0003371171010000292
其中其中
Figure BDA00033711710100002912
为n5维单位矩阵，
Figure BDA0003371171010000293
为n1+n3+n6-n5维单位矩阵，L为自由矩阵，记为自由矩阵L，自由矩阵L属于(n1+n3+n6-n5)×n5维空间，记为
Figure BDA0003371171010000294
步骤6.2引入坐标变换z4(t)＝Tz3(t)可得变换后的新***，将该新***记为多故障***5，其状态空间表达式为：
Figure BDA0003371171010000295
其中，z4(t)为多故障***5的状态变量，记为五次状态变量z4(t)，对五次状态变量z4(t)进行分块，即
Figure BDA0003371171010000296
z41(t)是五次状态变量z4(t)的上分块子向量z41(t)，z41(t)为n5维向量，z42(t)是五次状态变量z4(t)的下分块子向量z42(t)，z42(t)为n1+n3+n6-n5维向量；
Figure BDA0003371171010000297
是五次状态变量z4(t)的导数，即
Figure BDA0003371171010000298
是z4(t)的上分块向量z41(t)的导数，
Figure BDA0003371171010000299
是上分块向量的z42(t)的导数；则由上述坐标变换z4(t)＝Tz3(t)可知，
Figure BDA00033711710100002910
E4为五次状态变量导数
Figure BDA00033711710100002911
的系数矩阵，且
Figure BDA0003371171010000301
A5为多故障***5的状态矩阵，记为五次状态矩阵A5，
Figure BDA0003371171010000302
其中A511为五次状态矩阵A5的左上分块子矩阵，A512为五次状态矩阵A5的右上分块子矩阵，A521为五次状态矩阵A5的左下分块子矩阵，A522为五次状态矩阵A5的右下分块子矩阵；T-1为二次坐标变换矩阵T的逆矩阵；B5为多故障***5的输入矩阵，记为五次输入矩阵B5，
Figure BDA0003371171010000303
其中B51为五次输入矩阵B5的上分块子矩阵，B52为五次输入矩阵B5的下分块子矩阵；F5为多故障***5的故障f(t)的系数矩阵，记为五次故障系数矩阵F5，
Figure BDA0003371171010000304
其中F51为五次故障系数矩阵F5的上分块子矩阵，F52为五次故障系数矩阵F5的下分块子矩阵；N5为多故障***5的谐波扰动η(t)的系数矩阵，记为五次扰动系数矩阵N5，
Figure BDA0003371171010000305
其中N51为五次扰动系数矩阵N5的上分块子矩阵，N52为五次扰动系数矩阵N5的下分块子矩阵，J*为多故障***5的输出矩阵，且可以得知如下关系：
Figure BDA0003371171010000306
在本实施例中，
Figure BDA0003371171010000307
Figure BDA0003371171010000311
Figure BDA0003371171010000312
步骤7，设计自适应降阶滑模观测器
步骤7.1，根据多故障***5计算出降阶***的状态量Θ，记为降阶***状态量Θ，其计算式为：
Θ＝(LE31+E32-L)z41(t)+z42(t)
并根据降阶***状态量Θ求出降阶***的状态空间表达式，其状态空间表达式为：
Figure BDA0003371171010000313
其中，
Figure BDA0003371171010000314
为降阶***的状态量Θ的导数，Δ为降阶***的状态表达式中z41(t)的系数矩阵，记为降阶***系数矩阵Δ，其表达式为：
Δ＝-(LA512+A522)(LE51+E52-L)+L(A511-A512L)+A511-A522L
步骤7.2，针对降阶***的状态空间表达式设计自适应降阶滑模观测器，表达式为：
Figure BDA0003371171010000315
其中，
Figure BDA0003371171010000321
是降阶***状态量Θ的估计值，记为降阶***状态量估计值
Figure BDA0003371171010000322
是降阶***状态量估计值
Figure BDA0003371171010000323
的导数，Γ为滑模增益矩阵，Γ＝(LF51+F52)，ν为趋近律，
Figure BDA0003371171010000324
其中，
Figure BDA0003371171010000325
为可变参数1，
Figure BDA0003371171010000326
tanh()为双曲正切函数，
Figure BDA0003371171010000327
为可变参数2，且
Figure BDA0003371171010000328
σ为可变参数3，且σ∈(0，1)，θ为可变参数4，且θ＞1，ρ为可变参数5，β＞0，Ψ为正定对称阵，χ为对角阵，
Figure BDA0003371171010000329
ε为定常数项，ε＞1，eΘ(t)为估计误差，
Figure BDA00033711710100003210
令S＝eΘ(t)，其中S为所设计的自适应降阶滑模观测器的滑模面；
步骤7.3通过求解李雅普诺夫方程得到自由矩阵L，李雅普诺夫方程的表达式如下：
(LA412+A422)TP+P(LA412+A422)＝-I
其中，(LA412+A422)T是LA412+A422的转置，P为正定对称阵，I为单位矩阵。
在本实施例中，
Figure BDA00033711710100003211
σ＝0.1，ρ＝2，θ＝20，
Figure BDA00033711710100003212
步骤8，进行执行器及传感器的故障诊断
步骤8.1，采样步骤1中多故障***1的***输出y(t)的值，并将该采样值带入步骤6.2中的z41(t)＝z31(t)＝J1 -1y(t)，则可以得到五次状态变量z4(t)的上分块子向量z41(t)的值，再根据已知的五次状态变量z4(t)的上分块向量z41(t)的值、步骤7.1中的Θ＝(LE31+E32-L)z41(t)+z42(t)、步骤7.2中的
