三相SPWM逆变器的智能故障诊断研究.pdfVIP

学兔兔 三相SPWM逆变器的智能故障诊断研究 Studyonthe faultofthree-phase SPW M inverterbasedon S0M neuraInetwork 付 玲，帕孜来。马合木提，廖俊勃 FU Ling，PAZi—lai，LIAO Jun-bo (新疆大学 电气工程学院，乌鲁木齐830047) 摘 要：针对三相SPWM逆变器的故障，提出一种基于SOM神经网络的诊断模型。SOM神经网络具有 无监督自学习，诊断结果简单、直观的特点。采用小波变换的多分辨率方法来提取和分析故 障信号，提取需要的故障向量，将故障向量作为SOM神经网络的输入，来进行训练和检测。 通过仿真结果对比，验证所提出的这种方法是可行的且具有较好的诊断能力。 关键词：三相逆变器；故障诊断；SOM神经网络；小波变换 中图分类号：TPI83 文献标识码 ：A 文章编号：1009-0134(2015)o3(上)-0072-03 Doi：10．396cl／J．issn．1009-0134．2015．03(．亡)．23 0 引言 近年来随着 电力 电子技术的迅猛发展，电力 电子 技术已广泛应用在国民经济的各个部门。同时，电力电 子设备的故障问题也 日益突出，一旦发生故障，不但会 造成装置或系统的损坏，还可能引发重大安全事故。因 此，对 电力电子设备进行故障诊断研究，特别是应用 自 动故障诊断技术就具有很大的经济价值和现实意义。白 组织特征映射神经 网络 (self-organizingfeaturemap， 图1 SOM神经 网络模型 SOM)是一种竞争式学习网络，其结构算法简单，采用无 的聚类方式，不仅能保持输入矢量 的拓扑结构不变，还 教师指导的 自学习方式 ，被广泛应用于模式识别与数据 可以学习判断输入数据的分布特征 l。在学习算法上， 分类等领域 】。本文根据SOM的学习特点，将其应用到 SOM~*经网络不同于其他神经网络算法，以能量函数或 三相逆变器的故障诊断中，根据获胜神经元的位置来判 网络误差作为准则，而是采用动力学的原理对网络的学 断其逆变器的故障模式。经三相逆变器故障实例验证。 习与工作进行指导，即模拟生物神经元之间的兴奋、协 该方法可对三相逆变器 的故障进行有效的诊断。 调和竞争抑制等作用对输入信息进行处理。其具体学习 1 SOM神经网络故障诊断方法 算法如下： 1)网络初始化 ，用 0【，l】之 间的随机数对输入层和 1．1SOM神经网络结构 输出层之间的连接权值进行初始化。 SOM是 由芬兰赫尔辛基大学神经网络专家Coonan教 2)设置输入矢量，即从故障特征集合为P=-[p。,P2，… 授在 1981年提出的，其网络的拓扑结构如图2所示 】，其 中随机取一输入模式提供给网络的输入层。 结构由一个输入层与一个输 出层