本文關鍵詞：基于小波徑向基網(wǎng)絡的電力電子電路故障診斷，由筆耕文化傳播整理發(fā)布。

第 38 卷第 3 期
2008 年 6 月

微 電 子 學
Microelect ronics

?研 究 論 文 ?

基于小波徑向基網(wǎng)絡的電力電子電路故障診斷
韓曉靜 ,王友仁 ,崔 江
( 南京航空航天大學 自動化學院 , 南京 　 210016)

　 摘　 :　 要 提出了一種基于小波徑向基神經(jīng)網(wǎng)絡和主成分分析的電力電子故障診斷方法 ,該方法用 小波變換和主成分分析對數(shù)據(jù)進行預處理 ,提取出有效故障特征信息 ,實現(xiàn)數(shù)據(jù)壓縮 ,減少了神經(jīng) 網(wǎng)絡的訓練時間 ,選用徑向基 ( RB F) 網(wǎng)絡為故障分類器 ,解決了 B P 網(wǎng)絡容易陷入局部極小點的問 題 ,提高了訓練速度 ,并且具有診斷率高的特點 。實例證明了該方法的有效性 ,并與其他診斷方法 進行了對比 。 關鍵詞 : 　 電力電子 ; 故障診斷 ; 主成分分析 ; 徑向基網(wǎng)絡
中圖分類號 : 　TP306 + . 3 　　　　　　　 文獻標識碼 : 　 A

　

Fault Diagnosis of Po wer Electronic Circuits Based on Wavelet Radical Basis Function Net work
HAN Xiaojing , WAN G Yo uren , CU I J iang

( College of A utomation an d En gi neeri ng , N anj i n g Uni versit y of A eronautics an d A st ronautics , N anj i ng 210016 , P. R. Chi na)

work and p rincipal component analysis is p resented. In t his met hod , wavelet t ransform and p rincipal co mpo nent

ing time of neural network. Radial basis f unction ( RB F) netwo rk was cho sen as t he fault classifier , which solved t he

perimental result s p roved t he validity of t he met hod , and a comparison was also made wit h ot her fault diagno sis met hods.

　

1　 　 引 言

斷涌現(xiàn) ,其故障診斷問題也日益突出 。快速實現(xiàn)電 力電子電路在線故障檢測和診斷 , 對于快速查找故 障 ,減少停機時間 ,實現(xiàn)預知維護及容錯系統(tǒng)都具有 非常重要的意義 。 目前 , 對電力電子電路故障診斷技術的研究還
[1 ]

相對較少 。于飛等人提出了一種基于多分辨率分析 和主成分分析的電力電子電路故障診斷
, 用決策

收稿日期 : 2007208208 ; 　 定稿日期 : 2007212218

基金項目 : 國家自然科學基金資助項目 (60374008 ,60501022) ; 航空科學基金資助項目 (2006ZD52044 ,04152068)

p ro blem of partial minimal point fo r B P , imp roved t raining speed and achieved higher fault diagno sis rate. Final ex2

analysis were used to p rep rocess data and ext ract fault feat ures , which realized data co ndensation and reduced t rain2

隨著電力電子技術的迅猛發(fā)展和相關產(chǎn)品的不

　 Abstract : 　 fault diagno sis met hod fo r power elect ronic circuit s based o n wavelet radial basis f unctio n neural net2 A
Key words : 　Power elect ro nics ; Fault diagno sis ; Principal co mpo nent analysis ; Radial basis f unction netwo rk EEACC : 　 2570

樹作為分類器 ; Ma Hao 等人采用混雜系統(tǒng)建模的 方法對電力電子電路進行故障診斷 [ 2 ] , 獲得了較好 的診斷效果 ; 崔江等人采用支持向量機作為電力電 子電路的故障分類器 ,對單故障進行了診斷研究[ 3 ] 。 神經(jīng)網(wǎng)絡由于具有分布存儲 、 并行處理和學習 能力而成為電路故障診斷的一種有效方法 [ 427 ] 。常 用的 B P 網(wǎng)絡具有易陷入局部極值 、 訓練時間較長 等缺點 。本文嘗試利用小波變換獲取故障特征 , 并 利用主成分分析對故障特征樣本降維 , 最后設計
RB F 網(wǎng)絡作為電力電子電路的故障分類器 。實驗