Figure BDA0003371171010000331
以及步骤7.2中估计误差eΘ(t)＝0，可以求出z42(t)，其表达式为：
Figure BDA0003371171010000332
再将已求得的五次状态变量z4(t)的上分块子向量z41(t)的值和五次状态变量z4(t)的下分块子向量z42(t)的值代入步骤6.2中的
Figure BDA0003371171010000333
则可计算出五次状态变量z4(t)的值；
步骤8.2，自多故障***2开始，根据一次坐标变换z2(t)＝Pz1(t)和二次坐标变换z4(t)＝Tz3(t)，且步骤5中矩阵变换不改变传感器故障***3中的三次状态变量z2(t)，得到z3(t)＝z2(t)，从而得到z4(t)＝TPz1(t)，再根据矩阵的逆运算计算出二次状态变量z1(t)＝PTT-1z4(t)，再将步骤8.1中计算出的五次状态变量z4(t)代入式z1(t)＝PTT-1z4(t)得到二次状态变量z1(t)；
步骤8.3，将
Figure BDA0003371171010000334
记为一次状态变量估计值，
Figure BDA0003371171010000335
记为执行器故障估计值
Figure BDA0003371171010000336
记为电压传感器1故障估计值
Figure BDA0003371171010000337
记为电压传感器2故障估计值
Figure BDA0003371171010000338
计算一次状态变量估计值
Figure BDA0003371171010000339
执行器故障估计值
Figure BDA00033711710100003310
电压传感器故障1估计值
Figure BDA00033711710100003311
和电压传感器2故障估计值
Figure BDA00033711710100003312
其具体计算公式为：
Figure BDA00033711710100003313
Figure BDA00033711710100003314
Figure BDA00033711710100003315
Figure BDA00033711710100003316
步骤8.4对执行器故障、电压传感器1故障及电压传感器2故障进行诊断，给定自适应诊断阈值Tth。
在本实施例中，诊断自适应阈值Tth表达式分别如下：
Tth＝E1+Γ1(ζ1+ζ2)
其中，E1为常数1，Γ1为常数2，且Γ1∈(1，2)，ζ1为有界的外部扰动，ζ2为有界的电压扰动。具体的，在本实施例中，E1＝0.01，Γ1＝1.01，ζ1＝0.02sin(10t)，
Figure BDA0003371171010000347
定义故障定位量Z1，
Figure BDA0003371171010000341
并进行如下定位：
若Z1＝0，多故障***1未发生执行器故障；
若Z1＝1，多故障***1发生了执行器故障；
定义故障定位量Z2，
Figure BDA0003371171010000342
并进行如下定位：
若Z2＝0，多故障***1未发生电压传感器1故障；
若Z2＝1，多故障***1发生电压传感器1故障；
定义故障定位量Z3，
Figure BDA0003371171010000343
并进行如下定位：
若Z3＝0，多故障***1未发生电压传感器2故障；
若Z3＝1，多故障***1发生了电压传感器2故障。
至此，单相三电平整流器多故障诊断结束。
为了佐证本发明的技术效果，对本发明进行了仿真。
图4为本实例中执行器故障fa(t)、执行器故障估计值
Figure BDA0003371171010000344
及自适应阈值Tth的仿真波形图。由该图可知，在8s之前，未发生执行器故障，在8s之后，执行器故障估计值
Figure BDA0003371171010000345
可以很好地估计出执行器故障fa(t)，且执行器故障估计值
Figure BDA0003371171010000346
超过了自适应诊断阈值Tth，即发生了执行器故障。
图5为本实例中电压传感器1故障
Figure BDA0003371171010000357
电压传感器1故障估计值
Figure BDA0003371171010000351
受自适应阈值Tth的仿真波形图。由该图可知，在8s之前，未发生电压传感器1故障，在8s之后，电压传感器1故障估计值
Figure BDA0003371171010000352
可以很好地估计出电压传感器1故障fu1(t)，且电压传感器1故障估计值
Figure BDA0003371171010000353
超过了自适应诊断阈值Tth，即发生了电压传感器1故障。
图6为本实例中电压传感器2故障fu2(t)、电压传感器2故障估计值
Figure BDA0003371171010000354
及自适应阈值Tth的仿真波形图。由该图可知，在8s之前，未发生电压传感器2故障，在8s之后，发生了电压传感器2故障，电压传感器2故障估计值
Figure BDA0003371171010000355
可以很好地估计出电压传感器故障2fu2(t)，且电压传感器2故障估计值
Figure BDA0003371171010000356
超过了自适应诊断阈值Tth，即发生了电压传感器2故障。

Claims (3)

1.一种单相三电平整流器多故障诊断方法，该方法所涉及的电路拓扑结构包括网侧电压源Us、网侧等效电感Ls和网侧等效电阻Rs、整流桥、两个相同的支撑电容Cd1，Cd1、直流侧负载和两个相同的电压传感器；支撑电容Cd1和支撑电容Cd2串联后并联在直流侧负载的直流正母线P和直流负母线Q1之间，支撑电容Cd1和支撑电容Cd2的接点记为直流母线中点O；将两个相同的电压传感器分别记为电压传感器1和电压传感器2，电压传感器1接在支撑电容Cd1的两端，电压传感器2接在支撑电容Cd2的两端；
