IGBT故障诊断-DARTS机器学习与边缘AI逆变器检测

POWER ELECTRONICS · INDUSTRIAL AI · DARTS · EDGE COMPUTING

一台多电平逆变器发生IGBT开路故障以后，真正困难的往往不是判断“设备坏了”，而是快速定位到底是哪一个开关器件发生故障。尤其在级联H桥多电平逆变器CHMI中，不同位置的IGBT开路后可能产生几乎相同的输出电压波形，真正能够区分故障位置的信息只隐藏在非常微弱的局部电压尖峰中。传统FFT、PCA、SVM依赖人工特征设计，普通CNN又需要研究者反复调整网络深度、卷积核和下采样方式。近期研究开始把神经架构搜索NAS引入工业故障诊断，让AI自动寻找适合当前电压波形的轻量网络，并进一步部署到Jetson Orin Nano边缘设备。本文从IGBT故障机理讲起，解析DARTS、PC-DARTS-SC、20×20电压特征图、TensorRT和FP16边缘推理，同时讨论高准确率背后容易被忽视的数据划分、噪声测试与真实工业泛化问题。

一、为什么逆变器故障诊断越来越重要？

逆变器承担的是：

DC-AC电能转换。

新能源发电。

电机驱动。

储能。

充电站。

工业电源。

很多场景都离不开逆变器。

其中：

Cascaded H-Bridge Multilevel Inverter

也就是：

级联H桥多电平逆变器，CHMI。

因为输出谐波特性好、dv/dt较小、模块化程度高、效率高，在中高功率场景中有明显优势。

但它也有一个现实问题：

电平越多，使用的功率半导体器件越多。

器件越多：

潜在Failure Point自然也越多。

二、IGBT为什么是故障诊断里的重点？

IGBT全称：

Insulated Gate Bipolar Transistor。

中文一般叫：

绝缘栅双极型晶体管。

它长期是功率变换器中的重要开关器件。

常见Failure大致包括：

• Short-Circuit Fault；

• Open-Circuit Fault。

也就是：

短路故障。

和：

开路故障。

三、为什么这篇研究主要盯着Open-Circuit Fault？

短路故障：

通常非常猛烈。

可能在极短时间内造成：

大电流。

热冲击。

器件损坏。

因此现代IGBT Driver往往已经配置快速Hardware Protection。

相比之下：

Open-Circuit Fault，OCF

不一定立即把系统彻底关停。

设备可能继续运行。

但：

输出电流、电压开始畸变。

其他器件的Stress增加。

长期可能继续造成Secondary Damage。

所以：

OCF真正麻烦的地方不是“故障不存在”，而是设备还能运行，却已经处于异常状态。

四、为什么CHMI比普通两电平逆变器更难诊断？

因为CHMI包含多个H-bridge Submodule。

一个H桥：

通常就有四个IGBT。

如果多个H桥级联：

开关数量迅速增加。

这意味着：

发现Fault只是第一步。

更难的是：

到底是哪一个IGBT坏了？

五、这篇实验研究了多少种状态？

研究使用：

单相五电平级联H桥逆变器。

包含两个H桥模块。

总共：

8个IGBT。

因此分类任务包括：

• 1种正常状态；

• 8种单IGBT开路故障。

合计：

9个Class。

六、为什么有些IGBT故障“看起来一模一样”？

这是这篇研究真正有意思的地方。

例如：

H1S1发生开路。

和：

H1S3发生开路。

因为它们位于H桥里的对角位置：

产生的整体输出电压模式可能非常接近。

类似情况还包括：

H1S2。

和：

H1S4。

也就是说：

从大尺度波形看，两个不同Fault Class几乎是一样的。

七、那到底靠什么把它们区分开？

靠的不是：

整条Voltage Waveform的整体形状。

而是：

很微弱、很局部的Voltage Spike。

这些差异主要出现在：

负载电流：

Zero-crossing附近。

也就是：

真正能够识别故障位置的信息：

可能只存在于整个20 ms波形周期中的一小段。

八、为什么传统FFT、PCA、SVM开始遇到瓶颈？

传统Data-driven Fault Diagnosis通常会：

先做：

FFT。

DWT。

PCA。

统计特征。

然后：

再送给：

SVM。

KNN。

或者其他Classifier。

这条路线已经非常成熟。

问题在于：

必须有人提前告诉算法应该提取什么特征。

九、Feature Engineering真正麻烦在哪里？

假设两个Fault：

在Frequency Domain差异明显。

FFT就很好用。

但如果下一种Fault：

差异主要发生在一个非常短的局部Time Segment。

频域Feature可能就不一定最合适。

因此：

• 选哪个Signal；

• 用什么Feature；

• 保留多少Principal Component；

• Classifier怎么调；

都会越来越依赖Domain Expert。

十、Deep Learning不是已经可以自动提Feature了吗？

没错。

CNN最大的优势之一就是：

直接从Raw Signal中学习Feature。

所以近年来已经出现：

1D-CNN。

Residual Network。

2D-CNN。

用于：

Power Electronic Fault Diagnosis。

但问题只是往后移动了一步。

十一、普通CNN依然需要人工设计Network Architecture

你还需要决定：

用3层还是8层？

Kernel 3还是Kernel 7？

Channel多少？

哪里Pooling？

哪里Downsampling？

用什么Residual Structure？

这些结构：

仍然主要依赖：

研究人员经验 + Trial and Error。

所以：

Deep Learning虽然减少了手工Feature Engineering：

却没有完全消除：

Manual Architecture Engineering。

十二、这就是NAS出现的原因

NAS：

Neural Architecture Search。

中文：

神经架构搜索。

简单说：

不要研究人员一个个尝试：

CNN-A。

CNN-B。

CNN-C。

而是：

让算法自己搜索适合这个任务的神经网络结构。

十三、DARTS是什么？

DARTS：

Differentiable Architecture Search。

传统NAS可能需要：

强化学习。

进化算法。

大量训练不同Network。

计算成本很高。

DARTS的关键：

是把：

原本离散的：

“选择3×3还是5×5卷积”

