[0001] 本发明涉及一种逆变器故障检测技术，尤其是涉及一种基于红外热成像技术的多电平逆变器故障诊断方法。

[0002] 多电平变换器是一种通过改变变换器自身拓扑结构来实现高压大功率输出的新型变换器，其无需升降压电路和均压电路。多电平变换器中最典型的是二极管中点钳位
(Neutral Point Clamped，NPC)三电平逆变器，其主电路如图1所示。与传统的两电平逆变器相比，二极管NPC三电平逆变器由于输出电压电平数增加，输出波形具有更好的谐波频谱，每个开关器件所承受的电压应力较小，因此二极管NPC三电平逆变器在实际中得到了广泛的应用，比如本溪钢铁厂用于轧机上的变频器、日本700系高速列车、上海磁悬浮列车以及和谐号CRH列车等等。但是，由于二极管NPC三电平逆变器使用了数量比较多的开关器件，因此任何一个开关器件发生故障都可能会导致整个电路停止工作，不仅降低了整个电路的工作可靠性，而且有时甚至会影响到其它电路的安全，造成不可估量的经济损失。综上，如何尽早发现电路的故障对于提高二极管NPC三电平逆变器的工作可靠性具有十分重大的意义。

[0003] 目前，国内外针对二极管NPC三电平逆变器的故障诊断问题已开展了不少研究。例如：汤清泉、颜世超、卢松升等人在中国电机工程学报中提出的《三电平逆变器的功率管开路故障诊断》(2008，28(21)，26-32)，其通过分析三电平逆变器在单个开关器件开路故障下的电路工作情况及故障表现形式，提出根据检测三电平逆变器输出侧的PWM(Pulse Width Modulation，脉冲宽度调制)电压波形和输出电流极性来诊断开关器件的开路故障。该方法具有诊断迅速、可靠性高的优点，但是其诊断结果并没有精确定位到某个开关器件，而需要再进行人工查找；此外，该方法需要获取三相输出PWM电压波形和三相输出电流极性作为故障诊断的参数。

[0004] 又如：陈丹江、叶银忠、华容等人在电工技术学报中提出的《基于波形实时分析的动车组三电平逆变器故障诊断技术》(2014，29(6)，106-113)，其通过分析三电平逆变器在单个开关器件开路故障下的电路工作情况及故障表现形式，提出根据三电平逆变器的桥臂电压来诊断开关器件的开路故障，并提出了一个具有自动诊断功能的故障诊断电路，解决了故障自动诊断的问题。但是，该方法需要获取三相桥臂电压和三相参考电压的极性作为故障诊断的参数。

[0005] 又如：陈丹江、叶银忠等人在电工技术学报中提出的《基于多神经网络的三电平逆变器器件开路故障诊断方法》(2013，28(6)，120-126)，其通过采样每相的上、中、下桥臂电压，并建立一个具有主神经网络和辅助神经网络的智能故障诊断系统，解决了单个开关器件开路故障和多个开关器件同时开路故障的诊断问题。但是，该方法需要获取每相3个电压信号，一共9个电压信号，作为神经网络的输入参数。

[0006] 再如：Mendes AMS、Abadi MB、Cruz SMA等人在IET Power Electronics(英国工程技术学会-电力电子)中提出的Fault diagnostic algorithm for three-level neutral point clamped AC motor drives,based on the average current Park's vector(基于平均电流帕克矢量的三电平中点钳位交流电机驱动器故障诊断策略)(2014，7(5)，1127-1137)，其通过分析电路在正常工作情况下和开关器件故障情况下三相电流的平均帕克矢量，并计算在不同情况下三相电流的平均帕克矢量的模和角度，从而判断是哪个“IGBT对”出故障，其中逆变器每相桥臂的上两个IGBT为一对，下两个IGBT为另一对；然后利用电机电流的归一化值的极性来确定一对IGBT中的哪一个发生故障。但是，该方法需要获取逆变器的三相电流作为故障诊断的参数。

[0045] 以下结合附图实施例对本发明作进一步详细描述。

[0046] 本发明提出的一种基于红外热成像技术的多电平逆变器故障诊断方法，其总体实现框图如图2所示，其包括以下步骤：

[0047] 步骤①：获取待故障诊断的二极管NPC三电平逆变器在工作时的红外热成像图像，记为Sorg。

[0048] 在此具体实施例中，步骤①中，Sorg采用现有的红外热成像仪获取。

[0049] 步骤②：从Sorg中截取出包含所有开关器件的有效矩形部分，作为待处理图像，并记为Sα，其中，Sα的宽度为W，且高度为H。在此，截取部分图像采用常规技术。

[0050] 步骤③：对Sα进行背景去除处理，得到热点图像，记为SRGB，其中，SRGB中包含有多个热点区域，每个热点区域对应待故障诊断的二极管NPC三电平逆变器中的一个开关器件。