所述整流桥分为两相桥臂，两相桥臂均与直流侧负载并联；将两相桥臂记为桥臂k，k为桥序，k＝a，b；在两相桥臂中，每相桥臂包括4个带反连二极管的开关管、两个钳位二极管，即整流桥共包含8个带反连二极管的开关管和4个钳位二极管，该8个开关管构成单相三电平整流器的执行器；将8个开关管记为开关管Vkγ，γ表示开关管的序号，γ＝1，2，3，4，将4个钳位二极管记为钳位二极管Dckρ，ρ为钳位二极管的序号，ρ＝1，2；在两相桥臂的每相桥臂中，开关管Vk1、开关管Vk2、开关管Vk3、开关管Vk4依次串联，其中，开关管Vk2和开关管Vk3的连接点记为整流桥输入点τk，k＝a，b；在两相桥臂的每相桥臂中，钳位二极管Dck1的阴极接在开关管Vk1和开关管Vk2之间，钳位二极管Dck1的阳极接钳位二极管Dck2的阴极，钳位二极管Dck2的阳极接在开关管Vk3和开关管Vk4之间，且钳位二极管Dck1和钳位二极管Dck2的连接点与直流母线中点O相接；
所述网侧等效电感Ls的一端接整流桥输入点τa，另一端依次与网侧等效电阻Rs、网侧电压源Us串联，网侧电压源的另一端接整流桥输入点τb；
其特征在于，所述多故障诊断方法包括单相三电平整流器的执行器故障诊断和多电压传感器微弱故障诊断，具体的，包含以下步骤：
步骤1，建立单相三电平整流器的混合逻辑动态模型，并计算整流桥输入端相电压Uab的估计值
Figure FDA0003371171000000021
采样网侧电流，并将该网侧电流记为网侧电流is，采样支撑电容Cd1和支撑电容Cd2的直流电压并记为直流电压u1，u2，采样直流侧电压Udc；建立单相三电平整流器的混合逻辑动态模型，并计算整流桥输入端相电压Uab的估计值
Figure FDA0003371171000000022
所述整流桥输入端相电压Uab为整流桥输入点τa和整流桥输入点τb之间的电压；
所述单相三电平整流器的混合逻辑动态模型的表达式为：
Figure FDA0003371171000000023
Figure FDA0003371171000000024
其中，
Figure FDA0003371171000000025
为a相极电压的估计值，
Figure FDA0003371171000000026
为b相极电压的估计值，Th为直流电压u1的混合逻辑动态函数，Tl为直流电压u2的混合逻辑动态函数；
所述整流桥输入端相电压Uab的估计值
Figure FDA0003371171000000027
的表达式为：
Figure FDA0003371171000000028
步骤2，建立含有多故障的单相三电平整流器***状态空间表达式，记为多故障***1，其表达式为：
Figure FDA0003371171000000031
其中，x(t)为多故障***1的状态变量，记为一次状态变量x(t)，
Figure FDA0003371171000000032
x(t)为n1维状态变量，记为
Figure FDA0003371171000000033
t为时间变量，
Figure FDA0003371171000000034
为一次状态变量x(t)的一阶导数，
Figure FDA0003371171000000035
其中
Figure FDA0003371171000000036
为网侧电流is的导数，
Figure FDA0003371171000000037
分别为直流电压u1，u2的导数；u(t)为多故障***1的输入量，记为一次***输入u(t)，u(t)＝us，u(t)为n2维状态变量，记为
Figure FDA0003371171000000038
fa(t)为多故障***1的执行器故障，记为执行器故障fa(t)，fa(t)为n3维状态变量，记为
Figure FDA0003371171000000039
η(t)为多故障***1的谐波扰动量，记为谐波扰动η(t)，η(t)为n4维状态变量，记为
Figure FDA00033711710000000310
y(t)为多故障***1的输出，记为***输出y(t)，y(t)为n5维状态变量，记为
Figure FDA00033711710000000311
fs(t)为多故障***1的电压传感器故障，记为***电压传感器故障fs(t)，fs(t)为n6维状态变量，记为
Figure FDA00033711710000000312
其中
Figure FDA00033711710000000313
为电压传感器1故障，记为电压传感器1故障fu1(t)，fu1(t)为n7维状态变量，记为
Figure FDA00033711710000000314
fu2(t)为电压传感器2故障，记为电压传感器2故障fu2(t)，fu2(t)为n8维状态变量，记为
Figure FDA00033711710000000315
A1为多故障***1的状态矩阵，记为一次状态矩阵A1，
Figure FDA00033711710000000316
其中L为网侧等效电感Ls的电感值，R为网侧等效电阻Rs的电阻值，C1，C2分别为支撑电容Cd1、支撑电容Cd2的电容值；B1为多故障***1的输入矩阵，记为一次输入矩阵B1，
Figure FDA0003371171000000041
G1为执行器故障fa(t)的系数矩阵，记为一次执行器故障系数矩阵，
Figure FDA0003371171000000042
N1为谐波扰动η(t)的系数矩阵，记为一次扰动系数矩阵N1，
Figure FDA0003371171000000043
Cy1为多故障***1的输出矩阵，记为一次输出矩阵
Figure FDA0003371171000000044
Figure FDA0003371171000000045
F1为***电压传感器故障fs(t)的系数矩阵，记为一次电压传感器故障系数矩阵F1，
Figure FDA0003371171000000046
***电压传感器故障fs(t)、执行器故障fa(t)和谐波扰动η(t)都是满足关于时间变量t的连续且有界函数，记为||fs(t)||≤rs，||fa(t)||≤ra，||η(t)||≤rη，其中||fs(t)||为fs(t)的范数，||fa(t)||为fa(t)的范数，||η(t)||为η(t)的范数，rs为***电压传感器故障fs(t)的上确界，ra为执行器故障fa(t)的上确界，rη为谐波扰动η(t)的上确界，且rs、ra与rη均为正常数，记为rs＞0，ra＞0，rη＞0；
步骤3，对多故障***1引入***状态变量增广变换，并定义以下增广矩阵和向量，其表达式为：
Figure FDA0003371171000000047
Figure FDA0003371171000000051
Figure FDA0003371171000000052
