计算机控制技术在电力电子电路中的应用

从电力电子电路数字化控制的要求出友，对分别由单片机、数字信号处理器(DSP)以及微型计算机等为主构成的电力电子电路的计算机控制系统进行了详细介绍和比较分析，指出了电力电子电路新型控制技术的发展方向。     

基于WOA-PNN算法的电力电子电路故障诊断分析

为进一步提高电力电子电路可靠性,提出了一种基于鲸鱼优化算法(WOA)的优化概率神经网络(PNN)算法,对电力电子电路进行了故障诊断。通过Simulink软件建立电路模型,利用小波变换分析电路中的直流输出。将分析后的参数作为特征值,将电路正常工作状态下的特征值与故障状态中的特征值作为训练样本,输入WOA-PNN,并进行训练。仿真验证结果表明,与直接应用PNN进行故障诊断相比,WOA-PNN算法能更准确地诊断和分析电力电子电路的故障。     

粒子群RBF神经网络电力电子电路故障诊断

为检测和诊断电力电子电路中的故障,获得更高的诊断精确度,提出粒子群算法优化RBF神经网络的故障诊断方法.与基本RBF神经网络相比,粒子群RBF神经网络可以提高系统的收敛速度和精度.把通过特征提取获得的电力电子电路故障特征量作为神经网络的输入,利用训练好的粒子群优化后的RBF神经网络进行故障诊断.仿真结果表明,实际输出与期望输出基本吻合,具有良好的分类效果,能够提高诊断精确度,对于电力电子电路的故障诊断是一种有效的方法.     

电力电子电路智能故障诊断技术研究

随着我们国家经济的不断发展,很多的行业和领域中使用到了电力电子的产品或者是装置,这些产品和装置在我们国家的发展中起到了很重要的作用。虽然说电力电子产品的使用在很大程度上提升了效率,但是在使用的过程中电力电子电路也经常出现一些问题,这些问题的出现给电力电子的使用带来了很大的问题,其中电力电子电路智能故障的诊断就成了我们研究的重点,只有将这部分技术发展起来,才能在最大限度上保证电力电子电路智能故障的解决,也才能保证电力电子产品的正常使用。文章简要阐述了电力电子电路智能故障诊断技术相关的问题。     

基于量子神经网络的电力电子电路故障诊断

量子神经网络就是将量子力学的思想引入到神经网络的研究之中,与传统的神经网络相比,量子神经网络的并行处理能力更强,数据集的处理更加高效快速,本文主要就基于量子神经网络的电力电子电路故障诊断方法进行简单的分析介绍。     

基于Multisim技术的电力电子电路的优化设计研究

科学技术水平的提高,使诸多电力电子设备被应用于各个领域当中,极大推动了各个领域的发展.由于电力电子电路的设计非常复杂,设计周期往往较长,对电力电子电路的参数修改较为麻烦等缺陷,致使电力电子电路的设计产品在精度与可靠性方面受到很大影响.对电力电子电路的I波形与V波形进行波形分析,能够为电力电子电路的优化设计提供科学的指导,但由于其I波形与V波形较为复杂,这使波形分析面临着很大的困难.因此必须采取相应的措施来予以改进,而Multisim技术的出现为电力电子电路的优化设计提供了全新的方向.为此,本文便基于Multisim技术对电力电子电路的相关优化设计方法进行深入的研究与探讨.     

小波包和改进粒子群算法的电力电子故障诊断

为提高广泛应用的电力电子电路故障的诊断准确率与速度，提出一种基于小波包变换和改进粒子群算法的电力电子电路故障诊断方法。首先，利用小波包对故障信号进行分解与重构得到小波包系数，应用Fisher准则降维并进行归一化处理，得到优化的故障特征向量；然后，采用具有扭曲粒子位置的措施和增加动态惯性权重系数的改进粒子群算法求取各类故障的故障特征中心，通过计算测试样本与故障特征中心的欧氏距离实现对故障的分类诊断；最后，通过典型电力电子电路仿真实验对所提出的方法进行实验验证。实验结果表明，文中选用改进后的粒子群算法进行故障诊断时，与小波包-BP神经网络和小波包-极限学习机比较，准确率分别提高了3.52%和6.3%，诊断所需时间分别减少2.4 s和3.5 s。     

基于Pspice的电力电子课程CAI

本文讨论了将计算机仿真技术应用于电力电子课程ＣＡＩ的必要性和可行性，给出了基于通用开放式平台的电子电路仿真软件ＰＳｐｉｃｅ７．１仿真电力电子电路的实例。     

基于神经网络的故障诊断专家系统

描述了人工神经网络的基本原理及其在故障诊断专家系统中的应用。分析了基于人工神经网络的故障诊断专家系统的设计思想、系统结构及知识表示、知识获取和推理机制等方面的基本方法。     

