基于神经网络的电力电子电路故障诊断

提出采用基于波形直接分析的神经网络故障诊断方法实现电力电子电路在线故障诊断，以三相整流电路为例，选用ＢＰ网络对其进行了有效故障诊断。仿真实验表明，其方法是有效的。     

基于粗糙集-神经网络系统的电力电子电路故障诊断

基于粗糙集理论RST(Rough Set Theory)与BP神经网络系统,提出了电力电子电路故障诊断的方法：粗糙集-神经网络系统相结合的方法。叙述了粗糙集-神经网络系统诊断电力电子电路的过程。以三相可控整流电路为例,对故障信息中样本的故障征兆进行数据预处理,通过知识约简,形成诊断的确定性规则,实现故障分类;然后将粗糙集的分类结果与故障信息中的输出电压Ud采样值作为神经网络的输入,实现故障元的定位。仿真实例表明,该方法不仅准确可靠,而且提高了系统诊断的速度。     

基于分形的电力电子电路故障诊断

本文针对电力电子电路的故障,分析了故障产生的原因和类型,结合分形几何,求取输出波形的分形维数为特征,提出了一种新的故障诊断的方法,以三相整流桥路为例,建立了故障元与分形维数之间的关系,实现了电路的故障诊断。     

基于BPNN的电力电子电路参数性故障诊断方法

提出了一种基于BP神经网络的电力电子电路参数性故障的在线诊断方法.通过研究电路中关键元器件的失效机理及电路整体性能的退化规律,选择输出电压基准变化率作为电路的故障特征参数,并确定故障阈值;利用BPNN对元器件参数及电路工作参数进行辨识,依据辨识结果获取电路故障特征参数,并将其与故障阈值比较,实现在线故障诊断.对典型Bo...     

基于改进粒子群算法神经网络的电力电子电路故障诊断

粒子群优化(PSO)算法是基于群智能的全局优化技术,它通过粒子间的相互作用,对解空间进行智能搜索,从而发现最优解.对基本粒子群算法进行改进,并将改进粒子群优化算法与误差反向传播(BP)算法结合起来构成的混合算法用于训练人工神经网络,对电力电子电路故障进行在线诊断.仿真结果表明,改进PSO-BP算法有效地解决常规BP算法学习网络权值和阈值收敛速度慢、易陷入局部极小等问题,具有较快的收敛速度和较高的诊断精度.     

基于支持向量机的电力电子电路故障诊断技术

提出一种利用小波包分析获取电力电子电路故障特征和基于支持向量机状态分类的电力电子电路故障诊断方法。首先讨论小波包故障信号特征提取和支持向量机(support vector machine,SVM)的多值分类算法,重点研究一种改进的支持向量机的"一对多"故障分类算法,实现对十二脉波可控整流电路中晶闸管断路故障的诊断。实验结果分析表明,该方法能准确对电力电子电路进行诊断和故障元定位、诊断精度高,该方法在解决电力电子电路故障诊断问题上有着很好的实用价值和应用前景。     

电力电子电路软故障诊断方法对比分析

为减少由于电力电子装置故障导致的停机时间,方便工作人员提前维修将要发生故障的器件,研究电力电子电路的软故障诊断意义重大。为此,分别分析并使用 BP 神经网络和支持向量机的故障诊断算法。基于 BP 神经网络,采用了单输出BP神经网络模型和多输出BP神经网络模型;基于支持向量机,采用了一对多(OVA)算法和一对一(OVO)算法。并以闭环控制的DC/DC变换电路诊断为例,仿真验证了诊断算法的有效性,并对各诊断算法的诊断性能进行了评估。     

基于分形神经网络的电力电子电路故障诊断

针对电力电子电路的故障,分析了故障产生的特征类型,提出了基于分形理论及BP网络故障诊断的方法。以三相整流桥路为例,利用分形理论建立了故障元与分形维数之间的关系,对故障信息做预处理。通过仿真试验提取出用于BP神经网络训练的学习样本,并构建了用于不同类故障的三层BP神经网络结构,继而确定故障点。     

基于Wigner-Ville分布的电力电子电路故障诊断技术

提出了一种基于Wigner-Ville分布的电力电子电路故障诊断方法,首先建立各种类型故障信号的Wigner-Ville模时频矩阵,然后计算故障信号Wigner-Ville模时频矩阵与标准模时频矩阵的相似度,以相似度最大为判别依据实现故障的诊断。三相桥式可控整流电路晶闸管故障诊断仿真结果表明该方法能准确对电力电子电路故障进行类型的识别和故障元的定位,对噪声具有鲁棒性,且算法简单,在解决电力电子电路故障问题上有着很好的工程实用价值。     

基于小波和马氏距离的电力电子电路故障诊断

基于小波分析和马氏距离,提出了一种电力电子电路故障诊断的方法,并应用于DC-DC变换电路.首先仿真所有故障模式下的电路,对采样所得输出数据进行小波分析,提取特征向量以简化数据,并计算特征向量的重心及协方差矩阵的逆作为最终的故障特征建立故障字典.然后在诊断时,测量未知故障电路数据,采样并进行小波分析,只要计算未知故障与故障集之间的马氏距离就可以判断待测电路的故障.这种方法覆盖了参数性故障及结构性故障这两方面,并且通过实例表明可以达到较高的故障检测率.     