则可得多故障***1经***状态变量增广变换之后的新***，将该新***记为多故障***2，其状态空间表达式为：
Figure FDA0003371171000000053
其中，z1(t)为多故障***2的状态变量，记为二次状态变量z1(t)，z1(t)为n1+n3+n6维空间向量，记为
Figure FDA0003371171000000054
Figure FDA0003371171000000055
为二次状态变量z1(t)的导数，
Figure FDA0003371171000000056
其中
Figure FDA0003371171000000057
是电压传感器1故障fu1(t)的导数，
Figure FDA0003371171000000058
为电压传感器2故障
Figure FDA0003371171000000059
的导数；f1(t)为多故障***2的故障变量，记为***故障量f1(t)；
E1为二次状态变量导数
Figure FDA00033711710000000510
的系数矩阵，记为一次导数系数矩阵E1，在
Figure FDA00033711710000000511
的表达式中，
Figure FDA00033711710000000512
表示n1维单位矩阵，
Figure FDA00033711710000000513
表示n3维单位矩阵；
A2为多故障***2的状态矩阵，记为二次状态矩阵A2；
B2为多故障***2的输入矩阵，记为二次输入矩阵B2；
F2为***故障量f1(t)的系数矩阵，记为二次故障系数矩阵F2，在
Figure FDA0003371171000000061
的表达式中，
Figure FDA0003371171000000062
表示n7维单位矩阵，
Figure FDA0003371171000000063
表示n8维单位矩阵；
N2为谐波扰动η(t)在多故障***2中的系数矩阵，记为二次扰动系数矩阵N2；
Figure FDA0003371171000000064
为多故障***2的输出矩阵
Figure FDA0003371171000000065
记为二次输出矩阵
Figure FDA0003371171000000066
步骤4，对多故障***2进行一次坐标变换
步骤4.1，将二次输出矩阵
Figure FDA0003371171000000067
进行转置，记经转置后的输出矩阵为
Figure FDA0003371171000000068
把
Figure FDA0003371171000000069
进行矩阵分解成一个正交阵与一个上三角阵乘积的形式，则记为
Figure FDA00033711710000000610
U是正交矩阵，Q是上三角矩阵；再令P＝UT，J＝QT，UT是正交矩阵U的转置矩阵，QT是上三角矩阵Q的转置矩阵，则可得
Figure FDA00033711710000000614
其中P满足PT＝P-1，PT是矩阵P的转置矩阵，P-1是矩阵P的逆矩阵，记P为一次坐标变换矩阵；
步骤4.2，引入坐标变换z2(t)＝Pz1(t)，则经过坐标变换可将多故障***2转变为新***，记该新***为多故障***3，其状态空间表达式为：
Figure FDA00033711710000000611
其中，z2(t)为多故障***3的状态变量，记为三次状态变量z2(t)；
Figure FDA00033711710000000612
为三次状态变量z2(t)的导数；
E2为三次状态变量导数
Figure FDA00033711710000000613
的系数矩阵，记为二次导数系数矩阵E2，E2＝E1PT；A3为多故障***3的状态矩阵，记为三次状态矩阵A3，A3＝A2PT；B3为多故障***3的输入矩阵，记为三次输入矩阵B3；F3为多故障***3的故障f1(t)的系数矩阵，记为三次故障系数矩阵F3；N3为多故障***3的谐波扰动η(t)的系数矩阵，记为三次扰动系数矩阵N3；J为多故障***3的输出矩阵，记为三次输出矩阵J，将J表示为分块矩阵，即J＝(J1，0)，其中J1为J的左分块子矩阵，J1属于n5维空间，记为
Figure FDA0003371171000000071
且J1为非奇异矩阵；
步骤5，对多故障***3进行矩阵变换
步骤5.1，将二次导数系数矩阵E2转变为分块矩阵，即E2＝(E21 E22)，其中E21为二次导数系数矩阵E2的左分块子矩阵，E21为(n1+n3+n6)×n5维空间，记为
Figure FDA0003371171000000072
E22为二次导数系数矩阵E2的右分块子矩阵，E22为(n1+n3+n6)×(n1+n3+n6-n5)维空间，记为
Figure FDA0003371171000000073
再设计变换矩阵Ξ，记为矩阵变换阵Ξ，
Figure FDA0003371171000000074
其中Ξ11为变换矩阵Ξ的上分块子矩阵，Ξ11为n5×(n1+n3+n6)维空间，记为
Figure FDA0003371171000000075
Ξ21为变换矩阵Ξ的下分块子矩阵，Ξ21属于(n1+n3+n6-n5)×(n1+n3+n6)维空间，记为
Figure FDA0003371171000000076
且Ξ11满足E22 TΞ11 T＝0，解式E22 TΞ11 T＝0，则可得Ξ11，其中矩阵E22 T为二次导数系数矩阵E2的右分块子矩阵E22的转置，矩阵Ξ11 T为变换矩阵Ξ的上分块子矩阵Ξ11的转置；Ξ21＝E22 T(E22E22 T)-1，矩阵(E22E22 T)-1为矩阵E22E22 T的逆；
步骤5.2，将多故障***3的状态空间表达式左右同乘以变换矩阵Ξ后可得变换后的新***，将该新***记为多故障***4，其状态空间表达式为：
Figure FDA0003371171000000081
其中，z3(t)为多故障***4的状态变量，记为四次状态变量z3(t)；
Figure FDA0003371171000000082
为四次状态变量z3(t)的导数；
E3为四次状态变量导数
Figure FDA0003371171000000083
的系数矩阵，记为三次导数系数矩阵E3，
Figure FDA0003371171000000084
