基于GA-BRBPNN的航空自耦变压整流器故障诊断方法

航空自耦变压整流器(auto-transformer rectifier unit, ATRU)是飞机高压直流电网关键电能变换装置,在运行过程中受高温、机械应力、荷载波动等因素持续影响,其内部元件可能出现相应故障,进而威胁飞机可靠运行及持续适航。针对ATRU整流部分故障信号频谱难以区分、诊断准确率不高问题,提出一种遗传算法(genetic algorithm, GA)与贝叶斯正则化反向传播神经网络(Bayesian regularisation back propagation neural network, BRBPNN)相结合的故障诊断识别方法。首先,实现ATRU故障仿真,以时频分析方式处理所得信号,从而挖掘不同故障状态的特征信息;随后采用GA算法优化BRBPNN初始权阈值并建立最优GA-BRBNPNN诊断模型,将特征样本输入诊断模型进行故障分类识别,测试模型性能;最后,搭建故障模拟实验平台对实测数据进行模型验证。实验结果分析可知,对于仿真故障,该模型诊断准确率可达99.46%,对于实测故障,该模型可全部诊断识别待测样本;由此表明提出的GA-BRBPNN优化模型诊断效果好,具有较高实用价值。