開關(guān)電源作為各種電氣設(shè)備的不可或缺的部分,開關(guān)電源的健康狀況關(guān)系到設(shè)備運(yùn)行的可靠性,同時(shí)也關(guān)系到整個(gè)化工廠區(qū)生產(chǎn)的安全。由于化工企業(yè)工藝流程繁雜,使用大量的電氣設(shè)備,開關(guān)電源損壞也是常見故障,經(jīng)實(shí)測(cè),開關(guān)電源中濾波電容失效會(huì)對(duì)電網(wǎng)注入諧波信號(hào),從而影響電網(wǎng)整體供電質(zhì)量,嚴(yán)重情況下會(huì)引起電網(wǎng)其他電氣設(shè)備運(yùn)行異常,產(chǎn)生連鎖反應(yīng),因此研究開關(guān)電源故障預(yù)警及診斷具有重要意義。原料比例的變化,負(fù)載的改變,溫度的變化等因素導(dǎo)致化工生產(chǎn)過程往往是多模態(tài)工況,導(dǎo)致單一的神經(jīng)網(wǎng)絡(luò)模型在開關(guān)電源故障診斷方面精度不夠準(zhǔn)確。針對(duì)這種情況,本課題以工業(yè)開關(guān)電源為例,提出一種多模態(tài)深度神經(jīng)網(wǎng)絡(luò),采用分級(jí)式深度神經(jīng)網(wǎng)絡(luò),首先第一級(jí)網(wǎng)絡(luò)對(duì)多模態(tài)數(shù)據(jù)進(jìn)行模態(tài)識(shí)別,再在第二級(jí)網(wǎng)絡(luò)上對(duì)每個(gè)模態(tài)建立深度神經(jīng)網(wǎng)絡(luò)診斷模型,從而提升了多模態(tài)工況下開關(guān)電源故障診斷精度。本課題首先介紹了開關(guān)電源基本原理,分析常見故障電子元器件故障模型和故障模式;闡述了BP神經(jīng)神經(jīng)網(wǎng)絡(luò)的算法核心思想,分析了卷積神經(jīng)網(wǎng)絡(luò)(CNN),并且結(jié)合了剩余學(xué)習(xí)的思想,最終構(gòu)建了一種深度可達(dá)幾十層的深度殘差網(wǎng)絡(luò)(Res Net),在網(wǎng)絡(luò)模型的訓(xùn)練上引入超參數(shù)優(yōu)化算...

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 課題研究?jī)?nèi)容及意義
2 一維卷積神經(jīng)網(wǎng)絡(luò)和殘差網(wǎng)絡(luò)理論
    2.1 BP神經(jīng)網(wǎng)絡(luò)
    2.2 一維卷積神經(jīng)網(wǎng)絡(luò)
    2.3 殘差網(wǎng)絡(luò)
    2.4 深度神經(jīng)網(wǎng)絡(luò)優(yōu)化
    2.5 本章小結(jié)
3 基于分級(jí)深層神經(jīng)網(wǎng)絡(luò)的多模態(tài)故障診斷
    3.1 基于深層神經(jīng)網(wǎng)絡(luò)的故障診斷
    3.2 基于分級(jí)深度神經(jīng)網(wǎng)絡(luò)的多模態(tài)故障診斷
    3.3 本章小結(jié)
4 實(shí)驗(yàn)數(shù)據(jù)分析與方法比較研究
    4.1 多模態(tài)故障數(shù)據(jù)集
    4.2 實(shí)驗(yàn)分析
    4.3 本章小結(jié)
5 基于Zynq的在線監(jiān)測(cè)預(yù)警裝置設(shè)計(jì)
    5.1 系統(tǒng)需求分析和硬件架構(gòu)選擇
    5.2 系統(tǒng)方案設(shè)計(jì)
    5.3 AD數(shù)據(jù)采集
    5.4 嵌入式移植
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文和科研情況



本文編號(hào)：3807369