其中E31为三次导数系数矩阵E3的左上分块子矩阵，E32为三次导数系数矩阵E3的左下分块子矩阵，
Figure FDA0003371171000000085
为n1+n3+n6-n5维单位矩阵；A4为多故障***4的状态矩阵，记为四次状态矩阵A4，
Figure FDA0003371171000000086
其中A411为四次状态矩阵A4的左上分块子矩阵，A412为四次状态矩阵A4的右上分块子矩阵，A421为四次状态矩阵A4的左下分块子矩阵，A422为四次状态矩阵A4的右下分块子矩阵；B4为多故障***4的输入矩阵，记为四次输入矩阵B4，
Figure FDA0003371171000000087
其中B41为四次输入矩阵B4的上分块矩阵，B42为四次输入矩阵B4的下分块矩阵；F4为多故障***4的故障f1(t)的系数矩阵，记为四次故障系数矩阵F4，
Figure FDA0003371171000000088
其中F41为四次故障系数矩阵F41的上分块矩阵，F42为四次故障系数矩阵F4的下分块矩阵；N4为传感器故障***4的谐波扰动η(t)的系数矩阵，记为四次扰动系数矩阵N4，
Figure FDA0003371171000000089
其中N41为四次扰动系数矩阵N41的上分块子矩阵，N42为四次扰动系数矩阵N4的下分块子矩阵；
步骤6，对多故障***4进行二次坐标变换
步骤6.1设计坐标变换矩阵T，记为二次坐标变换矩阵T，并将T表示为分块矩阵，即
Figure FDA0003371171000000091
其中其中
Figure FDA0003371171000000092
为n5维单位矩阵，
Figure FDA0003371171000000093
为n1+n3+n6-n5维单位矩阵，L为自由矩阵，记为自由矩阵L，自由矩阵L属于(n1+n3+n6-n5)×n5维空间，记为
Figure FDA0003371171000000094
步骤6.2引入坐标变换z4(t)＝Tz3(t)可得变换后的新***，将该新***记为多故障***5，其状态空间表达式为：
Figure FDA0003371171000000095
其中，z4(t)为多故障***5的状态变量，记为五次状态变量z4(t)，对五次状态变量z4(t)进行分块，即
Figure FDA0003371171000000096
z41(t)是五次状态变量z4(t)的上分块子向量z41(t)，z41(t)为n5维向量，z42(t)是五次状态变量z4(t)的下分块子向量z42(t)，z42(t)为n1+n3+n6-n5维向量；
Figure FDA0003371171000000097
是五次状态变量z4(t)的导数，即
Figure FDA0003371171000000098
Figure FDA0003371171000000099
是z4(t)的上分块向量z41(t)的导数，
Figure FDA00033711710000000910
是上分块向量的z42(t)的导数；则由上述坐标变换z4(t)＝Tz3(t)可知，
Figure FDA00033711710000000911
E4为五次状态变量导数
Figure FDA00033711710000000912
的系数矩阵，且
Figure FDA00033711710000000913
A5为多故障***5的状态矩阵，记为五次状态矩阵A5，
Figure FDA00033711710000000914
其中A511为五次状态矩阵A5的左上分块子矩阵，A512为五次状态矩阵A5的右上分块子矩阵，A521为五次状态矩阵A5的左下分块子矩阵，A522为五次状态矩阵A5的右下分块子矩阵；T-1为二次坐标变换矩阵T的逆矩阵；B5为多故障***5的输入矩阵，记为五次输入矩阵B5，
Figure FDA0003371171000000101
其中B51为五次输入矩阵B5的上分块子矩阵，B52为五次输入矩阵B5的下分块子矩阵；F5为多故障***5的故障f(t)的系数矩阵，记为五次故障系数矩阵F5，
Figure FDA0003371171000000102
其中F51为五次故障系数矩阵F5的上分块子矩阵，F52为五次故障系数矩阵F5的下分块子矩阵；N5为多故障***5的谐波扰动η(t)的系数矩阵，记为五次扰动系数矩阵N5，
Figure FDA0003371171000000103
其中N51为五次扰动系数矩阵N5的上分块子矩阵，N52为五次扰动系数矩阵N5的下分块子矩阵，J*为多故障***5的输出矩阵，且得知如下关系：
Figure FDA0003371171000000104
步骤7，设计自适应降阶滑模观测器
步骤7.1，根据多故障***5计算出降阶***的状态量Θ，记为降阶***状态量Θ，其计算式为：
Θ＝(LE31+E32-L)z41(t)+z42(t)
并根据降阶***状态量Θ求出降阶***的状态空间表达式，其状态空间表达式为：
Figure FDA0003371171000000105
其中，
Figure FDA0003371171000000106
为降阶***的状态量Θ的导数，Δ为降阶***的状态表达式中z41(t)的系数矩阵，记为降阶***系数矩阵Δ，其表达式为：
Δ＝-(LA512+A522)(LE51+E52-L)+L(A511-A512L)+A511-A522L
步骤7.2，针对降阶***的状态空间表达式设计自适应降阶滑模观测器，表达式为：
Figure FDA0003371171000000111
其中，
Figure FDA0003371171000000112
是降阶***状态量Θ的估计值，记为降阶***状态量估计值
Figure FDA0003371171000000113
Figure FDA0003371171000000114
是降阶***状态量估计值
Figure FDA0003371171000000115
的导数，Γ为滑模增益矩阵，Γ＝(LF51+F52)，ν为趋近律，
Figure FDA0003371171000000116
其中，
Figure FDA0003371171000000117
为可变参数1，ζ＞0，tanh()为双曲正切函数，
Figure FDA00033711710000001112
为可变参数2，且
Figure FDA00033711710000001113
