基于小波变换与神经网络的电力电子电路故障诊断研究

论文摘要

随着电力电子技术的迅猛发展,电力电子电路故障诊断问题也越来越突出。快速实现电力电子电路故障检测和诊断具有重要研究意义。本论文主要研究工作包括:(1)研究了电路测点优选方法。在现有方法基础上,考虑到电路容差的存在,提出了一种新的创建模糊集的方法。利用小波分析良好的时频局部化特性,对可测点故障模式下的数据进行小波包分解,提取特征信息后创建模糊集,提高了准确性,并且改进了测点选择算法,减少了时间消耗。(2)研究了电力电子电路故障特征提取方法。利用小波变换对待测电路数据进行预处理,提取特征信息。利用主成分分析提取主元信息,进行降维和规范化处理,简化了神经网络结构,提高了训练速度。(3)研究了神经网络在电力电子电路故障诊断中的应用。利用径向基网络良好的泛化能力、自适应学习能力及快速收敛等优点,提出了一种基于小波径向基网络的电力电子电路故障诊断方法。实验证明该方法提高了神经网络训练速度,对电力电子电路硬故障诊断率较高,并与其它诊断方法进行了对比分析。(4)研究了基于信息融合技术的电力电子电路故障诊断。利用特征层融合可实现数据压缩,便于实时处理等优点,提出了一种基于神经网络特征层融合的电力电子电路故障诊断方法。用特征关联实现电压信息与电流信息的关联处理,用神经网络信息融合分类器对故障模式进行识别。实验证明了该方法的有效性,并对选择不同对象融合对结果的影响进行了分析。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 电力电子电路故障诊断的研究意义与研究内容
• 1.1.1 电力电子电路故障诊断的研究意义
• 1.1.2 电力电子电路故障诊断的研究内容
• 1.2 电力电子电路故障分类
• 1.3 电力电子电路故障诊断的研究现状
• 1.4 电力电子电路故障诊断难点
• 1.5 本论文研究内容与结构安排
• 1.5.1 本论文的研究内容
• 1.5.2 本论文的结构安排
• 第二章 测试节点优化选择方法研究
• 2.1 引言
• 2.2 模糊集创建
• 2.3 整数编码字典
• 2.4 测试节点选择算法
• 2.5 诊断实例及实验结果分析
• 2.5.1 实验电路及故障模式
• 2.5.2 模糊集创建和整数编码字典的生成
• 2.5.3 测试节点的选择
• 2.6 本章小结
• 第三章 电力电子电路故障特征提取与分类器分析
• 3.1 特征提取技术
• 3.1.1 小波及小波包变换
• 3.1.2 主成分分析
• 3.2 神经网络及其在故障诊断中的应用
• 3.2.1 神经网络特点
• 3.2.2 神经网络故障诊断流程
• 3.3 BP 神经网络
• 3.3.1 BP 网络结构与算法
• 3.3.2 BP 网络参数设计
• 3.4 径向基网络
• 3.4.1 径向基网络结构与算法
• 3.4.2 RBF 网络与BP 网络对比
• 3.5 本章小结
• 第四章 基于小波径向基网络的电力电子电路故障诊断研究
• 4.1 引言
• 4.2 诊断实例
• 4.2.1 诊断电路分析
• 4.2.2 故障模式设置
• 4.2.3 特征提取
• 4.2.4 RBF 网络设计与训练
• 4.3 实验结果分析
• 4.4 本章小结
• 第五章 基于信息融合的电力电子电路故障诊断研究
• 5.1 引言
• 5.2 基于神经网络特征层融合技术
• 5.3 诊断实例
• 5.3.1 诊断电路分析
• 5.3.2 故障模式设置
• 5.3.3 特征提取与特征关联
• 5.4 实验结果分析
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文