[0051] 在本实施例中，SRGB中包含有18个热点区域，分别对应于图1所示的主电路中的Da5器件、Da6器件、Sa1与Da1构成的器件、Sa2与Da2构成的器件、Sa3与Da3构成的器件、Sa4与Da4构成的器件、Db5器件、Db6器件、Sb1与Db1构成的器件、Sb2与Db2构成的器件、Sb3与Db3构成的器件、Sb4与Db4构成的器件、Dc5器件、Dc6器件、Sc1与Dc1构成的器件、Sc2与Dc2构成的器件、Sc3与Dc3构成的器件、Sc4与Dc4构成的器件。

[0052] 在此具体实施例中，步骤③的具体过程为：

[0053] 步骤③_1、对Sα进行初步背景去除处理，得到初步背景去除处理后的图像，记为Sβ，其中，Sβ中的像素点的像素值为0或1。

[0054] 所述的步骤③_1中，对Sα进行初步背景去除处理采用现有的基于Otsu’s统计阈值选择算法，将Sβ中坐标位置为(x,y)的像素点的像素值记为Sβ(x,y)，其中，1≤x≤W,1≤y≤H，Sα(x,y)表示Sα中坐标位置为(x,y)的像素点的像素值，T1表示设定的第一统计阈值，在本实施例中取T1＝0.5412。

[0055] 步骤③_2、对Sβ进行转换处理，将得到的图像记为Sγ，将Sγ中坐标位置为(x,y)的像素点的像素值记为Sγ(x,y)， 其中，1≤x≤W,1≤y≤H，Sα(x,y)表示Sα中坐标位置为(x,y)的像素点的像素值，Sβ(x,y)表示Sβ中坐标位置为(x,y)的像素点的像素值。

[0056] 步骤③_3、对Sγ进行精细背景去除处理，得到精细背景去除处理后的图像，作为热点图像SRGB。

[0057] 所述的步骤③_3中，对Sγ进行精细背景去除处理采用现有的基于Otsu’s统计阈值选择算法，将SRGB中坐标位置为(x,y)的像素点的像素值记为SRGB(x,y)，
其中，1≤x≤W,1≤y≤H，T2表示设定的第二
统计阈值，在本实施例中取T2＝0.9700。

[0058] 步骤④：将SRGB转换成灰度图像，记为Sgray，并将Sgray中与SRGB中的每个热点区域对应的灰度区域定义为灰度热点区域。

[0059] 步骤⑤：对Sgray进行分割处理，得到多幅矩形灰度热点图像，将第n幅矩形灰度热点图像记为Sn，Sn中包含一个灰度热点区域，且灰度热点区域位于Sn的中间位置上，其中，1≤n≤N，N表示对Sgray进行分割处理得到的矩形灰度热点图像的总幅数，在本实施例中N＝18。在此，对Sgray进行分割处理采用常规的分割技术。

[0060] 步骤⑥：提取出每幅矩形灰度热点图像中的最热点，对于Sn，Sn中的最热点为Sn中像素值最大的像素点；然后将每幅矩形灰度热点图像中的最热点的像素值作为该最热点的灰度温度值，将Sn中的最热点的灰度温度值记为Tn,gray；其中，Tn,gray∈[0,255]。

[0061] 步骤⑦：由于每幅矩形灰度热点图像中的最热点的灰度温度值并不是真实温度值，因此需将灰度温度值转换为真实温度值，将每幅矩形灰度热点图像中的最热点的灰度温度值转换为真实温度值，将Sn中的最热点的真实温度值记为Tn,real；然后计算每幅矩形灰度热点图像中的最热点的真实温度值的绝对误差和相对误差，将Tn,real的绝对误差和相对误差对应记为ΔTn和ΔTn,r；接着对每幅矩形灰度热点图像中的最热点的真实温度值及其绝对误差和相对误差进行归一化处理，得到每幅矩形灰度热点图像中的最热点的真实温度值及其绝对误差和相对误差各自的归一化值，将Tn,real、ΔTn和ΔTn,r各自的归一化值对应记为Tn,real-norm、ΔTn,norm和ΔTn,r-norm；其中，Tn,real-norm∈[0,1]，ΔTn,norm∈[0,1]，ΔTn,r-norm∈[0,1]。

[0062] 在此，由于绝对误差往往会受到外界环境的影响，如果只采用绝对误差作为故障诊断的依据，则可能会有比较大的诊断误差，因此本发明还引入了相对误差。

[0063] 在此具体实施例中，步骤⑦中， ΔTn＝Tn,real-Tref，其中，Tmax表示Sgray中的最大像素值，Tmin表示Sgray中的最小像素值，Tref
表示二极管NPC三电平逆变器在正常工作时的参考温度值，在本实施例中取Tref为60摄氏度。

