본 논문에서는 3상 PWM(Pulse Width Modulation) 컨버터에 대해 ANNs(인공신경망) 을 활용한 다중 스위치 개방고장 진단 방법을 제안한다. 컨버터의 스위치에서 개방고장이 발생하면, 고정자 전류에는 직류 및 고조파 성분이 포함될 수 있다. 이러한 비정상 전류는 보호회로로 쉽게 차단되지 않으므로, 주변기기에서 2차 고장이 발생할 수 있다. 따라서 개방고장을 진단하는 방법이 필요하다. 단일 스위치 및 이중 스위치에 대한 개방고장의 경우, 고장난 스위치에 따라 21가지 고장 모드가 존재한다. 본 논문에서는 이들 고장 모드를 고장 전류의 직류 성분과 THD(Total Harmonics Distortion) 를 이용하여 국소화한다. 전류에서 직류 성분과 THD를 얻기 위해 ADALINE(Adaptive Linear Neuron)을 사용한다. 고장 모드 국소화를 위해 직렬로 두 개의 ANN을 사용하며, 21가지 고장 모드는 직류 성분을 이용하는 첫 번째 ANN에 의해 6개 구역으로 분류되고, 이후 두 번째 ANN이 각 구역에서 d-q 축 전류의 직류 및 THD를 함께 사용하여 고장 모드를 국소화한다. 시뮬레이션과 실험을 통해 제안한 방법의 타당성이 확인되었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.