转成：

可以用Gradient优化的连续问题。

十四、DARTS到底在搜索什么？

假设两个Node之间：

可以选择：

• 3×3 Convolution；

• 5×5 Convolution；

• 7×7 Convolution；

• Dilated Convolution；

• Pooling；

• Identity；

• Zero。

DARTS不会一开始就硬选一个。

而是：

先给所有Candidate Operation一个Weight。

然后随着Training：

自动调整这些Weight。

最后：

保留最有价值的Operation。

十五、为什么这项研究又使用PC-DARTS？

Standard DARTS：

需要让全部Channel参与Mixed Operation。

Memory Cost比较高。

而：

PC-DARTS

也就是：

Partial Channel DARTS。

只选择部分Channel：

参与Architecture Search。

其余Channel直接Bypass。

这样：

可以明显降低：

显存。

计算量。

搜索成本。

十六、PC-DARTS-SC又是什么？

这项研究进一步提出：

PC-DARTS-SC。

SC：

代表：

Special Cell。

和Image Classification常见NAS不同：

这里没有机械沿用：

Normal Cell。

Reduction Cell。

而是只搜索：

Special Cell。

十七、为什么故意去掉Reduction Cell？

因为输入数据非常小。

最终Voltage Feature Map：

只有：

20 × 20。

更重要的是：

真正有价值的Fault Information：

只是几个非常微弱的Local Voltage Spike。

如果模型太早：

Pooling。

Downsampling。

这些Spike可能直接被抹掉。

这里不是“Feature Map越小越高效”，而是“压缩过早可能把唯一能区分故障位置的信息一起压掉”。

十八、为什么一维Voltage Signal要变成20×20？

实验采样率：

20 kHz。

Fundamental Period：

20 ms。

所以：

每一个完整Voltage Cycle：

包含：

400个Sampling Point。

400刚好可以：

Reshape成：

20 × 20矩阵。

这样：

原本1D Signal：

变成2D Feature Map。

十九、为什么不用复杂时频图，而只做简单Reshape？

这是这项方法比较实用的地方。

它没有：

先FFT。

再Wavelet。

再Spectrogram。

再Image Conversion。

而是：

直接把一个完整电压周期重新排列。

好处是：

Preprocessing简单。

计算负担小。

更加适合Edge Deployment。

二十、Search Space为什么要放3×3、5×5、7×7？

因为Fault Spike：

并不是固定只存在一种Temporal Scale。

较小Kernel：

更关注：

非常局部的变化。

较大Kernel：

可以看到：

更宽范围的上下文。

Dilated Convolution：

则扩大Receptive Field：

同时避免过度增加Parameter。

所以：

不同尺度Operation一起放入Search Space：

让NAS自己决定：

当前Fault Pattern到底需要多大的Receptive Field。

二十一、最后NAS实际偏爱什么操作？

搜索结果显示：

Network明显偏向：

5×5和7×7 Separable Convolution。

这与Fault Mechanism分析：

其实是吻合的。

说明：

单纯特别小的Local Kernel：

未必足够。

模型需要：

同时看到：

Voltage Spike。

以及：

它周围一段Waveform Context。

