傳統(tǒng)的電路故障診斷方法診斷波形圖與實(shí)際波形差異較大,診斷準(zhǔn)確率低。為了解決上述問題,基于小波變換和神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)一種新的電路故障診斷方法。設(shè)定小波分解包,通過小波變換提取出故障特征,利用神經(jīng)網(wǎng)絡(luò)對原始信號進(jìn)行離散小波變換,獲得時(shí)頻矩陣,分析能量變化特點(diǎn),確定二維時(shí)頻信息,根據(jù)不同故障類型的映射關(guān)系實(shí)現(xiàn)診斷。實(shí)驗(yàn)結(jié)果表明,基于小波變換和神經(jīng)網(wǎng)絡(luò)的電路故障診斷方法得到的波形與實(shí)際波形十分接近,能夠精準(zhǔn)地檢測出電路故障。 

【文章來源】：現(xiàn)代電子技術(shù). 2020,43(10)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

電路故障特征提取流程

通過均分頻域的濾波器將信號分為高頻和低頻兩個(gè)子帶，保留高頻部分，對低頻部分繼續(xù)均分，一直均分到函數(shù)所表示的低通濾波器[5]。分析出小波后，對小波包進(jìn)行分解，在多分辨分析基礎(chǔ)上，將高頻部分進(jìn)一步細(xì)分，自適應(yīng)性地選擇合適頻段，與信號頻譜匹配，提高時(shí)頻分辨率[6]。小波包三層分解如圖2所示。提取信號分別表示為AAA3,DAA3,ADA3,DDA3,AAD3,DAD3,ADD3,DDD3，其中A表示低頻，B表示高頻，字母后面的數(shù)字表示小波包分解的層數(shù)。小波包分解的關(guān)系式為S=AAA3+DAA3+ADA3+DDA3+AAD3+DAD3+ADD3+DDD3。根據(jù)分解關(guān)系式提取電路的故障特征[7]。

神經(jīng)網(wǎng)絡(luò)通過自適應(yīng)的多層特征提取層，采取非監(jiān)督方式實(shí)現(xiàn)二維碼信息的抽象分布式特征表達(dá)，目前CNN主要運(yùn)用于電路故障診斷領(lǐng)域[8]。利用CNN對電路故障進(jìn)行診斷時(shí)，必須將二維時(shí)頻信息充分展現(xiàn)，信號S變換對高頻帶分辨率模糊不清，所以用DWT分離故障信號的頻帶，以便提高故障診斷效率。通過提取二維碼時(shí)頻特點(diǎn)診斷電路故障，CNN機(jī)構(gòu)模型見圖3。圖3中，輸入信號為二維時(shí)頻信號，F(xiàn)1為數(shù)積層，G1為下采集層，F(xiàn)1和G1交替出現(xiàn)并不斷提取信號信息，并在鏈接層形成時(shí)頻信號的分布特征表達(dá)[9]。CNN包括輸入信號由低層到高層變換的前向傳播和將預(yù)分類結(jié)果與期望結(jié)果的誤差反向傳播。前向傳播過程可實(shí)現(xiàn)對故障信號特征的自動(dòng)提取并進(jìn)行欲分類假設(shè)。假設(shè)CNN網(wǎng)絡(luò)第1層，即視為數(shù)積層，其后層作為分析層，經(jīng)過非線性激活函數(shù)對輸入的線性組合進(jìn)行計(jì)算，從而得到這一分析層的神經(jīng)輸出[10]。通過不斷迭代，對網(wǎng)絡(luò)中自適應(yīng)參數(shù)應(yīng)用梯度下降法進(jìn)行調(diào)整，得出一系列可自適應(yīng)數(shù)積核，降低到最小限度，最后得到想要的自適應(yīng)數(shù)積核。診斷過程如圖4所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)和離散小波變換的滾動(dòng)軸承故障診斷[J]. 陳仁祥,黃鑫,楊黎霞,湯寶平,余騰偉,周君.  振動(dòng)工程學(xué)報(bào). 2018(05)
[2]基于連續(xù)小波變換和卷積神經(jīng)網(wǎng)絡(luò)的無刷直流電機(jī)故障診斷[J]. 王驍賢,張保華,陸思良.  機(jī)械與電子. 2018(06)
[3]基于小波變換和RBF神經(jīng)網(wǎng)絡(luò)的機(jī)械故障診斷[J]. 路軍.  天津冶金. 2018(02)
[4]基于小波分析的神經(jīng)網(wǎng)絡(luò)基坑變形預(yù)測模型[J]. 崔騰飛,許章平,劉成洲,李一凡.  北京測繪. 2018(03)
[5]基于小波和BP神經(jīng)網(wǎng)絡(luò)的風(fēng)力機(jī)齒輪箱故障診斷[J]. 張文靜,張磊,劉明.  自動(dòng)化技術(shù)與應(yīng)用. 2017(06)
[6]基于交叉小波變換和主元分析的電力電子電路故障特征提取[J]. 況璟,何怡剛,鄧芳明,施天成.  電測與儀表. 2017(11)
[7]基于小波變換和神經(jīng)網(wǎng)絡(luò)的直升機(jī)旋翼不平衡故障診斷方法[J]. 徐永勤,高亞東,李清龍.  南京航空航天大學(xué)學(xué)報(bào). 2017(02)
[8]電氣設(shè)備故障診斷方法和技術(shù)研究[J]. 劉繼軍.  機(jī)電工程技術(shù). 2017(01)
[9]小波變換和神經(jīng)網(wǎng)絡(luò)的電路故障診斷[J]. 辛健,馬力.  現(xiàn)代電子技術(shù). 2017(05)
[10]交流穩(wěn)壓電源的改進(jìn)神經(jīng)網(wǎng)絡(luò)PID控制[J]. 王青山,梁得亮,杜錦華.  電機(jī)與控制學(xué)報(bào). 2017(02)



本文編號：2980668