关键词：极限学习机;;故障诊断;;小波包;;参数优化;;电动汽车逆变器
摘 要：如今我国的电动汽车及其相关技术发展迅猛,逆变器作为电机驱动系统的关键设备,其可靠性关系着电动汽车的行车安全。所以,最大限度防止和降低电动汽车逆变器故障的发生是极其重要的。本文在研究分析电动汽车逆变器各类故障方法的基础上,对极限学习机(Extreme Learning Machine,ELM)算法进行了深入的学习和研究并将其应用到了电动汽车逆变器的故障诊断之中。首先,本文对几种常用的电动汽车逆变器进行了比较、研究分析,确定以Z源逆变器为研究对象,在前人只研究功率管故障的基础上,加入了对Z源逆变器X型网络中电容、电感的故障诊断研究。通过搭建Simlink仿真模型,对Z源逆变器各种故障情况下的线电压波形进行了研究分析,发现其线电压可作为Z源逆变器进行故障诊断的依据。其次,本文提出了采用ELM算法对Z源逆变器进行故障诊断,ELM算法无需设置迭代参数,具有诊断速度快的特性。通过对ELM的研究分析,发现其隐层参数的随机性会影响该算法的稳定性,为了提高诊断系统的稳定性,本文提出采用蝙蝠(Bat Algorithm,BA)算法优化ELM,BA具有收敛速度快、寻优能力强等特点。通过与ELM及BP神经网络对比分析,BA-ELM算法具有诊断速度快,诊断准确率高等特点。最后,应用GUIDE完成了实时诊断系统的设计与实现,设计的GUI界面简单、清晰,通过设计编写回调函数,将算法进行了整合。并且通过实验证明了诊断系统的可靠性与实用性。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取