中科院合肥物理所高戈教授和李江教授課題組對脈寬調制轉換器的故障診斷進行了研究，提出了一種神經網絡故障診斷算法，解決了該領域存在的問題。場地。結果發表在IEEETransactionsonPowerElectronics上。

脈寬調制具有高效率、高功率密度和高可靠性的優點。但由于驅動系統的復雜性和聚變聯合操作的多樣性，脈寬調制電壓源變流器系統容易出現嚴重故障。因此，故障診斷技術的研究備受關注，尤其是開路故障診斷，是科學家們一直關注的課題。

目前的故障診斷方法只處理整流狀態或逆變狀態。理論分析表明，兩種狀態下的故障特征量具有完全不同的特征且復雜，增加了故障診斷的難度。

本研究在應用所提算法時，僅以三相網側電流作為故障診斷的特征量，在整流和逆變狀態下診斷出21類故障。

“與傳統的卷積神經網絡架構不同，精心設計的設計可以增加網絡的深度和寬度，同時保持計算預算不變，”該研究的第一作者鄧曦博士說。“這樣可以更好地利用網絡內部的計算資源。”

實驗結果表明，該模型無需增加傳感器即可在12.83ms(<3/4周期)內準確檢測出約99.14%的開路開關故障。

該研究為聚變發電系統安全穩定運行提供了基礎，也為其他領域提供了參考價值。