ارزیابی قابلیت اطمینان مبدل‌های الکترونیک قدرت مبتنی بر شبکه‌های عصبی تکثیر کننده

سنجش قابلیت اطمینان مبدل‌های الکترونیک قدرت به دلیل عملکرد آنها تحت تنش‌های حرارتی و الکتریکی، به شدت اهمیت داشته و نیازمند کمی‌سازی است. عملکرد هنجار یا ناهنجار یک مبدل بر اساس شرایط محیطی، ساخت و بهره‌برداری تعیین می‌شود. شاخص‌های خرابی فعلی تنها مبتنی بر داده‌های خرابی‌های قبلی بوده و بر اساس اطلاعات تاریخچه عملکرد مبدل محاسبه می شوند که فرایند پیرشدگی به شدت بر آنها اثرگذار است. در این مقاله، با کمک داده‌های حاصل از پایش وضعیت مبدل به صورت زمان واقعی ،شاخصی جدید معرفی می شود. هر مبدل با استفاده از شبکه‌های عصبی تکثیرکننده مدل‌سازی شده و ضریب بازسازی شبکه یا خطای بازسازی به عنوان شاخص پایایی یا ضریب ناهنجاری مبدل لحاظ خواهد شد. در حقیقت، سنجش قابلیت اطمینان مبتنی بر قیاسِ بین یک مدلِ مرجع از شرایط سلامت مبدل و عملکرد ناهنجار آن در آینده صورت می‌پذیرد. در روش پیشنهادی، یک تابع توزیع نرمال بر روی سیگنال خطای بازسازی شده، برازش و درصد فاصله آنها به عنوان ضریب ریسک ناهنجاری معرفی می شود. مزایای این روش عبارتند از لحاظ نمودن تمامی عدم قطعیت ها در فرایند ساخت کلید قدرت و شرایط کاری آن، عدم نیاز به فرایند آزمون پیرشدگی در تهیه داده خرابی و لحاظ نمودن تمامی خرابی‌ها.

reliability assessment of power electronic converters using replicator neural networks

reliability assessment of power converters is extremely important due to the degradation of the converter performance under the thermal and electrical stresses. the normal or abnormal operation of a converter is determined based on the quality of the manufacturing process and the environmental and operating conditions. the failure indices are based on the previous failures data which are calculated using the history of the main parameter of the converter which are strongly affected by the aging process. in this article, a new real-time indicator is introduced using the monitoring of the main parameters of the converter. each indicator is modeled using replicator neural network (rnn) and the network reconstruction coefficient or reconstruction error will be considered as the reliability index or the coefficient of anomaly of the converter. in fact, the reliability assessment is based on the comparison between a reference model of the converter in normal conditions and the estimation of abnormal operation of the converter in the future. in the proposed method, a normal distribution function on the reconstructed error signal, their fit and percentage distance are introduced as the abnormality risk coefficient. the advantages of this method include taking into account all the uncertainties in the process of manufacturing the power switch and its working conditions, not needing the aging test process in preparing the failure data and taking into account all the failures