σ为可变参数3，且σ∈(0，1)，θ为可变参数4，且θ＞1，ρ为可变参数5，β＞0，Ψ为正定对称阵，χ为对角阵，
Figure FDA0003371171000000119
ε为定常数项，ε＞1，eΘ(t)为估计误差，
Figure FDA00033711710000001110
令S＝eΘ(t)，其中S为所设计的自适应降阶滑模观测器的滑模面；
步骤7.3通过求解李雅普诺夫方程得到自由矩阵L，李雅普诺夫方程的表达式如下：
(LA412+A422)TP+P(LA412+A422)＝-I
其中，(LA412+A422)T是LA412+A422的转置，P为正定对称阵，I为单位矩阵；
步骤8，进行执行器及传感器的故障诊断
步骤8.1，采样步骤1中多故障***1的***输出y(t)的值，并将该采样值带入步骤6.2中的z41(t)＝z31(t)＝J1 -1y(t)，则可以得到五次状态变量z4(t)的上分块子向量z41(t)的值，再根据已知的五次状态变量z4(t)的上分块向量z41(t)的值、步骤7.1中的Θ＝(LE31+E32-L)z41(t)+z42(t)、步骤7.2中的
Figure FDA00033711710000001111
以及步骤7.2中估计误差eΘ(t)＝0，可以求出z42(t)，其表达式为：
Figure FDA0003371171000000121
再将已求得的五次状态变量z4(t)的上分块子向量z41(t)的值和五次状态变量z4(t)的下分块子向量z42(t)的值代入步骤6.2中的
Figure FDA0003371171000000122
则可计算出五次状态变量z4(t)的值；
步骤8.2，自多故障***2开始，根据一次坐标变换z2(t)＝Pz1(t)和二次坐标变换z4(t)＝Tz3(t)，且步骤5中矩阵变换不改变传感器故障***3中的三次状态变量z2(t)，得到z3(t)＝z2(t)，从而得到z4(t)＝TPz1(t)，再根据矩阵的逆运算计算出二次状态变量z1(t)＝PTT- 1z4(t)，再将步骤8.1中计算出的五次状态变量z4(t)代入式z1(t)＝PTT-1z4(t)得到二次状态变量z1(t)；
步骤8.3，将
Figure FDA0003371171000000123
记为一次状态变量估计值，
Figure FDA0003371171000000124
记为执行器故障估计值
Figure FDA0003371171000000125
Figure FDA0003371171000000126
记为电压传感器1故障估计值
Figure FDA0003371171000000127
Figure FDA0003371171000000128
记为电压传感器2故障估计值
Figure FDA0003371171000000129
计算一次状态变量估计值
Figure FDA00033711710000001210
执行器故障估计值
Figure FDA00033711710000001211
电压传感器故障1估计值
Figure FDA00033711710000001212
和电压传感器2故障估计值
Figure FDA00033711710000001213
其具体计算公式为：
Figure FDA00033711710000001214
Figure FDA00033711710000001215
Figure FDA00033711710000001216
Figure FDA00033711710000001217
步骤8.4对执行器故障、电压传感器1故障及电压传感器2故障进行诊断，给定自适应诊断阈值Tth；
定义故障定位量Z1，
Figure FDA00033711710000001218
并进行如下定位：
若Z1＝0，多故障***1未发生执行器故障；
若Z1＝1，多故障***1发生了执行器故障；
定义故障定位量Z2，
Figure FDA0003371171000000131
并进行如下定位：
若Z2＝0，多故障***1未发生电压传感器1故障；
若Z2＝1，多故障***1发生电压传感器1故障；
定义故障定位量Z3，
Figure FDA0003371171000000132
并进行如下定位：
若Z3＝0，多故障***1未发生电压传感器2故障；
若Z3＝1，多故障***1发生了电压传感器2故障。
2.根据权利要求1所述的单相三电平整流桥多故障诊断方法，其特征在于，步骤1所述直流电压u1的混合逻辑动态函数Th和直流电压u2的混合逻辑动态函数Tl的计算过程如下：
记k相桥臂开关函数为Sk，k＝a，b，则：
Figure FDA0003371171000000133
Figure FDA0003371171000000134
记开关管脉冲控制信号为vkγ，k＝a，b，γ＝1，2，3，4，则k相桥臂开关函数Sk＝vk1vk2-vk3vk4。
3.根据权利要求1所述的单相三电平整流桥多故障诊断方法，其特征在于，步骤8.4所述的诊断自适应阈值Tth表达式分别如下：
Tth＝E1+Γ1(ζ1+ζ2)
其中，E1为常数1，Γ1为常数2，且Γ1∈(1，2)，ζ1为有界的外部扰动，ζ2为有界的电压扰动。
CN202111417465.3A 2021-11-24 2021-11-24 单相三电平整流器多故障诊断方法 Active CN114325164B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111417465.3A CN114325164B (zh) 2021-11-24 2021-11-24 单相三电平整流器多故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111417465.3A CN114325164B (zh) 2021-11-24 2021-11-24 单相三电平整流器多故障诊断方法

Publications (2)

Publication Number Publication Date
CN114325164A true CN114325164A (zh) 2022-04-12
CN114325164B CN114325164B (zh) 2023-03-10

Family

ID=81045740

