Abstract The main objective of this paper is to propose a method that contributes to the automatic diagnosis of the IGBT open-circuit fault of an inverter for detecting and localizing the fault using the stator current spectral analysis technique. The proposal focusses on the use of the combination of signal processing and artificial intelligence techniques for the detection and localization of the fault. The proposed diagnosis method begins first by using the Hilbert-Huang transform (HHT) to detect the harmonic characterizing the fault based on the complete empirical ensemble mode decomposition (CEEMD) of the three-stator currents (ias, ibs, ics ). The CEEMD provides the intrinsic mode function (IMF) which contains information of the IGBT open-circuit fault. For the exact choice of the IMF, a statistical study based on the calculation of the root mean square values (RMS) is carried out for each IMF. The IMF choice depends on the condition that the RMS values of the inverter upper IGBTs are always lower than the RMS values of the complementary ones. The results obtained can be seen to respond well to the RMS condition and the spectral envelope of the IMF1 makes it possible to detect the harmonic characterizing the inverter IGBT open-circuit fault. The proposed diagnosis method then moves to the use of the artificial neural network (ANN) to localize the faulty IGBT. The results obtained using the proposed method are validated experimentally and demonstrate well their effectiveness with a very high classification rate.

中文翻译：

---

基于HHT-ANN的逆变器IGBT开路故障自动诊断

摘要 本文的主要目的是提出一种有助于自动诊断逆变器IGBT开路故障的方法，利用定子电流谱分析技术检测和定位故障。该提案侧重于使用信号处理和人工智能技术的结合来检测和定位故障。所提出的诊断方法首先使用希尔伯特-黄变换 (HHT) 来检测表征故障的谐波，该谐波基于三定子电流 (ias、ibs、ics) 的完整经验集成模式分解 (CEEMD)。CEEMD 提供本征模式函数 (IMF)，其中包含 IGBT 开路故障的信息。对于 IMF 的确切选择，对每个 IMF 进行基于均方根值 (RMS) 计算的统计研究。IMF 的选择取决于逆变器上部 IGBT 的 RMS 值始终低于互补 IGBT 的 RMS 值的条件。可以看出获得的结果对 RMS 条件响应良好，IMF1 的频谱包络使得检测表征逆变器 IGBT 开路故障的谐波成为可能。然后，所提出的诊断方法转向使用人工神经网络 (ANN) 来定位故障 IGBT。使用所提出的方法获得的结果经过实验验证，并以非常高的分类率很好地证明了它们的有效性。IMF 的选择取决于逆变器上部 IGBT 的 RMS 值始终低于互补 IGBT 的 RMS 值的条件。可以看出获得的结果对 RMS 条件响应良好，IMF1 的频谱包络使得检测表征逆变器 IGBT 开路故障的谐波成为可能。然后，所提出的诊断方法转向使用人工神经网络 (ANN) 来定位故障 IGBT。使用所提出的方法获得的结果经过实验验证，并以非常高的分类率很好地证明了它们的有效性。IMF 的选择取决于逆变器上部 IGBT 的 RMS 值始终低于互补 IGBT 的 RMS 值的条件。可以看出获得的结果对 RMS 条件响应良好，IMF1 的频谱包络使得检测表征逆变器 IGBT 开路故障的谐波成为可能。然后，所提出的诊断方法转向使用人工神经网络 (ANN) 来定位故障 IGBT。使用所提出的方法获得的结果经过实验验证，并以非常高的分类率很好地证明了它们的有效性。可以看出获得的结果对 RMS 条件响应良好，IMF1 的频谱包络使得检测表征逆变器 IGBT 开路故障的谐波成为可能。然后，所提出的诊断方法转向使用人工神经网络 (ANN) 来定位故障 IGBT。使用所提出的方法获得的结果经过实验验证，并以非常高的分类率很好地证明了它们的有效性。可以看出获得的结果对 RMS 条件响应良好，IMF1 的频谱包络使得检测表征逆变器 IGBT 开路故障的谐波成为可能。然后，所提出的诊断方法转向使用人工神经网络 (ANN) 来定位故障 IGBT。使用所提出的方法获得的结果经过实验验证，并以非常高的分类率很好地证明了它们的有效性。