本文關(guān)鍵詞：基于人工智能的電力電子電路故障診斷，由筆耕文化傳播整理發(fā)布。

基于人工智能的電力電子電路故障診斷

詹世濤 齊蕊 劉陽

（遼寧省電子研究設(shè)計院有限公司 110001）

摘 要：采用基于波形直接分析的神經(jīng)網(wǎng)絡(luò)故障診斷方法實現(xiàn)電力電子電路在線故障診斷。以三相整流電路為例，對電路發(fā)生故障時輸出的波形進行分析，用故障波形的采樣數(shù)據(jù)制作的樣本對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)用于故障診斷。仿真實驗表明該方法是有效的。

關(guān)鍵詞：故障診斷 神經(jīng)網(wǎng)絡(luò) 電力電子電路

電力電子電路的實際運行表明，大多數(shù)故障表現(xiàn)為功率開關(guān)器件的損壞，其中以功率開關(guān)器件開路和直通最為常見。電力電子電路的故障診斷與一般的模擬電路、數(shù)字電路的故障診斷存在較大的差別，故障信息僅存在于發(fā)生故障到停電之前數(shù)十毫秒之內(nèi)。因此，需要實時監(jiān)視、在線診斷。本文主要要研究應(yīng)用神經(jīng)網(wǎng)絡(luò)理論進行電力電子電路的故障診斷，利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，使故障波形與故障原因之間的關(guān)系通過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)后保存在其結(jié)構(gòu)之中，然后將學(xué)習(xí)好的神經(jīng)網(wǎng)絡(luò)用于故障診斷，神經(jīng)網(wǎng)絡(luò)就可通過對當(dāng)前電壓波形的分析，得出故障原因，從而實現(xiàn)故障的在線自動診斷。下面以電感性負載三相整流電路故障診斷為例，對基于波形直接分析的神經(jīng)網(wǎng)絡(luò)故障診斷方法進行研究。

1用于診斷的神經(jīng)網(wǎng)絡(luò)模型

本文用于診斷的神經(jīng)網(wǎng)絡(luò)為三層前向神經(jīng)網(wǎng)絡(luò)(包括輸人層)，學(xué)習(xí)算法是誤差反向傳播方法(BP算法)，拓撲結(jié)構(gòu)如圖1所示。

人工神經(jīng)網(wǎng)絡(luò)具有較好的容錯性、響應(yīng)快、強大的學(xué)習(xí)能力、自適應(yīng)能力和很強的非線性逼近能力等，，被廣泛應(yīng)用于故障診斷領(lǐng)域�；谏窠�(jīng)網(wǎng)絡(luò)的故障診斷專家系統(tǒng)有兩種形式：一種是使用神經(jīng)網(wǎng)絡(luò)來構(gòu)造專家系統(tǒng)，變基于符號的推理為基于數(shù)字運算的推理，提高系統(tǒng)效率，解決自學(xué)習(xí)問題；另一種是把神經(jīng)網(wǎng)絡(luò)作為知識源的表示和處理模式，并與其它推理機制相融合，實現(xiàn)多模式推理。

BP神經(jīng)網(wǎng)絡(luò)故障診斷模型主要包括三層:1)輸人層，即從實際系統(tǒng)接受的各種故

  本文關(guān)鍵詞：基于人工智能的電力電子電路故障診斷，由筆耕文化傳播整理發(fā)布。