Шабакаи пешниҳодшудаи дуҷараёнӣ меъмории омӯзиши амиқ аст, ки носозиҳои занҷири кушодаи IGBT-ро дар инверторҳои се-сатҳаи T-type бо нуқтаи нейтралии қулфшуда бо роҳи омӯхтани муносибатҳои хоси ҳар намуна байни сигналҳои ҷараён ва шиддат дар шохаи графӣ ва қолабҳои замониро дар шохаи воҳиди такроршавандаи дарвозадори дуҷониба (BiGRU) бо механизми attention тасниф мекунад. Дар таҳқиқот се ҷараёни фаза ва се шиддати фаза ҳамчун шаш гиреҳи алоҳидаи сигнал баррасӣ шудаанд; бо CNN-и умумии 1B хусусиятҳо ҷудо карда шудаанд, бо Sinkhorn масофаҳои тахминии Wasserstein ҳисоб шуда, барои ҳар намуна графи динамикии вазндор сохта шудааст ва ин граф бо GCN-и дуқабата коркард шудааст. Дар шохаи параллелии замонӣ BiGRU ва global attention истифода шуда, намояндагиҳои ду шоха якҷо карда шуда, 21 ҳолати корӣ тасниф шудаанд.
Дар манбаъ ҳар сабт барои ҳар яке аз шаш сигнал 1024 нуқтаи намунагириро дар бар мегирад. Барои ҳар ҳолати носозӣ 300 сабт бо гирифтани мустақили додаҳо ҷамъоварӣ шуда, шиддати DC-link дар атрофи қимати 800 V ба андозаи ±5% тағйир дода шудааст ва додаҳо ба таври тасодуфӣ ба 70% омӯзиш, 15% санҷиши тасдиқӣ ва 15% тест ҷудо шудаанд. Дар омӯзиши модел стандарткунии Z-score, learning rate-и 1×10−3, weight decay-и 1×10−4, batch size-и 64 ва сатҳи dropout-и 0.25 гузориш шудаанд. Манбаъ номи optimizer-и истифодашуда ва шумораи дақиқи максималии epoch-ҳоро барои омӯзиш дар ҷадвали усул нишон намедиҳад.
Барои модели пурраи пешниҳодшуда дақиқии миёнаи санҷиши тасдиқии таҷрибаҳои такрорӣ 99.88% гузориш шудааст. Дар натиҷаҳои аблятсия CNN-GCN дақиқии 93.98 ± 4.00%, CNN-Sinkhorn-GCN 95.00 ± 1.80%, CNN-Sinkhorn-GCN + GRU 95.47 ± 1.93% ва CNN-Sinkhorn-GCN + BiGRU 96.96 ± 1.61% нишон додаанд, дар ҳоле ки модели пурра ба 99.88 ± 0.84% расидааст. Бо вуҷуди ин, иҷроиши намунавии матритсаи омехтагӣ, ки дар манбаъ нишон дода шудааст, дақиқии 99.76% дорад ва аз 819 намунаи санҷиши тасдиқӣ дуто нодуруст тасниф шудаанд; бинобар ин 99.88% ва 99.76% ба контекстҳои гуногуни гузоришдиҳӣ тааллуқ доранд.
Таҳқиқот танҳо ба симулятсияи нармафзорӣ такя намекунад: дар баробари модели MATLAB 2024b/Simulink, системаи HIL-и вақти воқеии Starsim MT6060 ва контроллери TMS320F28335 истифода шуда, шароити носозӣ аз нав тавлид ва шаклҳои мавҷи ҷараён-шиддат гирифта шудаанд. Аммо бахши HIL ҷадвали мустақили дақиқии таснифоти HIL-only пешниҳод намекунад; муаллифон арзёбии миқдории HIL-only ва татбиқи вақти воқеӣ дар сахтафзори дарунсохтро ошкоро ҳамчун кори оянда қайд мекунанд.
Носозии Занҷири Кушодаи IGBT Дар Инвертори Се-Сатҳаи T-NPC Чиро Тағйир Медиҳад?
Носозии занҷири кушодаи IGBT роҳи гузарониши калиди дахлдорро ғайриқобили истифода карда, боиси равона шудани ҷараёни фаза ба роҳҳои алтернативии диод ё калид ва пайдо шудани гузаришҳои вобаста ба носозӣ байни ҳолатҳои баромади P, O ва N-и инвертори T-NPC мегардад. Ин тағйир танҳо ба амплитудаи як ҷараён таъсир намерасонад; вобаста ба самти ҷараён ва он ки кадом калид дар ҳолати занҷири кушода мондааст, шакли мавҷи ҷараёни фаза ва шиддати фаза дар нимдавраи мусбат ё манфӣ метавонад ба таври гуногун таҳриф шавад.
Дар топологияи T-NPC дар ҳар шохаи фаза ду калиди берунӣ ва ду калиди дохилӣ мавҷуд аст. Манбаъ таъсири вобаста ба самти ҷараёни носозиҳои занҷири кушодаи Sa1, Sa2, Sa3 ва Sa4-ро барои фаза-A алоҳида таҳлил мекунад. Конденсаторҳои пайдарпайи DC-link ба шохаи фаза се сатҳи шиддат — Udc1, 0 ва Udc2 — медиҳанд. Ҳангоми рух додани носозии занҷири кушода роҳи интизории гузарониш қатъ мешавад ва метавонад тавассути диодҳои гардиши озод ва калидҳои боқимонда роҳи нав ба вуҷуд ояд.