电力电子电路故障的遗传进化神经网络诊断

介绍了一种诊断电力电子电路故障的基于改进遗传进化的神经网络混合算法 ,论述了该算法的理论和运算操作步骤后将其用于电力电子三相整流电路的故障诊断。仿真实验证明该法可诊断电力电子三相整流电路故障 ,且收敛速度快 ,诊断准确度高 ,具有实际的工程应用价值     

基于量子神经网络的电网故障诊断算法

传统的人工智能方法处理电网故障诊断中交叉数据模式识别问题的效果不甚理想。为此,作者提出运用量子神经网络进行故障诊断的算法,借鉴量子力学的相关概念,不断更新各层神经元的连接权以及隐含层各神经元的量子间隔,以达到提高故障诊断容错性的目的。仿真结果表明,在保护动作信息不完备的情况下,该算法的故障判断准确性明显优于传统神经网络。另外,该算法对存在一定错误数据的故障信息也具有良好的识别能力。     

一种电力电子电路故障诊断方法

提出了一种基于参考模型的电力电子电路故障诊断方法。该法通过研究实际系统与参考模型特征输出量之间的残差来进行故障诊断,具有输入量少且判据简单的特点,特别适用于复杂电力电子电路的故障诊断。通过以晶闸管三相变流装置主电路故障诊断为例进行仿真和实验研究验证了应用参考模型法进行电力电子电路故障诊断的可行性和有效性。     

电力电子主电路故障诊断方法研究

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,分析了三相桥式可控整流电路的故障波形特点,将利用小波变换模极大值和多尺度分析理论提取的故障特征输入神经网络诊断故障。归纳了故障诊断需知的3个条件以实现控制角的检测、故障的分类和定位。仿真表明该方法有效。     

基于小波包能量法及神经网络的电力电子装置故障诊断

故障特征提取和识别方法的研究对发展和完善电力电子装置的智能故障诊断技术有着重要的作用。应用小波包能量法提取出电力电子装置在各种状态下电压及电流信号的能量特征向量,并将它们进行数据融合作为神经元网络故障分类器的输入向量,由神经元网络故障分类器对各种故障进行识别和诊断。以电力电子整流装置主电路故障为例进行了仿真实验,试验结果表明该方法无需数学模型就能快速准确的完成故障定位诊断。     

基于免疫神经网络的电力电子电路故障诊断

任何单一的故障诊断方法都有其优缺点,根据生物免疫学的原理,将人工神经网络和免疫算法结合起来,形成免疫神经网络。将免疫系统应用于人工神经网络隐层数据处理中,选择一种合适的确定隐含层到输出层的权值,计算得到人工神经网络的输出,并根据输出结果诊断出故障的类型。实验结果表明,免疫神经网络能够以较小的网络规模实现对多种故障模式的准确识别,它具有较快的处理速度、良好的容错性和强大的自适应能力。     

基于SOM神经网络的风电电子装置故障诊断

监测可能发生故障的电力电子器件,对电力电子装置的故障进行识别和诊断,以降低电气系统的故障发生率,对于减少风力发电机组运行的故障率.降低风力发电运行维护成本有着重要意义.为此,提出将自组织特征映射神经网络(SOM)应用于风力发电机组电力电子装置的故障诊断中.实验结果表明,利用该方法进行风力发电机电力电子装置故障诊断能取得较好的效果,具有一定的工程应用价值.     

基于小波神经网络的电网故障诊断研究

分析了小波神经网络的基本原理,将小波神经网络引入到电网故障诊断并在4母线系统进行了测试.仿真结果表明,该方法具有很好的故障诊断能力,与基于BP神经网络的电网故障诊断方法相比,基于小波神经网络的电网故障诊断方法原理简单、诊断效果更为理想.     

容差模拟电路软故障诊断的神经网络方法

为了提高诊断容差模拟电路软故障的速度与准确性,提出了一种随机算法、灵敏度分析、免疫遗传算法与神经网络相结合的软故障诊断方法.该法首先利用基于随机算法的灵敏度分析来解决电路发生软故障时测试节点与激励信号频率选择困难的问题,然后对待测电路施加所选的激励并在所选择的测试节点处提取节点电压,这些电压值再经主元分析与归一化处理作为故障特征,输入神经网络.为了解决传统BP算法本身固有的易陷入局部最优等缺点,引入免疫遗传算法来进行优化,形成基于免疫遗传算法的BP神经网络,进行故障分类.本文详述了其诊断原理及诊断步骤,并通过电路诊断实例,验证了所提方法的有效性.