二十二、最终网络有多深？

最终架构：

采用：

4个Special Cell。

然后：

接：

Global Average Pooling。

再：

Fully Connected Layer。

最后：

Softmax输出9个Class。

二十三、为什么使用Global Average Pooling？

如果直接：

把最后Feature Map全部Flatten：

再接大型Fully Connected Layer：

Parameter数量会明显增加。

对于：

Fault Dataset并不是特别大的场景：

容易Overfitting。

GAP：

可以减少Model Size。

同时：

方便Edge Deployment。

二十四、实验数据到底怎么采？

二十五、故障是自然坏掉的吗？

不是。

实验采用：

Controlled Fault Injection。

也就是：

通过强制对应IGBT的Gate-drive Signal：

变成Zero。

来模拟：

Open-Circuit Fault。

这种方法的优势：

安全。

可重复。

样本容易平衡。

但缺点也很明显：

它并不等于真实工业现场自然老化形成的OCF。

二十六、数据怎么划分？

Dataset Split：

75% Training。

15% Validation。

10% Test。

并且：

每个Sample：

对应一个完整Fundamental Voltage Cycle。

没有使用：

Overlapping Sliding Window。

这比：

高度重叠Window：

直接随机分到Train和Test：

更合理。

二十七、但这个数据划分仍然有一个很重要的问题

这也是原论文自己承认的Limitation。

虽然：

每一个Cycle没有重叠。

但是：

相邻Cycle：

仍然可能来自：

同一段连续采集Sequence。

因此：

Train里的Cycle。

和Test里的Cycle：

可能存在：

Temporal Correlation。

所以“Cycle不重叠”并不自动等于“Train和Test严格独立”。

二十八、为什么这一点对99%以上的Accuracy特别重要？

如果同一个连续实验：

前几个Cycle进入Training。

旁边几个Cycle进入Test。

它们可能共享：

相似的：

• 温度；

• Load State；

• Noise Pattern；

• Sensor Offset；

• Device Condition。

那么Test Set：

可能比真正的新设备、新时间段：

更容易。

所以如果未来要进一步增强Evidence：

最好增加：

Time-block Split。

或者：

Entire Acquisition Session Holdout。

二十九、PC-DARTS-SC表现怎么样？

在：

7 Ω。

6 mH。

RL Load条件下：

公开结果报告：

平均Diagnostic Accuracy达到99.44%。

而在NAS Ablation中：

DARTS-SC。

和：

PC-DARTS-SC。

在对应Test Set：

均达到：

100.00%。

不过：

两个数字不能简单混在一起。

一个是：

Repeated Trial的平均表现。

另一个是：

特定搜索架构和Test设置下的结果。

三十、为什么100% Accuracy反而更应该谨慎解释？

工业AI里看到：

100%。

第一反应不应该只是：

“模型太强了。”

还应该继续检查：

• Test Set有多大？

• 是否严格Temporal Holdout？

• 是不是同一台Hardware？

• Fault是不是Controlled Injection？

• Operating Condition是否有限？

• 是否包含真实Aging Fault？

所以：

这篇更准确的结论是：

模型在当前实验域内表现非常好。

而不是：

“已经可以在所有工业逆变器实现100%故障诊断。”