證明 ,該方法具有較好的診斷效果 。

文章編號 :100423365 (2008) 0320309203

Vol1 38 , No . 3 J un1 2008

　 310

韓曉靜等 : 基于小波徑向基網(wǎng)絡的電力電子電路故障診斷

2008 年 　

用一個新的變量 y1 來表示 p 個變量 , x 1 , x2 ,

2　 基于小波徑向基網(wǎng)絡和主成分分析

的故障診斷技術
　　 目前 ,小波與神經(jīng)網(wǎng)絡的結合主要有兩種形式 : 一種是利用小波變換對信號進行預處理 , 提取信號 的特征向量作為 B P 神經(jīng)網(wǎng)絡的輸入[ 4 , 7 ] ; 另一種是 采用小波函數(shù)和尺度函數(shù)形成神經(jīng)元 , 達到小波和 神經(jīng)網(wǎng)絡的直接融合 。B P 神經(jīng)網(wǎng)絡在訓練時極易 陷入局部極值 ,而 RB F 網(wǎng)絡則不存在此類問題 。 本文設計了一種小波徑向基神經(jīng)網(wǎng)絡作為故障 分類器 ,可有效解決網(wǎng)絡的訓練問題 。本文方法屬 于第一種類型 ,其結構框圖如圖 1 所示 。

…, x p , 第一主成分由 p 個變量的線性合成 : ( 3) 　　y1 = ω x 1 + ω x 2 + …+ ω p x p 11 12 1 ′ ω 12 記 W 1 ∶ 11 ,ω , …, ω p , 則應滿足 W 1 W 1 = 1 ; 1 同樣 , y2 = ω x 1 + ω x2 + …+ ω P x p , W ′ W 2 = 1 , 并 21 22 2 2 且為了使 y1 與 y2 不相關 , 則 W ′ W 1 = 0 。依此類推 2 到第 j 個主成分 。 2. 3 　 故障診斷分類器 由于電力電子電路具有很強的非線性 , 而神經(jīng) 網(wǎng)絡本身有很強的非線性映射能力 ,因此 ,選擇神經(jīng) 網(wǎng)絡作為故障診斷分類器往往具有不錯的效果 。 B P 網(wǎng)絡用梯度法求非線性函數(shù)極值 ,容易陷入 局部極小點且收斂速度慢 。RB F 網(wǎng)絡是一種典型 的局部逼近神經(jīng)網(wǎng)絡 ,它收斂速度快 ,可以實現(xiàn)全局 最優(yōu)解 。在逼近能力 、 分類能力和學習速度等方面 均優(yōu)于 B P 網(wǎng)絡 。 包含單輸出 ( 即單類 , 若多類則對應多輸出 ) 的 徑向基函數(shù)神經(jīng)網(wǎng)絡結構如圖 2 所示 。

圖1　 基于小波徑向基網(wǎng)絡與主成分分析的故障診斷框圖
Fig. 1 　 Block diagram of fault diagno sis based o n wavelet neural network and p rincipal compo nent analysis

2. 1 　 特征提取技術

與 FF T 不同 ,小波變換在時頻兩域都具有表征 信號局部特征的能力 。采用小波分解可以極大地壓 縮數(shù)據(jù)量 ,減少特征矢量維 。 信號 I ( x ) 的小波系數(shù)可以表示為 : C ( a , b) = {ψ , b ( x ) , I ( x ) } = a 1 x - b) ( 1) I ( x )ψ( dx

∫ a

圖2　 徑向基函數(shù)神經(jīng)網(wǎng)絡示意圖
Fig. 2 　RB F neural netwo rk

a

式中 ,ψ( x ) 表示小波基 , a 為尺度參數(shù) , b 為位 移參數(shù) 。離散小波變換中 , 假設 a = 2 j , b = k ×a , ( j , 2 k) ∈Z 。 經(jīng)過分析 , 最終選用 “墨西哥草帽” 小波 ( Marr 小波) 。選擇 4 層小波包分解 ,并以各層小波包分解 系數(shù)的最大值作為特征來構成故障特征矢量 。 2. 2 　 主成分分析 主成分分析可以對故障特征矢量進行數(shù)據(jù)的降 維處理 ,提取出主要信息 ,便于下一步的故障辨識 。 主成分分析的基本過程為 , 給定一個包含 n 個 樣本 , p 個變量的數(shù)據(jù)矩陣 : x 11 x12 … x1 p 　　X =
x 21 x22

對于圖 2 , 　　f ( x ) = ∑w i ?K ( x )
i=1 m

( 4)

其中 , K ( x ) 為與輸入樣本相關的徑向基函數(shù) 。

3　 實驗結果分析
3. 1 　 仿真電路

… x2 p … … … x np

…
x n1

…
x n2

( 2)

選用 Buck2Boo st 電路作為診斷實例 ,如圖 3 所 示 。用 Pspice 9. 2 軟件對其進行建模和仿真 。電路 參數(shù)設置如下 : 輸入直流電壓 V 1 為 12 V ,開關管 M1 型號為 IRF130 ,其工作頻率為 50 k Hz ,占空比為 75 % , 續(xù)流二極管 D1 型號為 MUR1610CT , L1 、3 均為 10 L μH ,L 2 為 100 μH , C1 = 100 μF , C2 = 300 μF , C3 = 500 μF ,負載 R1 設定為 10 Ω。

