基于Wiener核和BP神经网络的非线性模拟电路故障诊断

研究提出基于非线性电路的Wiener核和BP神经网络的故障诊断方法。在输入为高斯白噪声的情况下,对输入、输出信号进行采样,通过计算各阶相关函数的方法得到正常及各种故障状态下非线性电路的Wiener核。把该核作为状态特征并进行适当的预处理,与对应的状态一起组成BP神经网络的输入和输出样本来对神经网络进行训练,从而实现对模拟非线性电路的故障诊断。文中给出了Wiener核的数字计算方法和诊断神经网络的建立方案,并通过诊断实例加以验证。

Wiener核的快速提取算法

对于非线性特性未知的模拟电路,可以运用Wiener泛函级数来描述,且Wiener核值可以表示电路特征。但是随着阶数及采样点数的增加,Wiener核值提取运算次数呈指数形式增长,这给应用带来困难。针对这一问题,提出了一种折叠递推快速算法,经分析计算本快速算法比常规算法节省乘法计算量90%以上。在此基础上,运用快速算法与常规算法针对典型电路进行了对比实验,提取的核相同,可以快捷有效的诊断电路的正常状态及不同软故障状态。

一般模型的核函数

基于Ｖｏｌｔｅｒｒａ理论和Ｗｉｅｎｅｒ理论，较为系统地研究了连续与离散时不变一般模型及其在有外部扰动情况下的Ｖｏｌｔｅｒｒａ核和Ｗｉｅｎｅｒ核的计算方法，并给出计算结果与数值模拟算例。

非平稳畸变信号条件下电网信号建模

实际电网中常常同时存在多种平稳畸变信号和非平稳畸变信号,而目前非平稳畸变信号条件下电网信号模型主要是针对典型畸变源产生的信号建立的,缺乏符合电网实际情况、更具普遍性的电网信号的数学模型,这使得非平稳畸变信号条件下电能准确合理计量变得困难。该文在研究泛函级数理论的基础上,应用Wiener泛函级数建立了非平稳畸变信号条件下电网信号的通用数学模型,并以半导体整流器和电力机车这两种典型畸变源为例,通过Matlab仿真验证了模型的正确性。所建模型不仅可以描述任意一种畸变源产生的电网信号,而且可以描述任意几种畸变源产生的复合电网信号。该模型提高了非平稳畸变电网信号的描述精度,同时适用于平稳畸变信号,解决了畸变信号条件下电网信号统一描述的问题,为后续电能的准确合理计量提供参考。

干扰信号作用下一般模型的分析

研究了连续与离散时不变一般模型的高斯白噪声干扰信号的作用下 ,其固有Wiener核所受到的影响 。