三十一、NAS搜索会不会特别费GPU？

这个问题很现实。

NAS经常被批评：

计算代价大。

但这项实验：

使用：

单张RTX 4060。

搜索：

20 Epoch。

一次完整Search：

472.95秒。

换算：

0.0055 GPU-days。

Peak GPU Memory：

2.86 GB。

从NAS角度：

这个成本并不算夸张。

三十二、PC-DARTS-SC到底节省多少Search Cost？

在相同Special Cell设置下：

DARTS-SC：

0.0082 GPU-days。

PC-DARTS-SC：

0.0055 GPU-days。

同时：

两者Test Accuracy：

都为：

100%。

所以这部分真正想证明的是：

不是：

PC-DARTS-SC突然让Accuracy再涨很多。

而是：

用更低的Search Cost获得相同级别的诊断表现。

三十三、最终Model到底有多小？

Trainable Parameters

0.2417 M

不到25万个可训练参数。

FP32 Storage

约0.97 MB

适合资源受限设备。

CPU Inference

<20 ms

单Sample平均推理低于一个20 ms基波周期。

三十四、为什么20 ms这个数字非常重要？

因为：

一个Fundamental Voltage Cycle：

本身：

20 ms。

如果处理一条Cycle：

Inference需要：

200 ms。

那边缘端会不断积压数据。

如果：

一次Inference：

低于一个Cycle Duration。

理论上：

就具备：

Cycle-level Online Diagnosis

的可能性。

三十五、为什么最终要部署Jetson Orin Nano？

真实工业现场：

不可能每台逆变器旁边：

放一台：

RTX 4090工作站。

Edge Device：

需要：

• 体积小；

• 功耗低；

• 成本可控；

• 延迟低；

• 能够本地运行AI。

Jetson Orin Nano：

正好就是：

典型Edge AI Platform。

三十六、为什么不用FPGA？

FPGA在：

Deterministic Latency。

Parallel Computing。

方面非常强。

但开发成本：

通常更高。

需要更多：

Hardware Design Experience。

Jetson的优势：

是：

直接兼容：

PyTorch。

ONNX。

TensorRT。

部署链条更加成熟。

对做Algorithm Prototype：

特别方便。

三十七、模型为什么先转ONNX？

训练模型：

最开始是：

PyTorch。

但是实际部署：

并不希望完全依赖Training Framework。

所以先转换成：

ONNX。

ONNX：

相当于：

一个Cross-platform Model Representation。

然后：

再交给：

TensorRT。

做Inference Optimization。

三十八、TensorRT究竟做了什么？

主要包括：

• FP16 Mixed Precision；

• Layer Fusion；

• Tensor Fusion；

• Memory Optimization；

• Kernel Auto-tuning。

最终目标只有一个：

更快完成相同模型的Inference。

三十九、FP16会不会让模型“变聪明”？

不会。

这一点原文也专门解释。

FP16：

是减少Precision。

换取：

更快Inference。

更低Memory。

它不会：

自动提高：

训练模型本身的Diagnostic Ability。

如果部署后Accuracy一样：

正确理解应该是：

加速过程没有明显破坏预测结果。

而不是：

TensorRT“提高了AI准确率”。

四十、Noise Robustness有没有测试？

有。

实验加入：

Additive White Gaussian Noise。

也就是：

AWGN。

SNR范围：

45 dB到30 dB。

用来观察：

Signal受到不同程度Noise以后：

Diagnosis Performance怎么变化。

四十一、AWGN能代表真实工业噪声吗？

不能完全代表。

实际逆变器环境还可能有：

• Switching Noise；

• Sensor Noise；

• Quantization Noise；

• Grounding Interference；

• EMI；

• Low-frequency Oscillation。

这些Noise：

不一定满足：

Gaussian Distribution。

所以AWGN实验真正能说明的是：

模型对可控Additive Noise的Sensitivity。