　 3期 第

韓曉靜等 : 基于小波徑向基網(wǎng)絡的電力電子電路故障診斷

311 　

高了故障診斷率 ,兩種方法均達到 95 %以上 。 2) 用 RBF 網(wǎng)絡作為分類器對故障進行識別 , 在 診斷率上與 BP 基本接近 ,但是在總體性能方面又優(yōu) 于 BP ,它不但在訓練時不會陷入極小值問題 ,而且減 少了診斷時間和訓練步數(shù) ,大大提高了診斷速度 。

4　 　 結 論
Fig. 3 　 Buck2Boo st circuit topology F2 F3
C1 開路 C2 開路

3. 2 　 故障模式設置

在待測電路中 , 設立 19 種故障模式 , 分別用符 號 F1～ F18 表示故障狀態(tài) , F0 表示正常狀態(tài) 。具 體故障模式如表 1 所示 。設電阻的容差為 5 % , 電 容和電感的容差均為 10 % 。當電路的一個或兩個 元器件發(fā)生故障時 , 其余器件均在容差范圍內(nèi)正常 工作 。每一種故障模式進行 35 次蒙特卡羅分析 。
表 1 　Buck2Boost 電路故障模式設置
F1
L 1 開路

F0

正常
F10

C2 &L 3

開路 F5 L 2 開路
F15
L 1 & C3

開路

3. 3 　RBF 網(wǎng)絡訓練

將訓練樣本送入 RB F 網(wǎng)絡進行訓練 ,達到期望 值時存貯權值和閾值 。之后 , 將測試樣本輸入 RB F 網(wǎng)絡進行測試 , 得到診斷結果 。表 2 給出 RB F 與
B P 網(wǎng)絡 、 故障字典法的診斷效果對比 。

Table 2 　 Comparison bet ween different diagnosis methods

分類器類型 RB F
BP 故障字典法

從以上實驗數(shù)據(jù)中 ,可以得到以下結論 : 1 ) 較之故障字典法 , 用 RB F 網(wǎng)絡和 B P 網(wǎng)絡作 為故障分類器 ,具有較好的故障識別能力 ,較大地提

Table 1 　Fault modes setup for buck2boost circuit F11 F12 F13
C3 & L 3 C1 &L 1 L 1 &L 3

開路 F6 R1 開路
F16

C2 & L 1

開路

表2　 幾種診斷方法診斷效果比較 時間/ s 5. 734
- -

170. 64

圖3　 Buck2Boo st 電路原理圖 開路 F7 L 3 開路
F17
C1 &L 3

提出了一種基于小波徑向基神經(jīng)網(wǎng)絡的電力電 子電路的故障分類器 。利用小波包變換的時頻特 性 ,實現(xiàn)對原始數(shù)據(jù)的特征提取 ; 用主成分分析可實 現(xiàn)有效的特征降維 ; 用 RB F 網(wǎng)絡作為故障分類器 , 解決了 B P 網(wǎng)絡易陷入局部極值等問題 , 提高了訓 練速度 。實驗數(shù)據(jù)表明 , 本文方法在電力電子電路 的故障診斷中是有效的 ,并且具有診斷率高的特點 。 參 考 文 獻:
[1]

F4

[2]

C3 開路

F14 [3]

C1 & C2

開路 F8 L 3 短路
F18
L 3 短路 C1 開路

開路 F9 D1 短路 — —

[4]

開路

[5]

[6]

[7]

訓練步數(shù) 63
22787 - -

診斷率

99. 65 % 97. 89 % 82. 11 %

誤診率 0. 35 %
2. 11 %

[8]

