摘要
随着我国高速铁路的快速发展，对于列车牵引传动系统的可靠性与稳定性提出了更高的要求。牵引变流器是传动系统中的一个重要部件，影响着高速动车组的起动加速度、最高运行速度、最大制动距离和运行的平稳性，即其工作状况的好坏直接影响着列车的运行安全。而逆变器作为牵引变流器的重要组成部分，长时间在高压高频开、关切换和大电流的环境下工作，极易发生故障。因此，对逆变器进行快速准确的故障诊断具有重要的研究意义。本文以CRH3型动车组为研究对象，探讨了基于压缩感知的CRH3型动车组逆变器的故障诊断方法，具体工作内容如下: 论文首先针对牵引逆变器的仿真建模，介绍了空间矢量脉宽控制原理(SpaceVectorPulseWidthModulation,SVPWM),并以CRH3型车为背景，基于MATLAB/Simulink软件对牵引逆变器进行仿真建模，将牵引逆变器按照单管和双管故障分为5大类22小类，模拟各故障状态，得到故障电压，为后文电压数据的处理和故障诊断奠定基础。 其次，针对信号的处理问题，介绍了压缩感知(CompressedSensing,CS)理论，选取部分故障电压信号，对电压信号进行了稀疏性分析，证明了故障电压信号在CS理论中的可行性。稀疏基首先选取离散余弦变换(DCT)稀疏基，然后用双稀疏字典的思想对其进行改进。以高斯(Gauss)测量矩阵为基础，使用Gram矩阵优化Gauss测量矩阵。通过仿真结果分析可知，优化后的DCT稀疏基和Gauss矩阵不仅可以降低故障电压信号的重构误差，还可以提高压缩测量的性能。 最后，针对故障的识别与分类，介绍了支持向量机(SupportVectorMachines，SVM)理论，完成了对上述章节得到的逆变器的22种输出故障电压在基于CS理论下的故障特征提取，并输入到SVM中。通过改变负载得到多组故障数据并进行故障特征提取，随机挑选一部分作为训练集，剩下的作为测试集，在SVM中进行训练，并用现场采集的真实数据对此方法进行验证，结果证明了本文所提出将CS理论与SVM相结合的故障诊断方法的有效性。
NETL