YOKOGAW PW301
YOKOGAW PW301
YOKOGAW PW301
YOKOGAW PW301
目前，故障诊断方法常见的分类是，基于解析模型的故障诊断技术、基于知识的故障诊断技术和基于数据驱动的故障诊断技术。
基于解析模型的故障诊断技术是从系统的本质特性出发、实现了故障的实时性检测，适用于电路拓扑结构简单可建模的系统。本方法主要采用传感器提供的采样信息建立***的数学模型，数学模型的建立过程必须深入了解电路的基本结构机理和运行中存在的电路模态。但对于实际的复杂电路系统，故障运行过程中存在模态、分析困难和不可避免的误差及未知干扰，因此，难以确保所建立数学模型的***度。
基于知识的故障诊断技术，适用于少输入、输出变量少、缺少传感器信息并难以建立机理模型的系统，主要包括***系统等方法。基于***系统的故障诊断方法，以相关领域***的经验知识为基础，且准确程度受知识库中***知识水平高低的影响。因此，鉴于***经验和知识的局限性，以及对知识规则化表述的困难性，基于知识的故障诊断技术处理数据存在一定的局限性。
基于模型、知识的故障诊断技术仅适用于具有较少输入、输出和状态变量的系统，面对如今复杂的电路系统，其无法提供复杂电路机理模型的每个细节和许多高深的***知识。因此，针对复杂电路系统长期运行产生数据的海量性、多样性和快速性等特点，基于数据驱动的故障诊断技术得到了广泛的应用。
基于数据驱动的方法并不依赖于系统的数学模型和***知识，该方法主要采用各种数据挖掘技术，获取在线数据和离线数据中隐含的有用信息，其表征了当前系统的正常和故障状态，***终实现了故障的检测、诊断和隔离。近年来，随着计算机运算能力的高速发展，基于数据驱动的故障诊断技术，能够***提取大量离线和在线数据的特征向量，并且准确地识别故障。
本文主要采用基于数据驱动的方法对变换器进行故障诊断，主要包括3个方面：①基于统计分析的变换器故障诊断技术、②基于信号处理的变换器故障诊断技术、③基于人工智能的变换器故障诊断技术。下面主要探索了这3类方法的内容、原理和应用背景，也分析了不同方法的适用性和局限性。***后，根据变换器的发展趋势，从方法融合、新型故障类型的检测、故障模式的在线学习和数据监测系统的设置等方面对变换器的故障诊断进行展望。