LabVIEW硬件在环仿真模拟电路故障分析和特征提取

简介: LabVIEW硬件在环仿真模拟电路故障分析和特征提取

LabVIEW硬件在环仿真模拟电路故障分析和特征提取


与数字电路相比,模拟电路故障分析是一项具有挑战性的任务。这主要是由于模拟分立元件的非线性特性,以及其他因素,包括噪声和内部可访问性的限制。参数故障和灾难性故障是模拟电路中发生的两种故障。由于分立元件参数的变化,电路中会发生参数故障。另一方面,灾难性故障是由于整个组件故障而发生的。这些故障是由于环境条件、负载、系统瞬变和老化因素引起的,导致组件开路或短路。超过80%至90%的电路故障是由于灾难性故障而发生的。电力电子电路是最常用的模拟电路,充当每个电子电路的燃料。一项基于工业的调查指出,功率半导体元件是导致灾难性故障的最精密元件。由于开关设备和电解电容器等组件,电力电子电路中可能会出现这种故障。


故障分析一般包括不同的阶段


故障检测:确定电路是否有缺陷;


故障定位:定位缺陷原因;


故障分类:确定故障是参数故障还是灾难性故障。


数据驱动技术是一种利用统计方法从实时电路中收集不同故障条件下的历史故障特征的传统方法。


在建模方法下,无法分析实时电路故障行为。可以在实时仿真器中有效地分析电力系统在无故障和故障条件下的有效瞬态响应和稳态响应。硬件在环(HIL)是一种基于实时模拟器的测试方法,在电源系统分析中受到更多关注。


一般来说,基于FPGA的方法在实时仿真中采用的方法有两个主要原因,首先,计算时间步长为几ns;其次,其并行计算过程进一步缩短了计算时间。


LabVIEW工具以其在测试和测量系统中的自动化能力而闻名,这些系统提供支持FPGA目标的FPGA模块。LabVIEW利用并行执行,从而缩短了时间步长。使用HIL仿真器借助LabVIEW和基于FPGA的实时目标,对功率转换器稳态条件下开关故障进行建模、故障注入和故障特征提取。以升压变换器作为CUT进行评估,注入不同的开关故障并提取故障特征。将仿真的故障输出响应与实时故障电路响应进行比较,对提取的特征进行评估。


通过在FPGA目标中部署升压转换器模型来实现实时仿真。算术块是使用预定的DSP块实现的,这些DSP块将在一个时钟周期内执行算术运算。并行处理技术用于在FPGA中以更高的时钟速率实现更高的吞吐量,它使用时钟周期定时进行说明。DSP模块使用部署在FPGA目标设备上的定点数执行高吞吐量算术功能。每个块在1个时钟周期(25ns)内执行数学函数,但分频器块需要2个时钟周期(50ns)来执行函数。



14a1ac0738e038d8aeee9623826034f7.png


通过采用硬件输入环测试方法的故障注入和特征提取方法对电力电子电路故障进行分析。升压转换器电路使用一阶微分方程建模,输出使用欧拉数值求解器求解,并部署在实时FPGA目标上,每条指令运行25ns,输出响应以175ns的步进速率生成。该方法的主要目的是,通过使用HIL仿真环境在模型中通过故障注入(仿真)提取故障特征,更接近实时场景。这是通过使用简单求解器方法和FPGA目标减少计算时间和并行处理来实现的。电感电流被确定为故障特征,在识别MOSFET中的OS和SC故障方面起着重要作用。通过将仿真响应与实时电路故障响应进行比较来评估提取的特征。就限制而言,仿真时间随着电路共谋的增加而增加。应采用不同的求解器,以便在更短的计算时间内求解复杂模型,并且需要更高时钟速率的目标板。利用所提出的故障分析方法,可以针对各种电力电子电路中的不同故障条件提取不同的故障特征。


