文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.201128
中文引用格式： 楊培盛，付宇，李鴻飛，等. 基于CNN-LSTM的支撐電容容值軟測(cè)量[J].電子技術(shù)應(yīng)用，2021，47(9)：16-19.
英文引用格式： Yang Peisheng，F(xiàn)u Yu，Li Hongfei，et al. Soft measurement of supporting capacitance based on CNN-LSTM[J]. Application of Electronic Technique，2021，47(9)：16-19.
0 引言
近年來，電力電子系統(tǒng)的可靠性越來越引起社會(huì)各界的廣泛注意[1-2]。大量的研究及實(shí)踐表明，在軌道交通領(lǐng)域，實(shí)現(xiàn)軌道列車牽引系統(tǒng)的實(shí)時(shí)健康狀態(tài)監(jiān)測(cè)，做到及時(shí)的故障預(yù)警和提前維修[3-4]，將大大提高系統(tǒng)的可靠性，節(jié)約維修成本。
直流母線支撐電容作為牽引系統(tǒng)的關(guān)鍵部件，其健康狀態(tài)隨著投入運(yùn)行年限的增加而變差，直流母線電容失效導(dǎo)致的列車系統(tǒng)停機(jī)甚至損毀給社會(huì)帶來了巨大的經(jīng)濟(jì)損失[5-6]。因此，支撐電容的狀態(tài)監(jiān)測(cè)技術(shù)成為了當(dāng)前研究的熱點(diǎn)[7-8]。支撐電容的容值能夠表征其真實(shí)的健康狀態(tài)[9]，本文提出了一種大功率變流器直流母線電容容值的在線監(jiān)測(cè)方法，利用數(shù)據(jù)訓(xùn)練得到基于卷積神經(jīng)網(wǎng)絡(luò)-長(zhǎng)短期記憶網(wǎng)絡(luò)(Convolutional Neural Networks-Long Short Term Memory，CNN-LSTM)的神經(jīng)網(wǎng)絡(luò)模型[10]，可以根據(jù)列車系統(tǒng)運(yùn)行過程中采集到的實(shí)時(shí)運(yùn)行數(shù)據(jù)進(jìn)行支撐電容值的準(zhǔn)確軟測(cè)量，對(duì)于實(shí)現(xiàn)支撐電容健康狀態(tài)在線監(jiān)測(cè)、提高功率變流器的可靠性具有重要意義。
本文詳細(xì)內(nèi)容請(qǐng)下載：http://m.jysgc.com/resource/share/2000003737。
作者信息：
楊培盛1，付 宇1，李鴻飛2，初開麒2，王夢(mèng)謙2，李政達(dá)2
(1.濟(jì)南軌道交通集團(tuán)建設(shè)投資有限公司，山東 濟(jì)南250014；
2.中車青島四方車輛研究所有限公司，山東 青島266033)
