改进的卷积神经网络在励磁单元中的故障诊断

在励磁装置系统中,三相桥式全控整流电路发挥着极为重要的作用。针对其整流电路中晶闸管的故障问题,提出了一种改进的卷积神经网络(CNN)故障诊断模型,与传统卷积神经网络相比,改进网络参数较少从而提高计算速度,使用BN层替代LRN图层利于网络的稳定和收敛,并使用Adam优化器进行权值迭代更新。利用开源深度学习平台TensorFlow进行实验,仿真结果表明,改进方法对晶闸管故障电压识别分类和三相母线电流识别分类的平均准确率分别高达99%、98%,验证了网络故障诊断模型的可行性。