不能直接等价：

“模型已经通过所有工业噪声测试”。

四十二、这项研究最有价值的地方其实不是99.44%

真正完整的是：

Fault Mechanism：先分析哪些IGBT波形难区分。

Raw Signal：直接使用真实测量Voltage。

Representation：400点重构为20×20。

AutoML：PC-DARTS-SC自动搜索网络。

Lightweight：最终只有0.2417 M参数。

Robustness：增加不同SNR Noise Test。

Deployment：PyTorch → ONNX → TensorRT。

Edge AI：最终在Jetson Orin Nano验证。

也就是说：

它不只停留在：

Notebook Accuracy。

而是：

尝试走到了：

Algorithm → Deployment。

四十三、但离真正工业现场还有多远？

目前仍然有几个明显差距。

第一：

只有：

单相五电平CHMI。

第二：

只有：

Single IGBT OCF。

第三：

Fault：

是Controlled Emulation。

第四：

只测试：

两个RL Load Condition。

第五：

暂时缺少：

真实长期Aging Fault。

四十四、真实工业数据会比实验室难在哪里？

实验室设备：

相对稳定。

现场设备：

可能同时出现：

• Device Aging；

• Sensor Drift；

• Temperature Change；

• Load Transient；

• EMI；

• Multiple Fault；

• Unknown Fault。

这些情况：

都可能让：

Training Distribution。

和：

Production Distribution。

发生明显变化。

四十五、为什么Cross-condition Generalization比继续刷Accuracy更重要？

假设：

7 Ω + 6 mH：

Accuracy 99.9%。

但：

换一个Motor。

换一个Load。

换一种Modulation。

立刻变成75%。

那它的Industrial Value：

仍然有限。

所以未来真正需要的是：

Train on A，Test on B。

而不只是：

同一个Operating Condition随机拆分。

四十六、如果继续做这篇研究，最值得增加哪些实验？

四十七、工业AI故障诊断未来有哪些热门方向？

• AutoML Fault Diagnosis；

• Neural Architecture Search；

• Edge AI；

• Few-shot Fault Diagnosis；

• Self-supervised Learning；

• Domain Adaptation；

• Digital Twin；

• Physics-informed AI；

• Open-set Fault Diagnosis；

• Continual Learning；

• Predictive Maintenance；

• Multi-sensor Fusion；

• Transformer Fault Diagnosis；

• Lightweight Industrial AI。

四十八、做电力电子AI论文最容易出现哪些问题？

四十九、SCI发表辅导：工业AI论文真正应该讲怎样的Research Story？

电力电子故障诊断、人工智能、机器学习、Edge AI和Predictive Maintenance都是比较活跃的工程交叉研究方向。

但现在单纯写：

“我们提出一个CNN，Accuracy达到99%。”

已经越来越难形成完整Contribution。

Reviewer通常还会继续问：

为什么传统Feature Engineering不够？

为什么一定需要NAS？

为什么这个Search Space适合当前Fault？

Train和Test是否真正独立？

换负载以后还能不能工作？

Parameter多少？

Latency多少？

到底是在GPU工作站测试，还是已经Edge Deployment？

因此，对于已经有人工智能、电力电子、逆变器故障诊断、IGBT、机器学习、深度学习、边缘计算相关实验、代码或论文初稿的研究者，我们可以提供SCI发表辅导，结合已有研究协助梳理Research Gap、模型逻辑、实验设计、Baseline、Ablation、数据划分、鲁棒性验证、部署指标、Discussion和目标期刊方向。

对于已经进入投稿、返修或者改投阶段的稿件，也可以根据实际项目情况选择投稿无限期服务直到见刊的持续支持方案，在约定服务范围内协助目标期刊匹配、投稿材料整理、Reviewer Comments分析、返修结构以及后续改投方向。具体审稿周期和最终录用结果仍取决于研究质量、实验完整度以及目标期刊的实际同行评审。