17. 89 %

作者簡介 : 韓曉靜 ( 1982 - ) , 女 ( 漢族 ) , 河 北石家莊人 ,碩士研究生 ,研究方向為模擬 電路故障測試與診斷技術 。

于飛 ,田玲玲 , 劉喜梅 , 等 . 基于小波多分辨率分析和 主元分析的電力電子電路故障診斷 [J ] . 華東理工大 學學報 ( 自然科學版) ,2006 ,32 (9) :111321117. MA H , MAO X Y , ZHAN G N ,et al. Parameter iden2 tification of power elect ro nic circuit s based o n hybrid model [ C ] / / 36t h Power Elec Spec Co nf . Brazil. 2005 :285522860. 崔江 , 王友仁 , 劉權 . 基于高階譜與支持向量機的電 力電子電路故障診斷技術 [J ] . 中國電機工程學報 , 2007 ,27 ( 10) : 62266. 王承 , 陳光 禹 , 謝永樂 . 基于小波2神經(jīng)網(wǎng)絡的模擬電 礻 路 IDD T 故障診斷 [J ] . 儀器儀表學報 ,2005 ,26 (11) : 110621108. STO PJ A KOVA V , MALOSE K P , MA TEJ M , et al. Defect detection in analog and mixed circuit s by neural networks using wavelet analysis [J ] . IEEE Trans Re2 liab , 2005 , 54 ( 3) : 4412448. HOU B P , ZHU W , XIAN G X J ,et al. Applied st udy of elect romotor fault diagno sis based on wavelet pack2 et s and neural network [ C ] / / Proc 5t h Int Co nf Ma2 chine Learning and Cybernetics. Dalian , China. 2006 : 291222916. YUAN H Y ,C H EN G J , SH I S B ,et al. Research o n fault diagno sis in analog circuit based on wavelet neural network [ C ] / / Proc 6t h Congr Intelligent Co nt rol and Automation. Dalian ,China. 2006 : 265922662. R EN FR EW A C , TIAN J X. The use of a knowledge2 based system in power elect ronic circuit fault diagno sis [ C ] / / 5t h Europ Co nf Power Elec and Appl. 1993 : 57262.



神經(jīng)網(wǎng)絡考試TIP

但并不等于徑向基 網(wǎng)絡就可以取代其它前饋網(wǎng)絡。 這是因為 徑向基網(wǎng)絡很可能...路故障診斷中的應用; 基于小波神經(jīng)網(wǎng)絡的電力電子電路故障 模式識別; 基于改進...

小波網(wǎng)絡在電力線路故障測距中的應用研究

關鍵詞:Mallat 小波;徑向基小波網(wǎng)絡;故障測距 1 ...2 Mallat 小波 小波分析是 80 年代中期發(fā)展起來的...3 基于 RBF 小波網(wǎng)絡的電力線路故障測距 3.1 RBF ...

研究生神經(jīng)網(wǎng)絡考試版

這是因為徑向基網(wǎng)絡很 可能需要比 BP 網(wǎng)絡多得多的隱 含層神經(jīng)網(wǎng)絡元來完成...k ?1 基于改進粒子群算法神經(jīng)網(wǎng)絡的 L 1 2 1 2 電力電子電路故障診斷; ?...

神經(jīng)網(wǎng)絡的電網(wǎng)故障診斷資料

基于徑向基函數(shù)神經(jīng)網(wǎng)絡和... 7頁 免費 基于神經(jīng)網(wǎng)絡的電力電子電... 4頁 ...2 2.1 用于故障診斷的 RBF 神經(jīng)網(wǎng)絡 RBF 神經(jīng)網(wǎng)絡的結構 RBF 神經(jīng)網(wǎng)絡由輸入...

1電氣設備的在線監(jiān)測與故障診斷

百度文庫 專業(yè)資料 工程科技 電子/電路專題推薦 北...黃樹紅 發(fā)電設備狀態(tài)檢修 2000 2.黃建華 變電站高壓...基于徑向基函數(shù)網(wǎng)絡的高壓斷路器在線監(jiān)測和故障診斷[...

電子線路故障診斷的研究開題報告

2頁 1下載券 基于神經(jīng)網(wǎng)絡的電子線路... 暫無評價...所以,為了實現(xiàn)模擬電路故障診斷的自動化、智能化,在...M.Catelani應用徑向基函數(shù)神經(jīng)網(wǎng)絡分別對元件級和子...

文獻檢索上機作業(yè)

答: Symmetra 是美國電力轉換公司的注冊商標 2、微...《利用層次徑向基神經(jīng)網(wǎng)絡的汽輪機排氣焓計算》 《...的模擬電路故障定位方法》 《基于多頻小波分析和 D...

基于神經(jīng)網(wǎng)絡的模擬電路故障診斷畢業(yè)論文

基于神經(jīng)網(wǎng)絡的模擬電路故障診斷 本科畢業(yè)論文(設計)...10 3.2.3 小波變換理論及其在故障特征提取中的...中比較了模糊方法和徑向基函數(shù)神經(jīng)網(wǎng)絡 的故障診斷...

中文翻譯

為了解決這一問題, 本章提出了一種結合小波變換, ...準確的負荷預測可以提高安 全性和穩(wěn)定性以及電力系統(tǒng)...1.3.2 徑向基函數(shù)神經(jīng)網(wǎng)絡訓練 RBF 神經(jīng)網(wǎng)絡包括...

  本文關鍵詞：基于小波徑向基網(wǎng)絡的電力電子電路故障診斷，由筆耕文化傳播整理發(fā)布。