• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  • Pesquisadores propõem um novo algoritmo de diagnóstico de falhas para conversor de modulação por largura de pulso

    Fig. 1. A arquitetura do modelo proposto. Crédito:Zhang Li

    Uma equipe de pesquisa liderada pelo Prof. Gao Ge e Jiang Li dos Institutos Hefei de Ciências Físicas da Academia Chinesa de Ciências investigou o diagnóstico de falhas de um conversor de modulação por largura de pulso e propôs um algoritmo de diagnóstico de falhas de rede neural para resolver problemas existentes neste campo. Os resultados foram publicados em IEEE Transactions on Power Electronics .
    A modulação de largura de pulso tem as vantagens de alta eficiência, alta densidade de potência e alta confiabilidade. Mas devido à complexidade dos sistemas de acionamento e à diversidade da operação conjunta de fusão, os sistemas conversores de fonte de tensão de modulação de largura de pulso são propensos a sofrer falhas críticas. Portanto, a pesquisa sobre tecnologia de diagnóstico de falhas é de grande preocupação, especialmente o diagnóstico de falhas de circuito aberto, que foi o que os cientistas têm focado neste estudo.

    Os métodos atuais de diagnóstico de falhas lidam apenas com o estado de retificação ou estado do inversor. A análise teórica mostra que as grandezas características da falta em ambos os estados possuem características completamente diferentes e complicadas, o que aumenta a dificuldade de diagnóstico da falta.

    Neste estudo, ao aplicar o algoritmo proposto, os pesquisadores utilizaram apenas a corrente lateral da rede trifásica como quantidade característica de diagnóstico de falhas e diagnosticaram 21 tipos de falhas tanto no estado de retificação quanto no estado do inversor.

    "Diferente da arquitetura de Rede Neural Convolucional tradicional, um design cuidadosamente elaborado pode aumentar a profundidade e a largura da rede enquanto mantém o orçamento de computação constante", disse o Dr. Deng Xi, primeiro autor do estudo. "Isso pode fazer melhor uso dos recursos de computação dentro da rede."

    Fig. 2. Precisão do modelo de rede neural. Crédito:Zhang Li

    Os resultados experimentais mostram que o modelo pode detectar com precisão aproximadamente 99,14% das falhas de chave de circuito aberto em 12,83 ms (<3/4 de ciclo) sem adicionar mais sensores.

    Este estudo oferece uma base para a operação segura e estável de sistemas de energia de fusão e fornece valor de referência para outros campos. + Explorar mais

    Cientistas desenvolvem método inteligente de diagnóstico de falhas para usinas nucleares




    © Ciência https://pt.scienceaq.com