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。

基于高阶谱与支持向量机的电力电子电路故障诊断技术

针对现有电力电子电路故障诊断方法存在的不足,研究了采用高阶谱分析和支持向量机(support vector machine,简称SVM)的电力电子电路故障诊断和定位方法。首先利用高阶谱中的双谱技术分析、处理和提取电路状态的故障信息特征;然后设计和采用多类层次支持向量机分类器作为故障模式的训练和识别器,其中,分类器的结构利用模糊C-均值算法(fuzzyC-means,简称FCM)进行了优化;最后采用一个实际的Buck功率电路进行了建模、仿真和验证。结果表明,采用该方法对电力电子电路故障的诊断和定位率可达99%以上,达到了较为理想的诊断精度。

基于量子神经网络的电力电子电路故障诊断

针对电力电子电路故障诊断时故障模式间存在交叉数据的模式识别问题,在量子计算和人工神经网络结合的基础上,提出了一种基于量子神经网络的故障诊断方法,并以双桥12相脉波整流电路为例进行故障诊断。实验结果表明:量子神经网络有一种固有的模糊性,它能将不确定性数据合理地分配到各故障模式中,从而使网络具有高性能、更好的鲁棒性和省时的特点,且能正确地识别大部分的样本故障模式,成功地完成电力电子电路的故障诊断。

基于混杂系统模型和事件辨识的电力电子电路故障诊断

该文建立了一个基于混杂系统理论的电力电子电路数学模型;然后将电路的各个运行状态抽象为离散事件;并在该模型的基础上提出了基于混杂系统事件辨识的故障诊断方法和它的实现步骤。该方法具有实现简单、诊断率高、通用性较强的优点。文章最后通过 Buck 电路的故障诊断实验验证了该方法的可行性和有效性。

基于小波分析及网络的电力电子电路故障诊断方法

针对电力电子电路故障,结合小波多分辨分析,将信号的特征提取作为网络的第一层,用小波函数代替普通神经网络中的S函数,提出了函数型和权值型两种不同的4层小波神经网络方法,给出了相应的数学模型和学习算法。以三相整流桥电路为例,建立了小波神经网络的输出与故障元之间的对应关系,实现了电路的故障诊断,并与用普通BP网络诊断的结果进行了比较。仿真结果验证了两种方法的正确性。

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。仿真和实验表明，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(RoughSetTheory)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。

基于梯度提升决策树的电力电子电路故障诊断

针对电力电子电路的常见故障类型,提出一种利用主元分析(PCA)提取电路状态的故障信息特征和基于梯度提升决策树(GBDT)分类的电力电子电路故障诊断方法。首先讨论利用PCA进行特征提取的步骤以及GBDT的分类原理;然后研究了基于PCA特征提取以及GBDT分类的电力电子电路故障诊断流程;最后利用三相桥式整流电路进行了建模、仿真、验证,实验结果表明,采用该方法进行电力电子电路故障诊断相比其他方法在低维空间具有更高的诊断准确率和更佳的样本泛化能力。

基于小波多分辨率分析和主元分析的电力电子电路故障诊断

将小波多分辨率分析和主元分析方法以及归纳学习理论-决策树分类方法应用于电力电子电路的故障诊断中,提高了诊断效率及分类准确性,仿真结果验证了提出方法的正确性和有效性。

基于人工神经网络的电力电子电路故障诊断

提出了采用基于波形直接分析的人工神经网络故障诊断方法实现电力电子电路的故障诊断.以三相整流电路的诊断为例,设计了人工神经网络的层数和点数,建立了三相整流电路的模型获取了样本数据,并训练了人工神经网络.仿真表明用四层人工神经网络对三相整流电路进行诊断可获得正确结果.

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。

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。

ARMA双谱分析与离散隐马尔可夫模型在电力电子电路故障诊断中的应用

提出一种基于自回归滑动平均(auto-regressive moving average,ARMA)模型双谱分析与离散隐马尔可夫模型(discrete hidden Markov model,DHMM)的电力电子电路故障混合诊断新方法。首先对故障电路采样的数据进行零均值处理;然后采用高阶累积量建立ARMA模型参数并进行双谱分析,通过对双谱矩阵进行矩阵变换提取电路故障信息特征量,再对故障特征数据进行矢量量化;最后应用离散隐马尔可夫模型,设计出电力电子电路的故障分类器。将该方法应用到SS8机车主变流器电路的故障诊断中。结果表明,所提出方法具有较高的正确诊断率和较强的抗噪声能力,在无噪声或加入5%的噪声情况下,正确诊断率均为100%;而当加入10%的噪声时,正确诊断率比DHMM诊断法和GA-BP神经网络诊断法分别高出16.11%和23.79%。该方法在工程中具有实际应用价值。

基于小波分析与随机森林算法的电力电子电路故障诊断

提出一种基于Db6小波函数和随机森林算法相结合的电力电子故障诊断新方法.介绍应用Db6小波进行波形分解和提取故障特征量的方法与步骤,阐述随机森林算法决策树的生长和投票过程,应用随机森林算法设计出故障分类器,并将其应用于12脉波可控整流电路的故障识别.诊断结果表明,所提方法具有较高的正确诊断率和较强的抗噪声能力.在加入5%或10%的噪声情况下,该方法正确诊断率分别比DHMM诊断法高出2.87%和17.43%,在工程中具有实际应用价值.

基于人工智能的电力电子电路故障诊断

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,对电路发生故障时输出的波形进行分析,用故障波形的采样数据制作的样本对神经网络进行训练,将训练好的神经网络用于故障诊断。仿真实验表明该方法是有效的。

基于形态学广义分形维数的电力电子电路故障诊断

电力电子电路故障检测和诊断,是保证电力电子装置安全、可靠运行的一个重要手段。针对传统电力电子电路故障诊断方法存在的局限性,提出了一种基于数学形态学广义分形维数的新方法。结合分形几何理论,求取不同故障的输出电压波形的分形维数,以此作为故障特征,再与神经网络相结合,进行有效识别。以一个实际的Buck功率电路为例,对其各类故障信号进行了分析。结果表明,与传统的盒计数法计算的广义分形维数相比,形态学广义分形维数能够更加有效地区分Buck电路在不同状态下的信号,并且数学形态学只涉及简单的加减和取大、取小运算,因此计算简单快速,估计准确稳定,为准确判断电力电子电路故障诊断提供了一种快速有效的新方法。

两种基于神经网络的电力电子电路故障诊断方法比较

对两种基于神经网络的电力电子电路故障诊断方法：基于波形直接分析的方法和基于频谱分析的方法，进行了进一步地分析比较，并以三相整流电路为例。

基于新小波神经网络的电力电子电路故障诊断

电力电子电路模型具有非线性,所以对它进行故障诊断比较困难。针对这种情况,将小波变换的时频局部化特性和神经网络的非线性映射与学习推理的优点结合起来,建立一种新的小波神经网络。并以双桥12相脉波整流电路为例,首先列出电路的故障类型,并用软件模拟电路的各种故障下的故障信号,然后使用建立的小波神经网络学习和存储双桥12相脉波整流电路的故障信号和故障类型之间的映射关系,实现电路的故障诊断。仿真结果证明了这种故障诊断方法的正确性和准确性。

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。

基于S变换的电力电子电路故障诊断技术

提出一种基于S变换和支持向量机(SVM)的电力电子电路故障诊断方法,首先对故障信号进行S变换时频分析并提取相应的故障特征,然后构造支持向量机分类器实现对故障类型的识别.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训练样本数少,在解决电力电子电路故障问题上有着很好的实用价值和应用前景.