这是LabVIEW的一个应用,更多的开发案例,欢迎登录北京瀚文网星官网,了解更多信息。有需要LabVIEW项目合作开发,请与我们联系。

相关文章
|
机器学习/深度学习 数据采集 人工智能
什么是人机对话模型?阿里小蜜团队写了1.5万字
从人工智能研究的初期开始,人们就致力于开发高度智能化的人机对话系统。对话管理模型研究最新进展源于前沿的深度的研究…… 作者: 戴音培1、虞晖华2、蒋溢轩2、唐呈光1、李永彬1、孙健1 单位: 阿里巴巴-达摩院-小蜜Conversational AI团队1,康奈尔大学2
1893 0
什么是人机对话模型?阿里小蜜团队写了1.5万字
iOS UITextField 使用与方法解读
iOS UITextField 使用与方法解读
280 0
|
9月前
|
XML Java 数据格式
掌握Spring Environment:配置管理的关键
掌握Spring Environment:配置管理的关键
388 1
|
存储 编解码 弹性计算
阿里云云存储(OSSTableStoreNAS)+CDN 产品:更快速度,更低成 | 学习笔记
快速学习 阿里云云存储(OSSTableStoreNAS)+CDN 产品:更快速度,更低成
219 0
阿里云云存储(OSSTableStoreNAS)+CDN 产品:更快速度,更低成 | 学习笔记
|
3天前
|
人工智能 自然语言处理 Shell
深度评测 | 仅用3分钟,百炼调用满血版 Deepseek-r1 API,百万Token免费用,简直不要太爽。
仅用3分钟,百炼调用满血版Deepseek-r1 API,享受百万免费Token。阿里云提供零门槛、快速部署的解决方案,支持云控制台和Cloud Shell两种方式,操作简便。Deepseek-r1满血版在推理能力上表现出色,尤其擅长数学、代码和自然语言处理任务,使用过程中无卡顿,体验丝滑。结合Chatbox工具,用户可轻松掌控模型,提升工作效率。阿里云大模型服务平台百炼不仅速度快,还确保数据安全,值得信赖。
157353 24
深度评测 | 仅用3分钟,百炼调用满血版 Deepseek-r1 API,百万Token免费用,简直不要太爽。
|
5天前
|
人工智能 API 网络安全
用DeepSeek,就在阿里云!四种方式助您快速使用 DeepSeek-R1 满血版!更有内部实战指导!
DeepSeek自发布以来,凭借卓越的技术性能和开源策略迅速吸引了全球关注。DeepSeek-R1作为系列中的佼佼者,在多个基准测试中超越现有顶尖模型,展现了强大的推理能力。然而,由于其爆火及受到黑客攻击,官网使用受限,影响用户体验。为解决这一问题,阿里云提供了多种解决方案。
17000 37
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
PAI Model Gallery 支持云上一键部署 DeepSeek-V3、DeepSeek-R1 系列模型
DeepSeek 系列模型以其卓越性能在全球范围内备受瞩目,多次评测中表现优异,性能接近甚至超越国际顶尖闭源模型(如OpenAI的GPT-4、Claude-3.5-Sonnet等)。企业用户和开发者可使用 PAI 平台一键部署 DeepSeek 系列模型,实现 DeepSeek 系列模型与现有业务的高效融合。
|
5天前
|
并行计算 PyTorch 算法框架/工具
本地部署DeepSeek模型
要在本地部署DeepSeek模型,需准备Linux(推荐Ubuntu 20.04+)或兼容的Windows/macOS环境,配备NVIDIA GPU(建议RTX 3060+)。安装Python 3.8+、PyTorch/TensorFlow等依赖,并通过官方渠道下载模型文件。配置模型后,编写推理脚本进行测试,可选使用FastAPI服务化部署或Docker容器化。注意资源监控和许可协议。
1311 8
|
13天前
|
人工智能 搜索推荐 Docker
手把手教你使用 Ollama 和 LobeChat 快速本地部署 DeepSeek R1 模型,创建个性化 AI 助手
DeepSeek R1 + LobeChat + Ollama:快速本地部署模型,创建个性化 AI 助手
3416 117
手把手教你使用 Ollama 和 LobeChat 快速本地部署 DeepSeek R1 模型,创建个性化 AI 助手

热门文章

最新文章