FAQ：IGBT、逆变器故障诊断、DARTS和Edge AI常见问题

Q1：什么是IGBT开路故障？

IGBT开路故障是功率开关器件失去正常受控导通能力的一种故障，会改变原有电流通路并导致逆变器输出电压、电流发生畸变。

Q2：为什么IGBT开路故障比想象中难定位？

在CHMI中，不同位置开关故障可能产生非常相似的整体输出电压波形，真正能够区分Fault Location的信息可能只存在于很弱的局部电压尖峰。

Q3：什么是CHMI？

CHMI是Cascaded H-Bridge Multilevel Inverter，即级联H桥多电平逆变器，由多个H桥子模块串联形成多电平输出。

Q4：什么是DARTS？

DARTS是Differentiable Architecture Search，通过把离散网络结构选择放松为连续可微优化问题，利用梯度自动搜索神经网络架构。

Q5：PC-DARTS和DARTS有什么区别？

PC-DARTS只让部分Feature Channel参与混合操作，以降低Architecture Search的显存和计算开销，并通过Edge Normalization提高搜索稳定性。

Q6：为什么把电压信号重构成20×20？

实验每个20 ms周期包含400个采样点，重构成20×20 Feature Map以后，可以直接使用二维卷积提取不同时间尺度下的局部Fault Pattern。

Q7：为什么使用大卷积核？

不同Fault之间的微弱差异可能跨越多个时间尺度，5×5和7×7等较大Receptive Field有助于同时观察局部尖峰及周围波形上下文。

Q8：Jetson Orin Nano为什么适合工业AI？

它体积较小，支持GPU推理，并兼容PyTorch、ONNX和TensorRT等成熟AI工具链，适合进行低成本Edge AI原型部署。

Q9：TensorRT会提高模型准确率吗？

TensorRT主要用于优化推理速度、显存和计算效率，本身不会提高训练模型的固有诊断能力。

Q10：99%以上诊断准确率是否代表已经可以工业部署？

不能直接这样理解。还需要验证不同设备、不同负载、真实老化故障、传感器漂移、EMI、时间独立测试和更多现场运行条件。

Q11：工业故障诊断还有哪些热门SCI方向？

包括AutoML、Edge AI、Few-shot Learning、Domain Adaptation、Digital Twin、Physics-informed AI、Open-set Diagnosis、Self-supervised Learning和Predictive Maintenance。

Q12：SCI发表辅导可以协助工业AI研究哪些环节？

可以结合已有研究协助Research Gap、模型设计、数据划分、Baseline、Ablation、鲁棒性实验、Edge Deployment、结果解释、选刊和Reviewer Response等环节。

结语：真正有价值的工业AI，不只是在电脑上把Accuracy做到99%

逆变器故障诊断：

看起来像：

一个Classification问题。

但真正工业化以后：

问题会复杂得多。

首先：

不同IGBT Open-Circuit Fault：

可能产生几乎相同的Voltage Waveform。

真正有用的信息：

只是：

几个非常细小的Local Spike。

其次：

传统Feature Engineering：

需要专家持续参与。

普通CNN：

又把人工工作转移到了：

Architecture Design。

DARTS真正解决的：

正是：

让Network Structure本身也成为可以自动优化的对象。

这项研究进一步做得比较完整的是：

没有让模型永远停留在RTX工作站。

而是：

最终把0.2417 M参数的轻量Architecture：

转换为ONNX。

再经过TensorRT。

部署到：

Jetson Orin Nano。

这条：

Fault Mechanism → AutoML → Lightweight Model → Edge Deployment

才是它真正值得关注的地方。

不过：

当前结果仍然来自：

单相五电平CHMI。

Controlled OCF。

有限RL Load。

而且：

Cycle-level Random Split：

并不能完全排除连续采集数据之间的Temporal Correlation。

所以未来真正重要的方向：

并不是继续把99.44%：

提高到99.8%。

而是：

换设备还能不能识别。

换负载还能不能识别。

真实器件老化以后还能不能识别。

现场EMI下还能不能工作。

出现训练集中没见过的Fault：

模型知不知道：

“这不是我认识的九种状态之一。”

对于工业人工智能来说，真正的挑战从来不是让模型在实验室里认对一次，而是让它在设备、工况、时间和噪声都发生变化以后，仍然知道自己看到了什么。