| IGBT-и носоз | Самти ҷараён | Роҳи ҷараёни дар манбаъ додашуда | Тағйири ҳолат |
|---|---|---|---|
| Sa1 | ia > 0 | Sa1 → Da2, Sa3 | P → O |
| Sa1 | ia < 0 | Da1 | Тағйир нест |
| Sa2 | ia > 0 | Da2, Sa3 | Тағйир нест |
| Sa2 | ia < 0 | Sa2, Da3 → Da1 | O → P |
| Sa3 | ia > 0 | Sa3, Da2 → Da4 | O → N |
| Sa3 | ia < 0 | Sa2, Da3 | Тағйир нест |
| Sa4 | ia > 0 | Da4 | Тағйир нест |
| Sa4 | ia < 0 | Sa4 → Sa2, Da3 | N → O |
Дар носозиҳои дукаратаи IGBT ҳамин мантиқ мураккабтар мешавад. Барои ду носозӣ дар фазаҳои гуногун, аввал имконоти маҳаллии гузарониши ҳар фаза аз қоидаҳои яккалидӣ бароварда мешаванд; аммо манбаъ махсус таъкид мекунад, ки ин маънои аз ҷиҳати динамикӣ мустақил будани ду носозӣ ё имкони ба таври хаттӣ ҷамъ шудани таъсири онҳо ба шаклҳои мавҷро надорад. Ду носозӣ дар як фаза метавонанд самтҳои гузаронишро мустақиман ба ҳам пайванданд; масалан, вақте Sa1 ва Sa3 ҳамзамон занҷири кушода доранд, дар шарти ia > 0 ҳолат метавонад аз P ба N гузарад.
21 ҳолате, ки дар таҳқиқот тасниф шудаанд
Модел ҳамаи комбинатсияҳои имконпазири занҷири кушодаи T-NPC-ро фаро намегирад. Маҷмӯи додаҳои манбаъ 20 носозии интихобшудаи занҷири кушода ва як ҳолати солимро дар бар мегирад; махсусан илова кардани комбинатсияҳои боқимондаи тарафи фаза-B ва фаза-C ба маҷмӯи додаҳо дар оянда ба нақша гирифта шудааст.
| Нишона | Ҳолат | Нишона | Ҳолат |
|---|---|---|---|
| 0 | Sa1 | 11 | Sa2Sb2 |
| 1 | Sa1Sa2 | 12 | Sa2Sb3 |
| 2 | Sa1Sa3 | 13 | Sa2Sb4 |
| 3 | Sa1Sa4 | 14 | Sa3 |
| 4 | Sa1Sb1 | 15 | Sa3Sa4 |
| 5 | Sa1Sb2 | 16 | Sa3Sb3 |
| 6 | Sa1Sb3 | 17 | Sa3Sb4 |
| 7 | Sa1Sb4 | 18 | Sa4 |
| 8 | Sa2 | 19 | Sa4Sb4 |
| 9 | Sa2Sa3 | 20 | Муқаррарӣ |
| 10 | Sa2Sa4 |
Чаро Дар Ин Таҳқиқот Графи Динамикии Sinkhorn–Wasserstein Истифода Мешавад?
Графи динамикии Sinkhorn–Wasserstein барои он истифода мешавад, ки муносибати байни шаш сигнали ҷараён-шиддат ба ҷойи ҳамчун топологияи собит қабул шудан, барои ҳар намуна аз рӯи монандии тақсимоти хусусиятҳои ниҳонии аз CNN омӯхташуда аз нав вазнгузорӣ шавад. Ба ин тартиб, таъсири гуногуни носозиҳои калидҳо ба каналҳои ҷараён ва шиддат дар матритсаи ҳамсоягии хоси намуна ифода шуда, мақсад гузошта мешавад, ки GCN на танҳо сигналҳои алоҳида, балки муносибатҳои байни сигналҳоро низ омӯзад.
Матритсаи вуруд ва стандарткунии Z-score: Муодилаҳо (1)–(4)
Ҳар намуна бо шаш канал ва 1024 нуқтаи намунагирӣ барои ҳар канал муайян мешавад:
\[X^{(n)}=[i_a^{(n)}\; i_b^{(n)}\; i_c^{(n)}\; V_{AO}^{(n)}\; V_{BO}^{(n)}\; V_{CO}^{(n)}]^T \in \mathbb{R}^{6\times1024}. \tag{1}\]
Муодилаи (1) нишон медиҳад, ки модел дар як намуна се шакли мавҷи ҷараён ва се шакли мавҷи шиддатро якҷо мебинад. Воҳиди физикии ҷараён ампер ва воҳиди физикии шиддат волт аст; аммо ин бузургиҳо пас аз амали Z-score ба қиматҳои стандартшудаи беандоза табдил меёбанд.
Манбаъ миёнаи каналро танҳо аз маҷмӯи омӯзиш ҳисоб мекунад:
\[\mu_c=\frac{1}{N_{tr}T}\sum_{n\in D_{tr}}\sum_{t=1}^{T}X_{c,t}^{(n)}. \tag{2}\]
Инҳирофи стандартӣ низ аз рӯи ҳамин маҷмӯи омӯзиш ҳисоб мешавад:
\[\sigma_c=\sqrt{\frac{1}{N_{tr}T}\sum_{n\in D_{tr}}\sum_{t=1}^{T}\left(X_{c,t}^{(n)}-\mu_c\right)^2}. \tag{3}\]
Стандарткунии ниҳоӣ:
\[\widetilde{X}_{c,t}^{(n)}=\frac{X_{c,t}^{(n)}-\mu_c}{\sigma_c+\varepsilon}. \tag{4}\]
Дар ин ҷо c яке аз шаш канали сигнал, t мавқеи намунагирӣ, T = 1024 дарозии сабт, Dtr маҷмӯи омӯзиш ва Ntr шумораи намунаҳои омӯзишро нишон медиҳад. ε-и хурди мусбат дар Муодилаи (4) барои пешгирии тақсим ба сифр истифода мешавад. Манбаъ баъдтар рамзи ε-ро дар регуляризатсияи optimal transport-и Sinkhorn низ истифода мебарад; вазифаи математикии ин ду истифода фарқ мекунад ва набояд бо ҳам омехта шаванд.
Фишурдани шаш гиреҳ ба 32 ченак бо CNN-и умумӣ: Муодилаҳо (5)–(6)
Ду блоки конволютсионӣ бо сохтори зерин дода мешаванд:
\[B_l(z)=\operatorname{ReLU}[\operatorname{BN}(W_l * z+b_l)],\quad l=1,2. \tag{5}\]
Wl параметрҳои ядрои конволютсия, bl ҳади bias, BN амали batch normalization ва ReLU фаъолсозии ғайрихаттиро ифода мекунад. Пас аз ду блок adaptive average pooling ва проексияи хаттӣ татбиқ шуда, ҳар гиреҳи сигнал ба намояндагии 32-ченака табдил дода мешавад:
\[H^{(0)}=[h_{i_a}^{(0)},h_{i_b}^{(0)},h_{i_c}^{(0)},h_{V_{AO}}^{(0)},h_{V_{BO}}^{(0)},h_{V_{CO}}^{(0)}]^T\in\mathbb{R}^{6\times32}. \tag{6}\]
Нақши ин марҳила гузаронидани шаклҳои мавҷи хоми 1024-нуқтаӣ ба фазои ниҳонии фишурдатар ва кам кардани харҷи ҳисобкунии минбаъдаи Sinkhorn ва конволютсияи графӣ мебошад.
Графи динамикӣ бо Sinkhorn–Wasserstein: Муодилаҳо (7)–(14)
Хусусияти ниҳонии 32-ченакаи ҳар гиреҳ аввал бо Softmax ба тақсимоти монанд ба эҳтимол табдил дода мешавад:
\[p_{i,r}=\frac{\exp(h_{i,r}^{(0)})}{\sum_{s=1}^{F}\exp(h_{i,s}^{(0)})},\quad F=32. \tag{7}\]
Ин тақсимот тақсимоти физикии эҳтимолии амплитудаи ҷараён ё шиддати хом нест; балки намояндагии нормализатсияшудаи фаъолшавиҳо дар фазои ниҳонии CNN-и умумӣ мебошад. Тақсимотҳо манфӣ буда наметавонанд ва массаи умумии онҳо ба як баробар аст:
\[p_i,p_j\in\Delta^{F-1},\quad p_{i,r}\ge0,\quad\sum_{r=1}^{F}p_{i,r}=1. \tag{8}\]
Координатаи такягоҳи нормализатсияшудаи мавқеъҳои хусусияти ниҳонӣ:
\[u_r=\frac{r-1}{F-1},\quad r=1,\ldots,F. \tag{9}\]
Маҳдудиятҳои маргиналии нақшаи интиқоли P:
\[\sum_{s=1}^{F}P_{rs}=p_{i,r},\qquad\sum_{r=1}^{F}P_{rs}=p_{j,s}. \tag{10}\]
Нақшаи optimal transport-и бо энтропия регуляризатсияшуда дар манбаъ чунин навишта шудааст:
\[P_{ij}^{*}=\arg\min\left[\langle P,C\rangle+\varepsilon\sum_{r=1}^{F}\sum_{s=1}^{F}P_{rs}(\ln P_{rs}-1)\right]. \tag{11}\]
Дар ин ҷо C матритсаи харҷи интиқол аст, ⟨P,C⟩ харҷи умумии интиқоли нақшаро ифода мекунад ва ε дар ин муодила коэффисиенти регуляризатсияи энтропия мебошад. Дар сканкунии параметрҳои таҳқиқот баландтарин дақиқии миёнаи тасниф дар қимати ε = 0.1 ба даст омада, ҳамин қимат истифода шудааст.
Масофаи тахминии Wasserstein байни ду гиреҳ бо Sinkhorn:
\[d_{ij}=\sum_{r=1}^{F}\sum_{s=1}^{F}P_{ij,rs}^{*}C_{rs}. \tag{12}\]
Ҳар қадар dij хурдтар шавад, тақсимоти хусусиятҳои ниҳонии ду гиреҳ монандтар ҳисоб мешаванд. Ин масофа ба вазни ҳамсоягӣ табдил дода мешавад:
\[A_{ij}=\begin{cases}\exp(-d_{ij}/\tau),&j\in N(i)\\0,&\text{aksi halde}\end{cases}. \tag{13}\]
N(i) маҷмӯи ҳамсоягии динамикӣ ва τ коэффисиенти ҳарорати вазни канорро нишон медиҳад. Манбаъ қимати ададии τ ва шумораи ҳамсояҳои интихобшуда барои ҳар гиреҳро равшан гузориш намекунад; ин қиматҳо дар баёни Verianla сохта нашудаанд.
Графи вобаста ба намуна дар ниҳоят:
\[g^{(n)}=(V,H^{(n,0)},A^{(n)}). \tag{14}\]
ифода мешавад. V шаш гиреҳи сигналро, H(n,0) хусусиятҳои гиреҳии аз CNN омада ва A(n) матритсаи 6×6-и ҳамсоягии вазндори хоси он намуна ро ифода мекунад.
Ҷудокунии хусусиятҳои муносибатӣ бо GCN: Муодилаҳо (15)–(20)
Барои нигоҳ доштани иттилооти худи гиреҳҳо self-loop илова мешавад:
\[\widetilde{A}=A+I. \tag{15}\]
Матритсаи дараҷа:
\[\widetilde{D}_{ii}=\sum_j\widetilde{A}_{ij}. \tag{16}\]
Ҳамсоягии симметрии нормализатсияшуда:
\[\widehat{A}=\widetilde{D}^{-1/2}\widetilde{A}\widetilde{D}^{-1/2}. \tag{17}\]
Қабати якуми GCN 6 гиреҳро ба фазои ниҳонии 64-ченака мегузаронад:
\[H^{(1)}=\operatorname{Dropout}\{\operatorname{ReLU}[\operatorname{BN}(\widehat{A}H^{(0)}W^{(0)})]\},\quad H^{(1)}\in\mathbb{R}^{6\times64}. \tag{18}\]
Қабати дуюм ба намояндагии гиреҳии 32-ченака бармегардад:
\[H^{(2)}=\operatorname{Dropout}\{\operatorname{ReLU}[\operatorname{BN}(\widehat{A}H^{(1)}W^{(1)})]\},\quad H^{(2)}\in\mathbb{R}^{6\times32}. \tag{19}\]
Бо global average pooling шаш гиреҳ ба як намояндагии графӣ кам карда мешаванд:
\[f_g=\operatorname{GAP}(H^{(2)})=\frac{1}{N}\sum_{i=1}^{N}h_i^{(2)}. \tag{20}\]
Дар ин занҷир воҳидҳои физикии ампер/волт дигар мустақиман интиқол дода намешаванд; H ва fg намояндагиҳои ниҳонии омӯхташуда ва беандоза мебошанд. Ҳадафи математикӣ он аст, ки як гиреҳ на танҳо иттилооти худро, балки иттилооти аз дигар сигналҳои ҳамсоя дар графи динамикӣ омадаро низ ба шакли нормализатсияшуда ҷамъ кунад.
BiGRU ва global attention: Муодилаҳо (21)–(31)
Манбаъ амалиёти GRU-и пешрав ва пасравро чунин медиҳад:
\[\overrightarrow{h}_t=\operatorname{GRU}(x_t,\overrightarrow{h}_{t-1}). \tag{21}\]
\[\overleftarrow{h}_t=\operatorname{GRU}(x_t,\overleftarrow{h}_{t-1}). \tag{22}\]
Ҳолатҳои ниҳонии ду самт якҷо карда мешаванд:
\[h=W_{\overrightarrow{h_t}}\overrightarrow{h}_t+W_{\overleftarrow{h_t}}\overleftarrow{h}_t+b_t. \tag{23}\]
Global attention холҳои ҳамоҳангиро байни ҳолати ҳадаф ва ҳамаи ҳолатҳои ниҳонии манбаъ нормализатсия мекунад:
\[a_t(s)=\operatorname{align}(h_t,\bar h_s)=\frac{\exp(\operatorname{score}(h_t,\bar h_s))}{\sum_{s'}\exp(\operatorname{score}(h_t,\bar h_{s'}))}. \tag{24}\]
Сипас манбаъ ифодаи дуюми attention-ро чунин менависад:
\[\alpha_{ki}=\frac{\exp(e_{ki})}{\sum_{j}^{l}\exp(e_{ki})}. \tag{25}\]
Ёддошт оид ба навишти дохилии манбаъ: Гарчанде дар шакли чопии Муодилаи (25) ҷамъ дар махраҷ бо индекси j навишта шудааст, ҳади экспоненсиалӣ ҳамоно eki мемонад. Аз ин рӯ, аз матн дақиқ муайян кардан мумкин нест, ки индекси ҷамъ ба ҳади махраҷ чӣ гуна татбиқ мешавад. Verianla формуларо хомӯшона ба шакли ekj иваз накардааст; сохтори дар манбаъ чопшуда нигоҳ дошта ва номуайянӣ ошкоро боқӣ мондааст.
Холи энергияи attention:
\[e_{ki}=V\tanh(Wh_k+Uh_i). \tag{26}\]
Хулосаи вазндори ҳолати ниҳонӣ:
\[\beta=\sum_{i=1}^{l}\alpha_{ki}h_i. \tag{27}\]
Намояндагии ниҳонии гиреҳи баромади ниҳоӣ:
\[h'_k=H(\beta,h_k,x_k). \tag{28}\]
Дар қисми татбиқии таҳқиқот ҳолатҳои охирини пешрав ва пасрави BiGRU як вектори query месозанд; ин query бо ҳамаи 64 буриши вақт муқоиса шуда, тақсимоти 64-элементии attention тавлид мешавад. Вектори global context:
\[c=\sum_{t=1}^{T}\alpha_t h_t\in\mathbb{R}^{B\times96}. \tag{29}\]
Дар ин ҷо ht ҳолати ниҳонии 96-ченакаи BiGRU, αt вазни attention-и буриши дахлдори вақт ва B batch size-ро нишон медиҳад. Context ва query якҷо карда мешаванд:
\[f_{pre}^{t}=[c\parallel q]\in\mathbb{R}^{B\times192}. \tag{30}\]
Хусусияти ниҳоии 128-ченакаи шохаи замонӣ:
\[f_t=\operatorname{Dropout}\{\operatorname{ReLU}[\operatorname{LN}(W_t f_{pre}^{t}+b_t)]\}. \tag{31}\]
LN амали layer normalization-ро нишон медиҳад. Вазифаи илмии ин шоха он аст, ки минтақаҳои вақтӣ, ки ҳангоми рух додани носозӣ муҳим мешаванд, бо вазни бештар ифода карда шаванд ва таъсири буришҳои вақти пурғавғо ё каммаълумот коҳиш ёбад.
Якҷокунии ду шоха ва баромади 21-синфа: Муодилаҳо (32)–(37)
Шохаи графӣ ва шохаи замонӣ аввал ҳар кадом алоҳида ба фазои умумии 128-ченака проексия мешаванд:
\[\widehat{f}_g=\operatorname{ReLU}[\operatorname{LN}(W_g^{p}f_g+b_g^{p})]. \tag{32}\]
\[\widehat{f}_{temp}=\operatorname{ReLU}[\operatorname{LN}(W_{temp}^{p}f_{temp}+b_{temp}^{p})]. \tag{33}\]
Ду намояндагӣ якҷо шуда, аз якҷокунии ғайрихаттӣ гузаронида мешаванд:
\[f_{fus}=\operatorname{Dropout}\{\operatorname{ReLU}[\operatorname{LN}(W_f f_{cat}+b_f)]\}. \tag{34}\]
Вектори logit барои 21 синф:
\[o=W_o f_{fus}+b_o\in\mathbb{R}^{B\times21}. \tag{35}\]
Эҳтимолиятҳои синфҳо бо Softmax ҳисоб карда мешаванд:
\[\widehat{y}_c=\frac{\exp(o_c)}{\sum_{j=1}^{21}\exp(o_j)},\quad c=1,2,\ldots,21. \tag{36}\]
Ташхиси ниҳоӣ синфе мебошад, ки эҳтимолияти баландтарин дорад:
\[\widehat{c}=\arg\max_c\widehat{y}_c,\quad c\in\{1,\ldots,21\}. \tag{37}\]
Метрикаҳои самаранокӣ: Муодилаҳо (38)–(41)
Манбаъ чор метрикаи стандартии таснифро истифода мебарад:
\[\operatorname{Accuracy}=\frac{TP+TN}{TP+TN+FP+FN}. \tag{38}\]
\[\operatorname{Precision}=\frac{TP}{TP+FP}. \tag{39}\]
\[\operatorname{Recall}=\frac{TP}{TP+FN}. \tag{40}\]
\[F1=2\times\frac{\operatorname{Precision}\times\operatorname{Recall}}{\operatorname{Precision}+\operatorname{Recall}}. \tag{41}\]
TP шумораи мусбати ҳақиқӣ, TN манфии ҳақиқӣ, FP мусбати бардурӯғ ва FN манфии бардурӯғро нишон медиҳад. Accuracy нишон медиҳад, ки чӣ қадар аз ҳамаи қарорҳо дурустанд; precision нишон медиҳад, ки чӣ қадар аз намунаҳои ҳамчун ҳамла/носоз нишондодашуда воқеан ба синфи дахлдор тааллуқ доранд; recall нишон медиҳад, ки чӣ қадар аз намунаҳои воқеан дахлдор ошкор шудаанд; F1 бошад тавозуни гармоникии precision ва recall-ро чен мекунад. Ин метрикаҳо бо худ эътимоднокии моделро дар муҳити воқеии саноатӣ исбот намекунанд; онҳо самаранокии таснифро дар доираи додаҳо ва шароити санҷидашудаи манбаъ чен мекунанд.
Усул ва Натиҷаҳои Таҳқиқот
Тавлиди додаҳо, симулятсия ва ҳудуди HIL
Дар тавсифи додаҳои манбаъ ду роҳи тавлид якҷо оварда шудаанд: додаҳои таҷрибавӣ тавассути пайвасти TCP/IP байни платформаи Starsim MT6060 HIL ва компютери асосӣ гирифта шудаанд, ва дар баробари ин инвертори се-сатҳаи T-type дар MATLAB 2024b/Simulink сохта шуда, додаҳои носозии симулятсионӣ тавлид шудаанд. Матн мегӯяд, ки барои ҳар ҳолати носозӣ 300 сабт бо гирифтани мустақил ҷамъ оварда шуда, ба 70%/15%/15% ҷудо шудаанд; аммо равшан намекунад, ки ин тақсимот ба додаҳои HIL ва симулятсия алоҳида ё якҷо татбиқ шудааст. Аз ин рӯ, баёни Verianla ду манбаъро якҷо карда сохтори нави маҷмӯи додаҳоро фарз намекунад.
| Унсур | Қимати дар манбаъ додашуда | Ҳудуди тафсир |
|---|---|---|
| Сигналҳо | ia, ib, ic, VAO, VBO, VCO | Шаш канал |
| Дарозии сабт | 1024 нуқтаи намунагирӣ / канал | Манбаъ басомади намунагириро ба ин қимат баробар намекунад |
| Шумораи сабтҳо | Барои ҳар ҳолати носозии IGBT 300 сабт | Шумораи умумии сабтҳо дар манбаъ алоҳида дода нашудааст |
| Шиддати DC-link | 800 V, тағйирёбии ±5% | Шарте, ки ҳангоми гирифтани додаҳо тағйир дода шудааст |
| Тақсимоти додаҳо | 70% / 15% / 15% | Омӯзиш / санҷиши тасдиқӣ / тест |
| Нармафзори симулятсия | MATLAB 2024b / Simulink | Тавлиди додаҳои носозии T-NPC |
| Системаи HIL | Starsim MT6060 | Аз нав тавлид кардани шароити носозӣ дар вақти воқеӣ ва гирифтани сигнал |
| Контроллер | TMS320F28335 DSP | Тавлиди сигнали 20 kHz PWM |
| Конденсаторҳои DC | C1, C2 = 4000 µF | Ҷадвали параметрҳои симулятсия ва HIL |
| Басомади коммутатсия | 20 kHz | fs; набояд ҳамчун басомади намунагирии додаҳо тафсир шавад |
| Муқовимати бор | 30 Ω | R |
| Индуктивияти филтр | 3 mH | Lf |
| Конденсатори филтр | 8000 µF | Cf |
| Протсессор | Intel Core i7-14900 | Муҳити омӯзиш |
| Хотира | 16 GB RAM | Муҳити омӯзиш |
| GPU | NVIDIA GeForce GTX 5060 | Дар манбаъ бо ҳамин шакл гузориш шудааст |
| Learning rate | 1 × 10−3 | Манбаъ номи optimizer-ро нишон намедиҳад |
| Weight decay | 1 × 10−4 | Регуляризатсия |
| Batch size | 64 | Параметри омӯзиш |
| Dropout | 0.25 | Параметри омӯзиш |
| Sinkhorn entropy ε | 0.1 | Баландтарин дақиқии миёна дар 10 таҷрибаи такрорӣ |
| Қабати GCN | 2 | Бо аблятсияи шумораи қабатҳо интихоб шудааст |
Аблятсияи стратегияи сохтани граф
| Модел | Accuracy | Вақти миёнаи омӯзиш | Параметрҳои шохаи графӣ |
|---|---|---|---|
| Euclidean distance KNN weighted graph | 92.34% | 11 s | 20.12 K |
| Unweighted Sinkhorn graph | 95.21% | 14 s | 22.45 K |
| Графи пешниҳодшудаи weighted Sinkhorn dynamic graph | 99.88% | 15 s | 25.34 K |
Равиши пешниҳодшуда харҷи ҳисобкунии аз ҳама пастро надорад. Нисбат ба варианти Euclidean KNN, бар ивази 5.22 K параметри иловагӣ ва тақрибан 4 s вақти миёнаи иловагии омӯзиш, дар манбаъ афзоиши 7.54 банди фоизии дақиқӣ гузориш шудааст. Ин натиҷа даъвои таҳқиқотро на ҳамчун “сабуктарин модел”, балки ҳамчун тавозуни мусоидтар байни дақиқӣ ва харҷи ҳисобкунӣ мавқеъгирӣ мекунад.
Аблятсияи меъмории дуҷараёнӣ
| Модел | Accuracy (%) | Precision (%) | Recall (%) | F1-score (%) |
|---|---|---|---|---|
| CNN-GCN | 93.98 ± 4.00 | 94.10 ± 4.96 | 93.99 ± 4.20 | 93.97 ± 4.57 |
| CNN-Sinkhorn-GCN | 95.00 ± 1.80 | 95.09 ± 1.59 | 94.96 ± 1.60 | 95.01 ± 1.70 |
| CNN-Sinkhorn-GCN + GRU | 95.47 ± 1.93 | 96.60 ± 1.45 | 96.47 ± 1.83 | 96.46 ± 1.88 |
| CNN-Sinkhorn-GCN + BiGRU | 96.96 ± 1.61 | 97.96 ± 1.54 | 96.96 ± 1.41 | 96.96 ± 1.10 |
| Модели пурраи пешниҳодшуда | 99.88 ± 0.84 | 98.98 ± 1.24 | 98.88 ± 1.16 | 98.78 ± 2.0 |
Ин ҷадвал нишон медиҳад, ки тамоми самаранокӣ бо як ҷузъ шарҳ дода намешавад. Илова шудани графи асосёфта ба Sinkhorn сатҳи ибтидоии CNN-GCN-ро боло мебарад; шохаи замонӣ бо GRU иттилооти иловагӣ меорад; BiGRU бо истифодаи якҷояи контексти пешрав ва пасрав натиҷаро боз ҳам беҳтар мекунад; global attention ва якҷокунии параллелӣ дар меъмории пурра фоидаи иловагӣ медиҳанд.
Аблятсияи global attention
| Сохтор | Accuracy |
|---|---|
| GRU + Global Average Pooling | 87.78% |
| BiGRU + Global Average Pooling | 90.34% |
| BiGRU + Full Connected | 93.54% |
| GRU + Global Attention | 95.65% |
| BiGRU + Global Attention | 96.77% |
| Dual-branch + Full Connected | 98.56% |
| Модели пешниҳодшуда | 99.88% |
Манбаъ ҳангоми илова кардани global attention ба сохтори GRU афзоиши 7.87 банди фоизӣ; ҳангоми истифодаи global attention ба ҷойи global average pooling дар BiGRU афзоиши 6.43 банди фоизӣ ва ба ҷойи fully connected афзоиши 3.23 банди фоизиро гузориш мекунад. Дар шароити якхелаи attention, BiGRU нисбат ба GRU 1.12 банди фоизӣ дақиқии бештар медиҳад. Дар меъмории дуҷараёнӣ истифодаи attention ба ҷойи fully connected барои якҷокунӣ бо афзоиши иловагии 1.20 банди фоизӣ алоқаманд дониста шудааст.
Дақиқии 99.88% Чӣ Гуна Тафсир Бояд Шавад?
Қимати 99.88% дақиқии миёнаи санҷиши тасдиқии таҷрибаҳои такрории дар таҳқиқот гузоришшуда мебошад ва самаранокии моделро дар 21 синфи баррасишуда ва шароити тавлид ва тақсимоти додаҳои дар манбаъ муайяншуда ифода мекунад; он маънои дақиқии универсалии исботшуда барои ҳамаи комбинатсияҳои носозии T-NPC дар дастгоҳи саҳроии дарунсохтро надорад. Иҷроиши ягонаи намунавии confusion-matrix, ки дар манбаъ нишон дода шудааст, дақиқии 99.76% дорад ва аз 819 намунаи санҷиши тасдиқӣ дуто нодуруст тасниф шудаанд; таснифоти миқдории HIL-only ва ҷойгиркунии воқеӣ дар сахтафзори дарунсохт корҳои барои оянда пешбинишуда мебошанд.
Матритсаи намунавии омехтагӣ ва синфҳои нодуруст
Дар иҷроиши намунавӣ яке аз намунаҳои Sa1Sa2-и синфи 1 ҳамчун Sa3Sa4-и синфи 15 ва яке аз намунаҳои Sa1Sb1-и синфи 4 ҳамчун Sa2Sa3-и синфи 9 пешгӯӣ шудааст. Баръакс, барои чор синфи носозии як-IGBT — Sa1, Sa2, Sa3 ва Sa4 — дар ин иҷроиши намунавӣ ҳамаи 39 намунаи ҳар синф дуруст шинохта шуда, манбаъ қиматҳои precision ва recall-ро 100% додааст.
Самаранокӣ дар шароити садо
Манбаъ моделҳоро дар шароити Gaussian white noise-и −4 dB, −2 dB, 0 dB, 2 dB ва 4 dB муқоиса мекунад. Модели пешниҳодшуда дар шароити вазнинтарини садо — −4 dB ва −2 dB — аз рӯи accuracy, precision, recall ва F1 дар байни усулҳои муқоисашуда натиҷаҳои баландтарин медиҳад. Аммо дар шароити 4 dB аз рӯи accuracy ва F1 каме аз 1D-DSCNN-GMP ақиб мемонад. Аз ин рӯ, таҳқиқот на “бартарии бечунучаро дар ҳар сатҳи SNR”, балки махсусан устувории қавӣ дар шароити садои шадидтарро дастгирӣ мекунад.
Чуқурии GCN ва интихоби Sinkhorn ε
Таҳқиқи шумораи қабатҳои GCN нишон медиҳад, ки як қабат барои ҷудокунии кофии хусусиятҳои муносибатӣ нокифоя аст, дақиқӣ дар ду қабат ба авҷ мерасад ва дар шабакаҳои амиқтар самаранокӣ аз сабаби over-smoothing, ки бо аз ҳад зиёд монанд шудани намояндагиҳои гиреҳҳо алоқаманд аст, паст мешавад. Аз сабаби графи динамикии хурди шашгиреҳӣ, ду қабати GCN барои тавозуни дақиқӣ, андозаи модел ва харҷи ҳисобкунӣ интихоб шудаанд.
Дар даҳ таҷрибаи такрорӣ барои коэффисиенти регуляризатсияи Sinkhorn entropy ε баландтарин дақиқии миёна дар қимати ε = 0.1 ба даст омадааст. Манбаъ хабар медиҳад, ки дар қиматҳои хеле хурди ε нақшаи интиқол пароканда мешавад, конвергенсия суст мегардад ва граф ба садо/тағйири шиддати DC ҳассостар мешавад; дар қиматҳои хеле калони ε бошад, ҳамворкунии зиёдатӣ масофаҳои гиреҳҳоро ба ҳам монанд карда, ҷудошавии синфҳоро суст мекунад.
Таъхири барориш
Манбаъ дар Расми 17 вақти миёнаи барориши модели пешниҳодшударо барои batch size = 1 тақрибан 5 ms / намунаи ташхис медиҳад. Ин вақт ҷудокунии хусусиятҳои CNN, сохтани графи динамикии Sinkhorn–Wasserstein, GCN, attention-BiGRU, якҷокунии хусусиятҳо ва таснифоти ниҳоиро дар бар мегирад; вақти гирифтани сигнал ва интиқоли додаҳо ба ин 5 ms дохил нест. Аз ин рӯ, қимати 5 ms набояд ҳамчун вақти пурраи физикии ошкорсозии носозӣ аз аввал то охир тафсир шавад.
Санҷиши HIL чиро нишон медиҳад?
Сохтори HIL-и асосёфта ба Starsim MT6060 ва TMS320F28335 нишон медиҳад, ки таҳрифҳои интизории ҷараён ва шиддат дар носозиҳои гуногуни занҷири кушода метавонанд дар муҳити вақти воқеӣ аз нав тавлид шаванд. Манбаъ барои намунаҳои Sa4, Sa1Sa2 ва Sa1Sa3 шаклҳои мавҷро пешниҳод мекунад ва мегӯяд, ки ин сигналҳо бо механизмҳои носозии таҳлили симулятсионӣ мувофиқат мекунанд. Аммо манбаъ дар бахши натиҷаҳо арзёбии миқдории таснифоти HIL-only-ро ҳамчун кори оянда мегузорад.
Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад ва умумисозиҳое, ки дастгирӣ намекунад
| Манбаъ дастгирӣ мекунад | Манбаъ дастгирӣ намекунад |
|---|---|
| Моделсозии шаш сигнали ҷараён-шиддат бо графи динамикии хоси намуна дар шароити дар манбаъ санҷидашуда нисбат ба алтернативаҳои графи собит/Euclidean дақиқии баландтар додааст. | Хулосае, ки дар ҳамаи топологияҳои инвертор ё ҳамаи навъҳои носозӣ ҳамин фоида кафолат дода мешавад. |
| Шохаи замонии BiGRU + global attention ва якҷокунии параллелӣ дар аблятсияҳо ба самаранокӣ саҳми иловагӣ гузоштаанд. | Хулосае, ки вазнҳои attention сабабияти физикӣ ё сабаби дақиқи аслии физикии носозӣ мебошанд. |
| Модели пешниҳодшуда дар шароити шадиди Gaussian white noise-и −4 dB ва −2 dB дар байни моделҳои муқоисашуда натиҷаҳои қавӣ нишон додааст. | Хулосае, ки он дар ҳар навъи садо ва ҳар сатҳи SNR бечунучаро беҳтарин модел аст. |
| Системаи HIL ҳолатҳои носозӣ ва шаклҳои мавҷи ҷараён-шиддатро аз нав тавлид кардааст. | Хулосае, ки дар HIL дақиқии алоҳидаи пурраи 99.88% барои тасниф нишон дода шудааст. |
| 21 синф баррасӣ шудааст. | Хулосае, ки ҳамаи комбинатсияҳои ягона ва дугонаи занҷири кушода дар системаи T-NPC фаро гирифта шудаанд. |
| Вақти барориши модел тақрибан 5 ms гузориш шудааст. | Хулосае, ки вақти умумии вокуниши саҳроӣ бо дарназардошти гирифтани сигнал ва интиқоли додаҳо 5 ms аст. |
Нуқтаҳои кушода аз назари бозтавлидпазирӣ
Гарчанде манбаъ занҷири усулҳоро муфассал тавсиф мекунад, баъзе параметрҳои татбиқӣ равшан нестанд. Шумораи ҳамсояҳои интихобшуда барои ҳамсоягии динамикии N(i), қимати ададии коэффисиенти ҳарорати τ дар Муодилаи (13), номи optimizer ва шумораи дақиқи максималии epoch-ҳои омӯзиш дар матн равшан гузориш нашудаанд. Илова бар ин, тавсифи додаҳо HIL ва MATLAB/Simulink-ро дар як бахш шарҳ медиҳад, аммо дақиқ ҷудо намекунад, ки тақсимоти 70/15/15 ба ин манбаъҳои додаҳо чӣ гуна татбиқ шудааст. Ин холигиҳо бо қиматҳои нав пур карда нашудаанд.
Ёддошт оид ба Манбаъ ва Усул
Таҳқиқоти аслӣ: A Dual-Stream Network with Dynamic Graph Convolution and Attention-Based BiGRU for IGBT Open-Circuit Fault Diagnosis in T-NPC Three-Level Inverters
Муаллифон: Lin Bai; Bo Guo; Weiye Jing; Feng Li; Wei Luo.
Муаллифи масъул: Lin Bai; дар манбаъ бо аломати ситора ҳамчун corresponding author нишон дода шудааст.
Муассисаҳо: Lin Bai ва Wei Luo — Department of Electrical Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China. Bo Guo, Weiye Jing ва Feng Li — Shanxi Lu’an Anyi Electric Co., Ltd., Changzhi 046000, China.
Маҷалла: Energies.
Ношир: MDPI, Basel, Switzerland.
Сол / ҷилд / шумора / мақола: 2026; 19(17); 4227.
DOI: 10.3390/en19174227.
Пайванди расмӣ: https://doi.org/10.3390/en19174227
Навъи мақола ва тақриз: Мақолаи таҳқиқотӣ мебошад, ки дар маҷаллаи Energies нашр шудааст. Сабти манбаъ мегӯяд, ки он 7 августи 2026 қабул барои баррасӣ шудааст, 1 сентябри 2026 бознигарӣ, 4 сентябри 2026 қабул ва 7 сентябри 2026 нашр шудааст.
Иҷозатнома: Дастрасии кушода таҳти иҷозатномаи Creative Commons Attribution (CC BY).
Навъи таҳқиқоти илмӣ: Таҳияи усули ташхиси носозӣ бар асоси омӯзиши амиқ; симулятсияи MATLAB/Simulink, санҷишҳои аблятсия ва садо ва санҷиши шароити носозӣ/сигнал дар асоси HIL.
Маблағгузорӣ: Манбаъ ибораи “This research received no external funding”-ро истифода мебарад.
Дастрасии додаҳо: Манбаъ мегӯяд, ки саҳмҳои аслии таҳқиқот дар дохили мақола мавҷуданд ва саволҳои иловагӣ метавонанд ба corresponding author ирсол шаванд; пайванди мустақили анбори кушодаи додаҳо дода нашудааст.
Бархӯрди манфиатҳо: Гуфта шудааст, ки Bo Guo, Weiye Jing ва Feng Li кормандони Shanxi Lu’an Anyi Electric Co. мебошанд. Муаллифони дигар изҳор доштаанд, ки муносибатҳои тиҷоратӣ ё молиявие, ки метавонанд ба таҳқиқот таъсир расонанд, вуҷуд надоранд.
Саҳмҳои муаллифон: Консептуализатсия: Lin Bai ва Wei Luo; усул: Lin Bai ва Bo Guo; нармафзор: Lin Bai ва Weiye Jing; санҷиш: Lin Bai, Feng Li ва Wei Luo; навиштани тарҳи аввал: Lin Bai ва Weiye Jing; бознигарӣ ва таҳрир: Bo Guo ва Wei Luo. Ҳамаи муаллифон версияи нашршударо хонда ва тасдиқ кардаанд.
Нуқтаҳои муҳими дохилии манбаъ: Дар Муодилаи (25) навишти индекси махраҷи нормализатсияи attention аз ҷиҳати математикӣ номуайян аст ва дар ин ҷо хомӯшона ислоҳ нашудааст. Рамзи ε ҳам барои собити хурди устуворӣ дар махраҷи Z-score ва ҳам барои коэффисиенти регуляризатсияи Sinkhorn entropy истифода шудааст; ду маъно ҷудо нигоҳ дошта шудаанд. Азбаски манбаъ тартиби тақсимоти додаҳои HIL ва симулятсияро бо тамоми ҷузъиёташ ҷудо намекунад, Verianla дар ин нуқта ҷараёни нави додаҳоро фарз накардааст.
Ҳудуди асосии тафсир: Дақиқии миёнаи санҷиши тасдиқии 99.88% барои 21 синф ва шароити таҷрибавии дар манбаъ муайяншуда мебошад. Таснифоти миқдории HIL-only, ҳамаи комбинатсияҳои имконпазири носозиҳои фаза-B/фаза-C, умумисозии байни шароитҳо ва ҷойгиркунии вақти воқеӣ дар сахтафзори дарунсохт ҳамчун кори оянда боқӣ мондаанд.
Шарҳ гузоред
Нишонии почтаи электронии шумо нашр намешавад. Майдонҳои ҳатмӣ бо * нишон дода шудаанд