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111417465.3A Active CN114325164B (zh) 2021-11-24 2021-11-24 单相三电平整流器多故障诊断方法

Country Status (1)

Country Link
CN (1) CN114325164B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114825281A (zh) * 2022-04-22 2022-07-29 合肥工业大学 一种交错并联Boost PFC***的多故障估计方法
CN114914888A (zh) * 2022-04-25 2022-08-16 合肥工业大学 一种单相三电平整流器多故障估计方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0053229A1 (de) * 1980-12-01 1982-06-09 VEB Starkstrom-Anlagenbau Leipzig-Halle Verfahren und Schaltungsanordnung zur Erfassung und Abschaltung von Störlichtbögen
KR20020016182A (ko) * 2000-08-24 2002-03-04 권영한 위상제어정류기의 고장 진단 장치 및 방법
DE10112569A1 (de) * 2001-03-15 2002-10-02 Bosch Gmbh Robert Verfahren zur Diagnose von elektrischen Verbindungen an elektrischen Maschinen
JP2005114440A (ja) * 2003-10-06 2005-04-28 Japan Aviation Electronics Industry Ltd 故障診断可能な静電容量検出型加速度センサ
CN203933382U (zh) * 2014-05-28 2014-11-05 合肥华耀电子工业有限公司 一种带故障检测功能的有源功率因数校正电路
US20190128946A1 (en) * 2017-10-27 2019-05-02 Wuhan University Transformer winding fault diagnosis method based on wireless identification sensing
WO2019091914A1 (fr) * 2017-11-10 2019-05-16 Renault S.A.S Procédé de commande d'un redresseur de vienne triphasé lorsqu'un interrupteur de puissance est défaillant
US20190242936A1 (en) * 2018-02-05 2019-08-08 Wuhan University Fault diagnosis method for series hybrid electric vehicle ac/dc converter
CN110609194A (zh) * 2019-06-29 2019-12-24 南京理工大学 基于电压空间矢量的三相整流器开路故障诊断方法
US20200182934A1 (en) * 2018-12-06 2020-06-11 Hamilton Sundstrand Corporation Fault detection and isolation in generator modules
CN111751760A (zh) * 2020-06-12 2020-10-09 武汉大学 基于电流信号的三相整流器功率管故障诊断方法及装置
CN111983508A (zh) * 2020-07-09 2020-11-24 华中科技大学 T-type三相四线整流器故障实时检测与定位方法、***
CN113031570A (zh) * 2021-03-18 2021-06-25 哈尔滨工业大学 基于自适应未知输入观测器的快速故障估计方法及设备
CN113281680A (zh) * 2021-05-21 2021-08-20 合肥工业大学 高铁牵引***单相三电平整流器开路故障诊断方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0053229A1 (de) * 1980-12-01 1982-06-09 VEB Starkstrom-Anlagenbau Leipzig-Halle Verfahren und Schaltungsanordnung zur Erfassung und Abschaltung von Störlichtbögen
KR20020016182A (ko) * 2000-08-24 2002-03-04 권영한 위상제어정류기의 고장 진단 장치 및 방법
DE10112569A1 (de) * 2001-03-15 2002-10-02 Bosch Gmbh Robert Verfahren zur Diagnose von elektrischen Verbindungen an elektrischen Maschinen
JP2005114440A (ja) * 2003-10-06 2005-04-28 Japan Aviation Electronics Industry Ltd 故障診断可能な静電容量検出型加速度センサ
CN203933382U (zh) * 2014-05-28 2014-11-05 合肥华耀电子工业有限公司 一种带故障检测功能的有源功率因数校正电路
US20190128946A1 (en) * 2017-10-27 2019-05-02 Wuhan University Transformer winding fault diagnosis method based on wireless identification sensing
