设计应用

基于CNN-LSTM的支撑电容容值软测量

作者：杨培盛1，付宇1，李鸿飞2，初开麒2，王梦谦2，李政达2

发布日期：2021-08-31

来源：2021年电子技术应用第9期

0 引言

近年来，电力电子系统的可靠性越来越引起社会各界的广泛注意^[1-2]。大量的研究及实践表明，在轨道交通领域，实现轨道列车牵引系统的实时健康状态监测，做到及时的故障预警和提前维修^[3-4]，将大大提高系统的可靠性，节约维修成本。

直流母线支撑电容作为牵引系统的关键部件，其健康状态随着投入运行年限的增加而变差，直流母线电容失效导致的列车系统停机甚至损毁给社会带来了巨大的经济损失^[5-6]。因此，支撑电容的状态监测技术成为了当前研究的热点^[7-8]。支撑电容的容值能够表征其真实的健康状态^[9]，本文提出了一种大功率变流器直流母线电容容值的在线监测方法，利用数据训练得到基于卷积神经网络-长短期记忆网络(Convolutional Neural Networks-Long Short Term Memory，CNN-LSTM)的神经网络模型^[10]，可以根据列车系统运行过程中采集到的实时运行数据进行支撑电容值的准确软测量，对于实现支撑电容健康状态在线监测、提高功率变流器的可靠性具有重要意义。

本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003737。

作者信息：

杨培盛1，付宇1，李鸿飞2，初开麒2，王梦谦2，李政达2

(1.济南轨道交通集团建设投资有限公司，山东济南250014；

2.中车青岛四方车辆研究所有限公司，山东青岛266033)

原创声明：此内容为AET网站原创，未经授权禁止转载。

支撑电容 CNN-LSTM 可靠性神经网络

欢迎查看AET商业航天专题

Wi-Fi-7第七代无线网络技术专题

进入订阅《网络安全与数据治理》杂志

点击进入电阻/电容/电感测试专题

点击了解订《电子技术应用》杂志送开发板活动

map