改进粒子群神经网络的电力电子电路故障诊断

收稿日期:2007208208;　定稿日期:2007212218 基金项目:国家自然科学基金资助项目(60374008,60501022);航空科学基金资助项目(2006zd52044,04152068) ?研究论文? 基于小波径向基网络的电力电子电路故障诊断 韩晓静,王友仁,崔江 (南京航空航天大学自动化学院,南京　210016) 　 摘　要:　提出了一种基于小波径向基神经网络和主成分分析的电力电子故障诊断方法,该方法用 小波变换和主成分分析对数据进行预处理,提取出有效故障特征信息,实现数据压缩,减少了神经 网络的训练时间,选用径向基(rbf)网络为故障分类器,解决了bp网络容易陷入局部极小点的问 题,提高了训练速度,并且具有诊断率高的特点。实例证明了该方法的有效性,并与其他诊断方法 进行了对比。

收稿日期:2007208208;　定稿日期:2007212218 基金项目:国家自然科学基金资助项目(60374008,60501022);航空科学基金资助项目(2006zd52044,04152068) ?研究论文? 基于小波径向基网络的电力电子电路故障诊断 韩晓静,王友仁,崔江 (南京航空航天大学自动化学院,南京　210016) 　 摘　要:　提出了一种基于小波径向基神经网络和主成分分析的电力电子故障诊断方法,该方法用 小波变换和主成分分析对数据进行预处理,提取出有效故障特征信息,实现数据压缩,减少了神经 网络的训练时间,选用径向基(rbf)网络为故障分类器,解决了bp网络容易陷入局部极小点的问 题,提高了训练速度,并且具有诊断率高的特点。实例证明了该方法的有效性,并与其他诊断方法 进行了对比。

人工神经网络在电力电子电路故障诊断中有广泛的应用。常用的反向传播算法存在着容易陷入局部极小点、对初值要求高的缺点,给故障诊断带来不便。提出了采用遗传算法优化人工神经网络结构的初值,将遗传算法与人工神经网络结合起来,应用于电力电子电路的故障诊断中。仿真实验表明该方法是有效的。

基于wigner-ville分布的电力电子电路故障诊断技术 王荣杰 （集美大学轮机工程学院，厦门361021） 摘要：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。 关键词：wigner-ville分布；相似度；故障诊断；电力电子电路 中图分类号：tp181文献标识码:a faultdiagnosistechnologybasedonwigner-vill

针对传统的电力电子电路参数辨识仅对部分器件进行辨识,未辨识到所有器件特征参数值,无法准确判断电路当前状态的问题,建立了基于电感电流与输出电压的电路混杂系统模型,使用粒子群优化算法将参数辨识问题转化为目标函数优化问题,求解得到电路中所有关键元器件的特征参数值,以更好地表征电路的健康状态。仿真实验结果表明该方法的辨识精度达到98%以上,有较好的辨识效果。

采用一种基于粒子群优化算法和人工神经网络相结合的混合算法应用于电力电子整流电路的故障诊断。文中首先论述了粒子群优化算法以及实现粒子群和神经网络的混合算法的操作步骤,然后将这种诊断方法应用于电力电子整流电路的故障诊断。仿真诊断结果表明,这种混合诊断方法可用于电力电子三相整流电路的故障诊断。它具有较快的收敛速度和较高的诊断精度,它具有工程的应用价值。

采用最小二乘支持向量机预测算法对电力电子电路进行故障预测.以基本降压斩波电路为例,选择电路输出电压作为监测信号,提取输出电压平均值及纹波值作为电路特征性能参数,并利用ls-svm回归预测算法实现故障预测.仿真结果表明,利用ls-svm对基本降压斩波电路输出平均电压与输出纹波电压的预测相对误差均低于2%,能够跟踪故障特征性能参数的变化趋势,有效实现电力电子电路故障预测.

毕业设计（论文） 题目：电力电子电路缓冲器的研究与仿真 学生姓名：xxx 学号：xxx 所在学院：电气与光电工程学院 专业班级：电气工程及其自动化1405班 届别：2018届 指导教师：xxx 皖西学院本科毕业设计（论文）创作诚信承诺书 1.本人郑重承诺：所提交的毕业设计（论文），题目《电力 电子电路缓冲器的研究与仿真》是本人在指导教师指导下独立完 成的，没有弄虚作假，没有抄袭、剽窃别人的内容； 2.毕业设计（论文）所使用的相关资料、数据、观点等均真 实可靠，文中所有引用的他人观点、材料、数据、图表均已标注 说明来源； 3.毕业设计（论文）中无抄袭、剽窃或不正当引用他人学 术观点、思想和学术成果，伪造、篡改数据的情况； 4.本人已被告知并清楚：学校对毕业设计（论文）中的抄袭、 剽窃、弄虚作假等违反学术规范的行为将

86电子电路故障诊断的新方法

针对现有电力电子电路故障状态预测技术的不足,提出将电路特征性能参数与粒子群算法(pso)优化的径向基函数(rbf)神经网络相结合,对电力电子电路进行故障状态监测预测.以电源电路中buck电路为例,选择电路输出电压作为监测信号,提取输出电压平均值及纹波电压值作为电路特征性能参数,并利用改进后的rbf神经网络实现状态预测.结果表明,利用pso改进后的rbf神经网络对电路输出平均电压和纹波电压的预测比单纯rbf神经网络预测的结果更加精准,能够跟踪电源电路状态特征性能参数的变化趋势,有效实现电力电子电路状态监测和预测.