电力电子电路智能故障诊断技术探讨

在人们科技水平快速发展的背景下,市面上各种新型电力电子产品不断问世。现代人对相应系统的各类品质需求随之拓展增加,导致电力电子电路故障诊断的智能化发展成为相关领域亟待解决的重要课题。因此,以该问题为导向,通过Matlab高效仿真计算机软件构建仿真模型,获得输出型电压ud,并用傅里叶分析方式提取基波幅值、直流分量、三次和二次波幅值等。将这些数据信息进行一体化处理分析,输入于BP神经网络整体结构中,获得拥有编码性质特征的6个基本数字,继而确立故障具体发生部位以及故障基本发生点位。同时,运用这个方式,将三相桥型整流电路作为仿真实验案例,具体测试误差能够降低至10-4。最终,通过该实验充分证明,此方式和其他传统诊断方式相比较,有着更加高效的诊断效率,并且能够在全面提升电力电子电路故障诊断效率的同时,提升诊断质量,是一项诊断水平高、稳定性强、可靠性高、应用范围广阔以及未来发展前景良好的电力电子电路诊断技术。     

基于小波包分析和Elman神经网的故障诊断方法研究

由非线性电力电子装置组成的电路发生故障时,故障特征信息不易提取和识别。对此提出一种基于小波包分析和Elman神经网的电力电子装置故障诊断的方法,先运用小波包分析法提取电路在不同故障状态下电压及电流信号的特征信息,然后对数据进行归一化处理并作为Elman神经网的输入,由具有智能学习功能的神经元故障分类器完成故障识别和定位。以12脉冲整流电路为例,在Matlab软件下建立电路模型进行仿真实验,结果表明该方法能快速、准确的完成故障诊断。     

模拟电路故障诊断中的特征信息提取

在运用BP神经网络进行模拟电路故障诊断过程中,代表故障特征的网络输入至关重要。分析了常见特征信息提取和故障诊断方法,提出一种基于多测试点、多特征信息原始样本集的新方法。运用这种方法构造原始故障特征集,然后作为BP神经网络的输入对网络进行训练,仿真结果表明,通过该方法构造的样本集训练出来的网络对模拟电路故障诊断的正确率优于传统方法,证明了该方法在模拟电路故障诊断中的可行性,为模拟电路的故障诊断提供了一种新方法。     

基于PSpice与LM算法的模拟电路故障诊断方法

采用小波神经网络与Levenberg-Marquardt算法相结合的方法,对模拟电路进行故障诊断;用小波对冲击响应信号进行多尺度分解,进行归一化后,提取故障特征信息作为神经网络的输入而进行分类。将PSpice与Matlab结合不但能有效的诊断模拟电路,且在收敛性和故障准确性上有了大幅提高。实验仿真表明,通过该方法构造的样本集训练出的网络稳定性高于传统方法,适用于神经网络。     

基于电流测试的混合电路故障诊断

在运用小波神经网络进行混合电路故障诊断的过程中,测试参数的选取至关重要。研究了一种基于电流测试的故障诊断。该方法即通过PSPICE模拟电路的静态及动态电流信息,再通过小渡神经网络的结合,证明了该方法在混合电路故障诊断中的可行性,为提高混合电路的故障诊断率提供了一种新的方法。     

基于小波神经网络和相位差的模拟电路故障诊断

根据模拟电路中存在噪声的问题,提出利用相位差来进行故障诊断。通过正常模式和故障模式下相位差和幅值差的特征提取,建立故障字典。然后利用小波神经网络对故障电路建模,基于该网络学习收敛快,对网络输入不太敏感的特点,实现故障诊断。通过实例证明,该方法不但诊断准确,而且很切合实际模拟电路。     

基于Elman神经网络的模拟电路故障诊断研究

针对模拟电路的软故障,文中提出了一种基于改进Elman神经网络与提高特征向量有效性相结合的诊断方法。该方法对不同情况下的输出信号进行3次小波分析,形成8维的特征向量,再与改进的Elman神经网络结合进行分类与诊断。将改进Elman神经网络应用于非线性模拟电路故障诊断中可提高其诊断率与分类率。文中对其诊断方法进行了实验对比测试,结果表明,该方法提高了诊断性能,其诊断率与分类率分别为92.5%和83%。     

容差模拟电路故障模糊诊断方法及其实现

提出了基于SOFM神经网络的容差模拟电路故障模糊诊断方法及其实现。该方法将网络撕裂法和SOFM神经网络相结合进行故障测试．并运用所设计的模糊逻辑神经网络系统判断测试条件，定位容差模拟电路的子网络级故障。仿真试验表明该方法故障定位精确度高。撕裂迅速，有利于大规模容差模拟电路故障诊断的实现。     

一种基于神经网络的模拟电路故障诊断方法

模拟电路故障诊断一直是一项富有挑战性的研究课题。文章在简要介绍BP神经网络基本原理的基础上,以差分放大电路为例,设计并实现了基于BP算法的模拟电路故障诊断方法,建立了模拟电路故障诊断BP神经网络模型。实验表明,该模型的辨识精度高,能实现对模拟电路故障的正确诊断。     

基于模糊规则神经分类器的模拟电路故障诊断法

对利用基于模糊规则的神经网络分类器进行模拟电路故障诊断的方法了研究。担子同ＦＲＣ网络模型及其学习算法，它适用于多种类，多规则的分类问题。还探讨了模拟电路故障的一阶及二阶牲概念，并给出了一个用ＦＲＣ进行故障诊断的实例。