0 引言
近年来，电力电子系统的可靠性越来越引起社会各界的广泛注意[1-2]。大量的研究及实践表明，在轨道交通领域，实现轨道列车牵引系统的实时健康状态监测，做到及时的故障预警和提前维修[3-4]，将大大提高系统的可靠性，节约维修成本。
直流母线支撑电容作为牵引系统的关键部件，其健康状态随着投入运行年限的增加而变差，直流母线电容失效导致的列车系统停机甚至损毁给社会带来了巨大的经济损失[5-6]。因此，支撑电容的状态监测技术成为了当前研究的热点[7-8]。支撑电容的容值能够表征其真实的健康状态[9]，本文提出了一种大功率变流器直流母线电容容值的在线监测方法，利用数据训练得到基于卷积神经网络-长短期记忆网络(Convolutional Neural Networks-Long Short Term Memory，CNN-LSTM)的神经网络模型[10]，可以根据列车系统运行过程中采集到的实时运行数据进行支撑电容值的准确软测量，对于实现支撑电容健康状态在线监测、提高功率变流器的可靠性具有重要意义。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003737。
作者信息：
杨培盛1，付 宇1，李鸿飞2，初开麒2，王梦谦2，李政达2
(1.济南轨道交通集团建设投资有限公司，山东 济南250014；
2.中车青岛四方车辆研究所有限公司，山东 青岛266033)
凡《网络安全与数据治理》（原《信息技术与网络安全》）录用的文章，如作者没有关于汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权等版权的特殊声明，即视作该文章署名作者同意将该文章的汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权授予本刊，本刊有权授权本刊合作数据库、合作媒体等合作伙伴使用。同时，本刊支付的稿酬已包含上述使用的费用，特此声明。