支持向量机（svm）是-种解决小样本分类问题的最佳理论算法,它的核函数的参数选择非常重要,直接影响着故障诊断的准确率.本文将粒子群算法（pso）用于支持向量机的参数优化,提出基于粒子群支持向量机的故障诊断模型,并将其运用于轨道电路中.通过对比matlab仿真结果得出：经过粒子群寻优得到的参数比随机选取的参数更优,所建立的pso-svm模型的故障诊断准确率高于普通的svm模型.

毕业设计说明书 课题名称：电力电子路仿真技术的应用 学生姓名倪世呈 学号0902013425 二级学院（系）电气电子工程学院 专业机电一体化技术 班级机电0934 指导教师方建华 起讫时间：2012年2月13日～2012年4月6日 浙江机电职业技术学院毕业设计说明书 i 电力电子电路仿真技术的应用 摘要 本文是用matlab/simulink实现电力电子有关电路的计算机仿真的毕业设计。 论文给出了单相半波可控整流电路、单相桥式全控整流电路、三相半波可控整 流电路、三相半波有源逆变电路、三相桥式全控整流电路的实验原理图、matlab 系统模型图、及仿真结果图。实验过程和结果都表明：matlab在电力电子有关 电路计算机仿真上的应用是十分广泛的。尤其是电力系统工具箱－power systemblockset（ps

采用新型粒子群算法的电力电子装置在线故障诊断方法

电子电路故障检测综述

利用小波分析具有能量分布特征提取的特性和遗传算法优化bp算法的能力,提出了一种基于遗传算法、小波与神经网络的电梯故障诊断方法,并应用电梯故障数据作为实例进行了验证.遗传算法小波神经网络模型诊断速度快、鲁棒性好、故障诊断正确率高.

电力电子课程设计说明书 题目：降压斩波电路设计 学生姓名：蒋文锋 学号：201206010216 院（系）：电气与信息工程学院 专业：电气工程及其自动化 指导教师：康家玉 2014年12月20日 降压斩波电路设计 1 目录 一、设计背景..............................................................................................................................................2 二设计要求与方案................................................................................................

油浸式电力变压器的运行状态直接影响到电力系统的安全与稳定,对其进行故障诊断具有重要的现实意义。依据elman神经网络具有动态处理数据及对历史数据敏感的能力,提出了将它用于油浸式电力变压器的故障诊断新方法,并给出了其具体的实现,同时对故障诊断的结果,将elman网络与bp网络进行了比较。检测结果表明,elman网络具有区别油浸式电力变压器不同故障类型的能力。

通过改良三比值法处理一组电力变压器油中溶解气体的特征值,并将数据作为输入训练神经网络,调整权值和阀值,通过相互比较确定各项网络参数,将误差控制要求范围内.最后使用得到的概率神经网络对样本进行了成功的预测,验证了将bp神经网络算法运用于变压器故障诊断具有十分理想的效果.

通过改良三比值法处理一组电力变压器油中溶解气体的特征值,并将数据作为输入训练神经网络,调整权值和阀值,通过相互比较确定各项网络参数,将误差控制要求范围内.最后使用得到的概率神经网络对样本进行了成功的预测,验证了将bp神经网络算法运用于变压器故障诊断具有十分理想的效果.

通过改良三比值法处理一组电力变压器油中溶解气体的特征值,并将数据作为输入训练神经网络,调整权值和阀值,通过相互比较确定各项网络参数,将误差控制要求范围内.最后使用得到的概率神经网络对样本进行了成功的预测,验证了将bp神经网络算法运用于变压器故障诊断具有十分理想的效果.

噪声是影响家用空调器质量的一个重要因素,提出了一种用bp神经网络识别空调器噪声源的方法.利用声学分析仪对空调器的噪声信号做频谱分析,提取噪声信号的频谱特征构造模式特征量,设计一个三层bp神经网络经学习训练后进行空调器的噪声源识别,为空调器的噪声故障诊断及其减振降噪提供指导.

针对空调系统中的不同故障,分析了空调箱的故障特性,并讨论了不同故障对空调系统能耗及热舒适性的影响.仿真试验结果表明,送风温度的测量故障会导致系统能耗的增加.根据故障特性,提出了一种基于神经网络的数据处理方法,用以检测和诊断空调箱中的传感器故障.该方法首先选取历史数据对神经网络进行训练,实现对系统运行状态的识别和预测.然后,通过比较测量值与预测值,计算出相对误差,实现对故障的诊断.最后,利用基于trnsys的仿真器,对神经网络的故障诊断策略进行了验证.结果表明,神经网络可以有效诊断空调系统中的温度、流量和压力传感器故障.