电力机车整流电路的故障诊断范文

韶山3型电力机车是第二代铁路国产货运、客运两用的干线电力机车，在韶山1型和韶山2型电力机车的基础上，在1978年联合株洲电力机车厂和电力机车研究所共同研制了第一台韶山3型电力机车，机车代号为SS3。韶山3型电力机车的电流制是单相工频交流，功率在4320千瓦，韶山3型机车是我国电力机车的代表，它的出现对于时展影响十分深刻。就目前情况来看，电力机车的整流电路对于机车的使用和运行有着非常重要的影响。因此，整流装置的创新和改进势在必行。对于整流电路存在的故障必须及时的进行诊断，提出科学合理的解决办法，实现危害的最小化。

1单相串联3重联结电路的分析

图1显示的情况是韶山3型电力机车中的3重晶闸管的整流桥按一定顺序进行控制的电路图，由于我国的铁道对于电气机车的供电模式仅仅为单相供电，因此图1中所涉及的桥都是单相桥。下图发生的故障是晶闸管最为常见的故障，具体故障为晶闸管短路、开路和熔断器烧坏。本文仅仅针对晶闸管开路的状态下有可能出现的一系列故障进行识别。在诊断故障的时候所选择的测试点十分重要，经过研究看出，当整流电路发生故障的时候，所输出的波形信息会体现异常状态，该电压中体现了电路出现的故障信息，是重要的测试点，可以有效的诊断故障。通过图1可以分析出，图1中所体现的是三个串联单相桥，故障可能分成三类情况，一种为没有故障，另一种为一只或两只出现故障，第三种则为三只晶闸管均存在故障。没有故障的情况可视作特殊故障；一只出现故障共包含12种可能状态；两只发生故障又可划分为序号相差1、2、3、4、5、6、7各个情况以及序号相差5、8、9、10、12的情况；而假如三只晶闸管发生故障的时候，这个单桥不能继续工作。进行多重联结的单相串联电路实现了对于各个整流桥之中单一的桥的角α的控制，除此之外的其它的桥所处的工作状态则是需要根据整流电压的输出情况进行确定，也存在不进行工作实现桥输出值为零的直流电压，或者当α角的值为0°时，这个桥可以输出最大电压值。通过这种方法的运用，不仅可以实现输出电流之中谐波的降低，同时也能够实现各个桥之中仅存在单一的一组进行控制相位，而其他的各个桥或者处于不工作的状态，或者位移的因数为1的状态，最终实现总功率的因数不断提升的效果。

2单相串联3重联结电路的Matlab模型和仿真

依据图1，在Matlab环境下进行电路联结，图2是Matlab环境下单相串联3重联结电路仿真图示，在图中，PSB工具箱里的模块为多线变压器，所输入的是单相的交流电，其副边要分别联结3个单相桥，通过脉冲使得晶闸管发生器被触发，通过对于触发时刻的人为设置达到改变触发角的目的。因为输出的电压是测量的一个关键点，因此，需要另外进行测量电压模块的选择，通过示波器进行变化的观察，辅助进行分析。当开始进行仿真的时候，需要用宽脉冲的触发方法，根据实际的需求，当直流电压不足最高电压的三分之一时，对第I组桥α角实行控制，通过对VT23、VT24、VT33、VT34的连续触发，导通第I组桥，第II、III组桥所输出的直流电压值均为零。当没有故障发生时，脉冲触发器保持50Hz的频率，宽度为45°；当晶闸管发生开路故障的时候，并不会发出脉冲信号。RLC的负载参数R=100Ω，L=0.001，C取inf。

3基于BP网络的故障分析

BP网络对于信息的存储以及高速的处理与人类的视觉系统相近，在故障的诊断和处理中十分有效。BP网络是按照误差的逆传播计算方式进行对于多层的前阔网络训练，在目前来看，这种模型的应用十分的广泛。BP网络能够通过学习来存贮大量的映射关系，并不需要在使用前描述相关的映射关系方程。这种算法的理论依据十分可靠，所使用的推导过程十分严谨，数据的精度较高，同时具备较好的通用性。但是，BP网络也存在着自身的缺陷性，即这种算法的收敛速度十分慢，易使得结果陷入到局部的极小值，隐层数难以确定，隐层的节点个数也无法确定。因此，在现实的应用中，BP算法难以独自胜任工作，必须经过不断的改进和创新。电路中会主要出现这样的问题：在任意时刻只有一个晶闸管出现问题或两个晶闸管同时出现问题。应用仿真模拟试验，建立整流电路的模拟仿真试验，这个方法被广泛应用于整个三相全波桥式电路可控制的实践当中。但存在两方面的问题，一个是诊断故障的两只晶闸管只能在一个端上测得的信号，只能通过这个信号来判断，测量装置异常复杂；另一方面，在端点的问题判断上会更加艰难。采用三相整流装置的故障诊断方案，该方法对噪声具有判断性，且具有很好的范化能力和高诊断正确率等，这点已经在仿真实验中证实了他的优越性，适用于更多的电力机车整流电路。

诊断故障的关键是对信号的特征进行提取，故障特征是争端整流电路故障的关键因素，同样也是故障构造的基础。其包含着学习和诊断两个过程，每一个过程有包括对数据的预处理以及特征的提取这两个部分。诊断故障的过程就是对未知模式使用已经训练好的网络进行分析诊断，对未知的模式进行识别。BP网络在处理信息时所使用的基本原理为：首先输出信号，再通过隐层点即中间的节点作用给输出节点，通过非线性的变化，得到输出信号。训练中的样本包含输入向量以及期望输出量，输出值和期望输出值之间存在偏差，通过对于节点以及隐层节点的调整，使得误差在梯度方向上降低，通过反复的训练和学习，使得误差处于最小值，此时即可以停止训练。经过这一过程的训练可以实现对于样本信息的输入，自动将误差值处理到最小，再通过非线性进行信息的转换。

依据未测电路的波形曲线获取原始数据，通过对原始数据的分析采集，将原始数据进行映射，获取样本空间点，这些数据的类型包括整流电路诊断的故障类型以及位置信息等等。但是，在整体的样本来看，所得到的特征信息均不是一成不变的，而是呈现一定变化的。就各种诊断故障的办法来讲，通常不能够将特征信息直接运用到故障分类之中，必须得通过科学合理的变换对电路电压输出的故障特征进行提取。对于可控整流电路的故障诊断过程则是把症状的空间向量通过映射提取到故障空间，首先要采集整流电路所输出的电压信号以得到原始的样本，接下来要通过相关的预处理对原始样本进行筛选分析，最终得到诊断故障的向量特征。

作者：黄乃涛 单位：资阳晨工电器有限公司