三相方波逆变电路pwm死区时间

Posted 2023-05-04

参考技术A 什么是死区时间？

　　数据手册的参数

　　如何计算合理的死区时间？

　　STM32中配置死区时间

　　什么是死区时间？PWM是脉冲宽度调制，在电力电子中，最常用的就是整流和逆变。这就需要用到整流桥和逆变桥。

　　对三相电来说，就需要三个桥臂。以两电平为例，每个桥臂上有两个电力电子器件，比如IGBT。大致如下图所示；

　　

　　这两个IGBT不能同时导通，否则就会出现短路的情况，从而对系统造成损害。

　　那为什么会出现同时导通的情况呢？

　　因为开关元器件的 和 严格意义并不是相同的。

　　所以在驱动开关元器件门极的时候需要增加一段延时，确保另一个开关管完全关断之后再去打开这个开关元器件，通常存在两种情况；

　　上半桥关断后，延迟一段时间再打开下半桥；

　　下半桥关断后，延迟一段时间再打开上半桥；

　　这样就不会同时导通，从而避免功率元件烧毁；死区时间控制在通常的单片机所配备的PWM中都有这样的功能，下面会进一步介绍。

　　

　　相对于PWM来说，死区时间是在PWM输出的这个时间，上下管都不会有输出，当然会使波形输出中断，死区时间一般只占百分之几的周期。但是当PWM波本身占空比小时，空出的部分要比死区还大，所以死区会影响输出的纹波，但应该不是起到决定性作用的。

　　另外如果死区设置过小，但是仍然出现上下管同时导通，因为导通时间非常非常短，电流没有变得很大，不足以烧毁系统，那此时会导致开关元器件发热严重，所以选择合适的死区时间尤为重要，过大过小都不行。

　　数据手册的参数这里看了一下NXP的IRF540的数据手册，栅极开关时间如下所示；

　　

　　典型参数

　　：门极的开通延迟时间

　　：门极的关断延迟时间

　　：门极上升时间

　　：门极下降时间

　　下面是一个IGBT的数据手册；

　　开关属性

　　如何计算合理的死区时间？这里用 表示死区时间，因为门极上升和下降时间通常比延迟时间小很多，所以这里可以不用考虑它们。则死区时间满足；

　　：最大的关断延迟时间；

　　：最小的开通延迟时间；

　　：最大的驱动信号传递延迟时间；

　　：最小的驱动信号传递延迟时间；

　　其中 和 正如上文所提到的可以元器件的数据手册中找到； 和 一般由驱动器厂家给出；

　　如果是MCU的IO驱动的话，需要考虑IO的上升时间和下

电路仿真基于matlab BP神经网络三相逆变器故障诊断含Matlab源码 1655期

一、BP神经网络三相逆变器故障诊断简介

针对三相桥式逆变电路为研究对象，建立了仿真模型，并对逆变器主电路开关器件的开路故障进行仿
真，提出了基于BP神经网络的故障诊断方法，确定了网络的结构和参数，并以此训练网络．仿真试验结果表明，该神经网络具有很好的故障识别能力，所选择的基于BP神经网络的三相逆变器故障诊断系统是可行的。

电力电子技术广泛应用于国防军事和工业生产.电力电子设备一旦发生故障，可能造成装置或系统的损坏甚至威胁人身安全；因此，对电力电子设备进行故障检测和诊断非常有意义。由于电力电子器件的过载能力小，损坏速度快，且故障信息仅存在于发生故障后到停电之前的数十毫秒以内，所以需要动态监视，在线诊断.目前，人们只能从输出波形来诊断它是否有故障，以及何种故障，现已有多种方法用于电力电子电路的故障诊断.利用BP网络来诊断无功发生器中逆变器主回路元件开路故障；采用傅里叶分析方法实现了对三相变流器主电路的故障诊断；提出了采用小波分析和神经网络诊断电力电子
装置故障诊断的方法。在此则以三相桥式逆变电路为例，研究应用BP神经网络进行故障诊断的方法。

二、部分源代码

load T1
load T2
load T3
load T4
% wt=cwt（x，wname）使用wname指定的解析小波来计算cwt。
% wname的有效选项是“morse”、“amor”和“bump”，它们分别指定morse、Morlet（Gabor）和bump小波。
% 如果不指定wname，则wname默认为“morse”。
wt1=cwt(T1(1:1100,1));
wt2=cwt(T2(1:1100,1));
wt3=cwt(T3(1:1100,1));
wt4=cwt(T4(1:1100,1));
p=[wt1 wt2 wt3 wt4];
p=real(p);

class=[ones(1100,1);ones(1100,1)*2;ones(1100,1)*3;ones(1100,1)*4];
%创建BP网络 
%特征值归一化
[input,minI,maxI] = premnmx(p)  ;

%构造输出矩阵
s = length( class) ;
output = zeros( s , 4 ) ;
for i = 1 : s 
   output( i , class( i )  ) = 1 ;
end

%创建神经网络
net = newff( minmax(input) , [10 4] ); %,  'logsig' 'purelin'  , 'traingdx' ) ; 

%设置训练参数
net.trainparam.show = 50 ;
net.trainparam.epochs = 500 ;
net.trainparam.goal = 0.03 ;
net.trainParam.lr = 0.01 ;

%开始训练
net = train( net, input , output' ) ; 

disp('TRAIN OK.')

save bpnet net;

load bpnet

%测试数据归一化
testInput = tramnmx ( p, minI, maxI ) ;

%仿真
Y = sim( net , testInput ) ;

%统计识别正确率
[s1 , s2] = size( Y ) ;
hitNum = 0 ;
for i = 1 : s2
    [m , Index] = max( Y( : ,  i ) ) ;
    if( Index  == class(i)   ) 
        hitNum = hitNum + 1 ; 
    end
end
fprintf('识别率是 %3.3f%%',100 * hitNum / s2 );
%% 测试
load T1_WRONG.mat
load bpnet
wt1=cwt(T1_WRONG(1:1100,1));
testInput = tramnmx (wt1, minI, maxI ) ;
testInput=real(testInput);
%仿真
Y = sim( net , testInput ) ;

%统计识别正确率
[s1 , s2] = size( Y ) ;
hitNum = 0 ;
for i = 1 : s2
    [m , Index] = max( Y( : ,  i ) ) ;
end
if Index==1
    disp('故障T1');
end
if Index==2
    disp('故障T2');
end
if Index==3
    disp('故障T3');
end
if Index==4
    disp('故障T4');
end

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 徐国保、张冰、石丽梅、吴凡.MATLAB/Simulink权威指南——开发环境、程序设计、系统仿真与案例实战[M].清华大学出版社，2019.
[2]李献,骆志伟,于晋臣.MATLAB/Simulink系统仿真[M].清华大学出版社，2017.
[3]向军.MATLAB/Simulink系统建模与仿真[M].清华大学出版社，2021.
[4]罗耀华,从静.基于matlab BP神经网络的三相逆变器故障诊断[J].应用科技.2010年6月.