基于CGAN样本扩充与自适应小波神经网络的ANPC逆变器故障诊断方法

本发明公开了一种基于CGAN样本扩充与自适应小波神经网络的ANPC逆变器故障诊断方法，属于电力电子设备智能故障诊断技术领域。首先采集逆变器上、中、下桥臂电压信号，利用小波包分解提取能量谱熵构建24维特征向量，并通过核主成分分析（KPCA）降维至6维；针对小样本条件下诊断精度不足的问题，采用CGAN生成高质量故障样本以扩充训练集；分类阶段引入AWNN作为分类器，利用Mexican Hat小波基函数与Adam优化算法进行训练和测试。实验表明，该方法显著提升模型收敛速度与分类精度，测试准确率达96.92%。通过上述方法，本发明能够在无需增加额外硬件成本的条件下，有效解决样本不足带来的诊断困难问题，具有较高的工程应用价值和推广前景。