基于PCA和MPGA优化神经网络的整流器故障诊断.pdfVIP

学兔兔 第52卷 第21期 电测与仪表 VoJ．52No．21 2015年 11月 1O日 ElectricalMeasurement Instrumentation Nov．10，2015 基于 PCA和 MPGA优化神经网络的整流器故障诊断术 龙杰，张彼德，张强，李明昆，赵丹，吴治均 (西华大学 电气与电子信息学院，成都 610039) 摘要：针对 电力电子整流电路故障识别方法中的信号提取与模式识别两个核心问题，提出一种基于主元分析 (PCA)和改进多种群遗传算法 (MPGA)优化BP神经网络的三相整流装置电路故障识别方法。首先采用主元 分析提取故障信号中对应的故障特征向量，然后利用移民算子与迁徙算子结合的MPGA优化 BP神经网络分 类器进行故障类型的识别。仿真结果表明，该方法对三相桥式整流装置进行故障诊断能准确识别与定位各故 障类型，而且具有鲁棒性更好，诊断正确率更高的特点。 关键词：主元分析；多种群遗传算法；移民算子；迁徙算子；故障诊断；三相整流装置 中图分类号：TM461 文献标识码 ：B ‘ 文章编号：1001—1390(2015)21—0086—05 Three·phaserectifiersfaultdiagnosisbasedon PCA andM PGA optimizedneuralnetwork LongJie，ZhangBide，ZhangQiang，LiMingkun，ZhaoDan，WuZhijun (SchoolofElectricalEngineeringandElectronicInformation，XihuaUniversity，Chengdu610039，China) Abstract：Fortwocoreissuesoffaultfeatureextractionandmodelidentification。anovelmethodbasedonprincipal componentanalysis(PCA)andimprovedmulti-populationgeneticalgorithm (MPGA)optimizedBPneuralnetwork werepresentedfordiagnosisofthree-phaserectifiers．Firstly，principalcomponentanalysisisusedtoextractthefault featurescorrespondingtovariousfault．Then，faulttypesareidentifiedthroughmulti-populationgeneticalgorithm con— binationimmigrationoperatorandmigrationoperatoroptimizedneuralnetwork．Simulationresultsshowthatthismeth— odofrthree—phasefull—bridgecontrolledrectifierfaultdiagnosiscanidentifyandlocateeachfaulttypeaccurately．and hasbetterrobustnessandbetterdiagnosticaccuracyratecharacteristics． Keywords：principalcomponentanalysis，multi-populationgeneticalgorithm ，immigrationoperator，migrationopera— tor，faultdiagnosis，three—phaserectifiers 0 引 言 器件两端电压的方法等，但这些方法各有一些不