WO2019091914A1 (fr) * 2017-11-10 2019-05-16 Renault S.A.S Procédé de commande d'un redresseur de vienne triphasé lorsqu'un interrupteur de puissance est défaillant
US20190242936A1 (en) * 2018-02-05 2019-08-08 Wuhan University Fault diagnosis method for series hybrid electric vehicle ac/dc converter
US20200182934A1 (en) * 2018-12-06 2020-06-11 Hamilton Sundstrand Corporation Fault detection and isolation in generator modules
CN110609194A (zh) * 2019-06-29 2019-12-24 南京理工大学 基于电压空间矢量的三相整流器开路故障诊断方法
CN111751760A (zh) * 2020-06-12 2020-10-09 武汉大学 基于电流信号的三相整流器功率管故障诊断方法及装置
CN111983508A (zh) * 2020-07-09 2020-11-24 华中科技大学 T-type三相四线整流器故障实时检测与定位方法、***
CN113031570A (zh) * 2021-03-18 2021-06-25 哈尔滨工业大学 基于自适应未知输入观测器的快速故障估计方法及设备
CN113281680A (zh) * 2021-05-21 2021-08-20 合肥工业大学 高铁牵引***单相三电平整流器开路故障诊断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WU JIAN 等: "An experimental research on comparison of two kinds of voltage sag generators", 《PROCEEDINGS OF THE 7TH INTERNATIONAL POWER ELECTRONICS AND MOTION CONTROL CONFERENCE》 *
张亚茹 等: "基于极端树与堆栈式稀疏自编码算法的电力电子电路故障诊断", 《电子测量技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114825281A (zh) * 2022-04-22 2022-07-29 合肥工业大学 一种交错并联Boost PFC***的多故障估计方法
CN114825281B (zh) * 2022-04-22 2024-03-26 合肥工业大学 一种交错并联Boost PFC***的多故障估计方法
CN114914888A (zh) * 2022-04-25 2022-08-16 合肥工业大学 一种单相三电平整流器多故障估计方法
CN114914888B (zh) * 2022-04-25 2024-03-26 合肥工业大学 一种单相三电平整流器多故障估计方法

Also Published As

Publication number Publication date
CN114325164B (zh) 2023-03-10

Similar Documents

Publication Publication Date Title
CN114325164B (zh) 单相三电平整流器多故障诊断方法
CN110346736B (zh) 基于改进小树变换的npc三电平逆变器故障诊断方法
CN103761372B (zh) 一种基于主元分析与多分类相关向量机的多电平逆变器故障诊断策略
CN113281680B (zh) 高铁牵引***单相三电平整流器开路故障诊断方法
CN112101457B (zh) 基于转矩信号模糊智能学习的pmsm退磁故障诊断方法
CN110441643A (zh) 永磁同步电机控制***中逆变器功率管断路故障诊断方法
CN113534000B (zh) 新能源汽车驱动***逆变器及电流传感器故障的诊断方法
CN113285481B (zh) 并网变流器电感参数在线估计方法、预测控制方法及***
CN110133538A (zh) 一种anpc三电平逆变器开路故障诊断方法及实验平台
CN112310991B (zh) 基于扰动观测的储能变换器改进有限集模型预测控制方法
WO2021203729A1 (zh) 一种三相电压源逆变器桥臂开路故障实时检测方法
CN113238170A (zh) 一种用于电机控制的逆变器开路故障在线诊断方法
CN113534035A (zh) 新能源电动汽车驱动***电流传感器微小故障诊断方法
CN112731193B (zh) 基于滑模观测器的npc逆变器多类故障诊断方法
CN111983414A (zh) 针对轨道列车牵引变流器的开路故障诊断方法及***
Shi et al. Digital twin approach for IGBT parameters identification of a three-phase DC-AC inverter
CN114280526A (zh) 一种电子式互感器校验仪数字微差溯源***及方法
CN116702060A (zh) 一种多电平逆变器功率器件故障诊断方法
CN114914888B (zh) 一种单相三电平整流器多故障估计方法
CN112198458B (zh) 一种三相电压源逆变器开路故障实时检测方法和***
CN114172401A (zh) 基于降阶观测器的npc三电平逆变器多类故障诊断方法
CN110297426B (zh) 采用周期干扰差分抑制策略的并联型半周期重复控制方法
Abed et al. Performance monitoring of aircraft PMSM based on soft computing technique
CN112731019A (zh) 一种anpc三电平逆变器故障诊断方法
CN114325380B (zh) 一种永磁同步电机驱动***故障诊断方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant