سیستم تشخیص خطا و پایش وضعیت برای ماژول های IGBT در اینورترهای کشش متروی شیراز با استفاده از رویکرد هوش مصنوعی

این مقاله یک سیستم جامع تشخیص خطا و پایش وضعیت (PHM) برای ماژول های IGBT در اینورترهای کشش قطارهای متروی شیراز ارائه می دهد. هر قطار متروی شیراز دارای ۵ واگن است که ۳ واگن از آنها مجهز به اینورتر کشش ۱MW هستند. هر اینورتر ۸ ماژول IGBT مدل ABB ۵SNA۱۵۰۰E۳۳۰۳۰۵ دارد که در مجموع ۲۴ IGBT در هر قطار را تشکیل می دهند. روش پیشنهادی شامل پایش آنلاین ۶ پارامتر کلیدی با نرخ نمونه برداری متنوع، ترکیب شبکه عصبی کانولوشنی (CNN) برای تشخیص خطای حاد با دقت ۹۷.۸٪ و زمان استنتاج ۳.۵ms و مدل LSTM برای پیش بینی عمر باقی مانده (RUL) با ۱۲.۳ = MAPE و افق پیش بینی ۱۳۰۰ ساعت است. سیستم حفاظتی سه لایه از انفجار IGBT در کمتر از ۱ms جلوگیری می کند. ارزیابی اقتصادی برای ناوگان ۱۸ رام متروی شیراز نشان می دهد هزینه اولیه پیاده سازی ۹۰,۷۰۸ دلار با دوره بازگشت سرمایه ۲۰۰۷ سال قابل توجیه است.

کلیدواژه ها:

IGBT ، اینورتر کشش ، پایش وضعیت ، RUL ، LSTM ، CNN ، PHM ، متروی شیراز ، هوش مصنوعی