基于蚁群算法电力电子电路故障诊断.pdfVIP

基于蚁群算法的电力电子电路故障诊断 苏艳革 (郑州航空工业管理学院机电工程学院， 河南郑州 450015) 的基于蚁群算法的故障诊断知识获取算法，通过建立适当的数学模型．把电力电子电路故障定位问题转化为 式，并充分借鉴遗传算法的优点，用蚁群算法进行求解。仿真结果表明该算法的可行性、 近邻准则；故障诊断；故障识别 中图分类号：TP18 文献标识码：A 文章编号：1009—9492(2010)07—0054—03 1引言 利学者M．dorigo、V．Maniezzo、A．Colomi等人提出，通过模 在生产领域中，电力电子设备通常作为电源供应或控 拟自然界的蚂蚁的寻径行为。群体智能模型进行优化搜 制器等关键部件．当发生故障后．必须快速数毫秒到数十 索，蚁群算法不需要先验知识，最初随机的选择搜索路 毫秒内将主电路停电．这使故障状态下的信息也随之消 径，随着解空间搜索过程的深人，选择逐渐变得有规律， 失，给设备的维修带来极大的难度。因此，对电力电子装 并最终逼近甚至达到全局最优解。与遗传算法相比，蚊群 置进行动态监视．在线故障诊断具有重要的意义。 算法具有正反馈、鲁棒性好、并行分布计算的特点。蚁群 近年来。人们在电力电子电路的状态监测与故障诊断 算法的基本原理如下。 过程中，一直在探索合适的故障模式识别方法，从传统的 现用图1来说明蚁群寻找最优路径的原理。 测前仿真和测试仿真。如故障字典、模式识别、参数辨 B 识、故障验证等到专家系统的分类都进行了大量的研究。 然而，由于电力电子电路的故障现象多样、元件参数具有 较大的离散性与广泛的非线性等原因，致使其故障诊断无 论在理论上还是方法上均距实用还有相当的距离。蚁群算 法 (ACA)是由Dorigo等人提出．该算法是模拟自然界中 真实蚁群的觅食行为而形成的一种模拟进化算法。具有正 反馈、分布式计算和富于贪婪启发式搜索的特点。虽然蚁 D 群算法出现的时间不长。但已经成功应用于许多组合优化 图1 蚂蚁群觅食过程示意图 问题，例如典型的旅行商 (TSP)、车辆路径问题、机组最 优投入以及配电网网架优化规划问题等。故障诊断定位实 图1中．由于障碍物的存在．蚁群从蚁巢出发到达食 质上是一个模式分类的问题，诊断时选择有效的故障测试 物再返回．只能走路径 1(蚁巢一A—B—C一食物)或者 点至关重要。本文通过建立适当的数学模型，把电力电子 路径2(蚁巢一A—D—C一食物)。假设路径1的长度是路 电路故障定位问题转化为类似于TSP问题的模式，并充分 径2的两倍。第一批蚂蚁到达A点时，由于之前没有任何 借鉴遗传算法的优点，用蚁群算法进行求解。 信息素残留．蚂蚁选择两条路径的概率相同。并分别在走 2蚁群算法 过的路径上留下相同量的信息索。假设所有蚂蚁速度相 蚁群算法 … (Ant Colony Algorithm)是一种源于生 同，则相同时间内路径2上留下的信息素是路径 1上的两 物行为的仿生类进化算法，最初是由20世纪9O年代意大 倍。由于单个蚂蚁会以较大的概率选择信息素较强的路 河南省教育厅自然科学研究项目 (编号 2007510022) 收稿日期：2010一O1—22 ●—■ —■●