[0064] 在此具体实施例中，步骤⑦中，其中，Tmin,real表示所有矩形灰度热点图像中的最热点的真实温
度值的最小值，Tmin,real＝min(Tn,real|1≤n≤N)，Tmax,real表示所有矩形灰度热点图像中的最热点的真实温度值的最大值，Tmax,real＝max(Tn,real|1≤n≤N)，ΔTmin表示所有矩形灰度热点图像中的最热点的真实温度值的绝对误差的最小值，ΔTmin＝min(ΔTn|1≤n≤N)，ΔTmax表示所有矩形灰度热点图像中的最热点的真实温度值的绝对误差的最大值，ΔTmax＝max(ΔTn|1≤n≤N)，ΔTmin,r表示所有矩形灰度热点图像中的最热点的真实温度值的相对误差的最小值，ΔTmin,r＝min(ΔTn,r|1≤n≤N)，ΔTmax,r表示所有矩形灰度热点图像中的最热点的真实温度值的相对误差的最大值，ΔTmax,r＝max(ΔTn,r|1≤n≤N)，min()为取最小值函数，max()为取最大值函数。

[0065] 步骤⑧：计算每幅矩形灰度热点图像的综合评价指标，将Sn的综合评价指标记为Fn，Fn＝f1×ΔTn,norm+f2×ΔTn,r-norm+f3×Tn,real-norm；然后根据每幅矩形灰度热点图像的综合评价指标，确定每幅矩形灰度热点图像所对应的开关器件是否出现了故障，对于Fn，判断Fn是否小于或等于设定的故障诊断阈值，如果是，则确定Sn所对应的开关器件未出现故障；否则，确定Sn所对应的开关器件出现了故障；其中，f1为ΔTn,norm的权重系数，f2为ΔTn,r-norm的权重系数，f3为Tn,real-norm的权重系数，f1+f2+f3＝1。

[0066] 在此具体实施例中，步骤⑧中，取f1＝0.2、f2＝0.45、f3＝0.35，设定的故障诊断阈值为0.8。

[0067] 在实验中，可在原本正常工作的二极管NPC三电平逆变器的主电路中加入单个开关器件故障，这个故障人为加入，来模拟实际中二极管NPC三电平逆变器的主电路发生的故障。

[0068] 图3给出了获取的待故障诊断的二极管NPC三电平逆变器在工作时的红外热成像图像。由于二极管NPC三电平逆变器中的开关器件位置的布置接近于其主电路的原理图，因此可以从红外热成像图像中明显地看出工作中温度高于环境温度的开关器件，例如，主电路的原理图(如图1所示)中的Sa1、Sa2、Sa3、Sa4这4个a相的IGBT，对应在红外热成像图像中的位置如图3中箭头所指。

[0069] 图4a给出了从图3中截取出的包含所有开关器件的有效矩形部分。图4b给出了对图4a所示的图像进行初步背景去除处理后得到的图像。上述对Sβ进行转换处理实质上是先对Sβ进行取反运算，然后与Sα进行乘法(像素点的像素值之间相乘)运算，再将得到的结果中的黑色部分转换成白色得到Sγ；图4c给出了对图4b所示的图像进行取反运算，然后与图4a所示的图像进行乘法运算得到的结果；图4d给出了将图4c中的黑色部分转换成白色得到的图像。图4e给出了对图4d所示的图像进行精细背景去除处理后得到的热点图像。图5给出了图4e转换成的灰度图像。图6a给出了对图5所示的图像进行分割处理得到的其中一幅矩形灰度热点图像，其对应Sa1器件；图6b给出了对图5所示的图像进行分割处理得到的另一幅矩形灰度热点图像，其对应Sa2器件。图7a给出了从图6a中提取出的最热点，以“+”表示；图7b给出了从图6b中提取出的最热点，以“+”表示。

[0070] 为了进一步说明本发明方法的可行性和有效性，对本发明方法进行实验验证。

[0071] 在热仿真软件FloTHERM中建立二极管NPC三电平逆变器的热模型，得到Sa1器件和Sa2器件的温度曲线，如图8所示。图8中0～80秒是电路初始化到稳定的过程，在105秒设置Sa1器件发生故障，如图8中区域“A”所示，在135秒设置Sa2器件发生故障，如图8中区域“B”所示。

[0072] 利用本发明方法，获得的a相4个IGBT即Sa1、Sa2、Sa3、Sa4的真实温度值如表1所示，在表1中，外界环境温度设置为25℃。

[0073] 表1a相的IGBT在正常和故障状态下的真实温度值(环境温度为25℃)

[0074]

[0075] 改变外部环境温度，以及器件故障程度，采用本发明方法进行多次验证，例如，表2所示为外界环境温度设置为35℃时，Sa3和Sa4发生故障时的真实温度值。

[0076] 表2a相的IGBT在正常和故障状态下的真实温度值(环境温度为35℃)

[0077]

[0078] 一共获取130幅二极管NPC三电平逆变器在工作时的红外热成像图像，其中10幅为正常工作情况(即无故障)下的红外热成像图像，120幅为每个IGBT在不同的外界环境温度和故障程度下的红外热成像图像(二极管NPC三电平逆变器一共有12个IGBT，每个IGBT对应10幅红外热成像图像)，最终得到正确诊断结果的幅数为121幅，故障诊断精度为93.1％，足以说明本发明方法具有较高的故障诊断精度。