小波徑向基網絡電力電子電路故障診斷

基于量子神經網絡的電力電子電路故障診斷

基于改進粒子群神經網絡的電力電子電路故障診斷

基于wigner-ville分布的電力電子電路故障診斷技術 王榮杰 （集美大學輪機工程學院，廈門361021） 摘要：提出了一種基于wigner-ville分布的電力電子電路故障診斷方法，首先建立各種類型故 障信號的wigner-ville模時頻矩陣，然后計算故障信號wigner-ville模時頻矩陣與標準模時頻矩 陣的相似度，以相似度最大為判別依據(jù)實現(xiàn)故障的診斷。三相橋式可控整流電路晶閘管故障診 斷仿真結果表明該方法能準確對電力電子電路故障進行類型的識別和故障元的定位，對噪聲具 有魯棒性，且算法簡單，在解決電力電子電路故障問題上有著很好的工程實用價值。 關鍵詞：wigner-ville分布；相似度；故障診斷；電力電子電路 中圖分類號：tp181文獻標識碼:a faultdiagnosistechnologybasedonwigner-vill

人工神經網絡在電力電子電路故障診斷中有廣泛的應用。常用的反向傳播算法存在著容易陷入局部極小點、對初值要求高的缺點,給故障診斷帶來不便。提出了采用遺傳算法優(yōu)化人工神經網絡結構的初值,將遺傳算法與人工神經網絡結合起來,應用于電力電子電路的故障診斷中。仿真實驗表明該方法是有效的。

采用最小二乘支持向量機預測算法對電力電子電路進行故障預測.以基本降壓斬波電路為例,選擇電路輸出電壓作為監(jiān)測信號,提取輸出電壓平均值及紋波值作為電路特征性能參數(shù),并利用ls-svm回歸預測算法實現(xiàn)故障預測.仿真結果表明,利用ls-svm對基本降壓斬波電路輸出平均電壓與輸出紋波電壓的預測相對誤差均低于2%,能夠跟蹤故障特征性能參數(shù)的變化趨勢,有效實現(xiàn)電力電子電路故障預測.

畢業(yè)設計（論文） 題目：電力電子電路緩沖器的研究與仿真 學生姓名：xxx 學號：xxx 所在學院：電氣與光電工程學院 專業(yè)班級：電氣工程及其自動化1405班 屆別：2018屆 指導教師：xxx 皖西學院本科畢業(yè)設計（論文）創(chuàng)作誠信承諾書 1.本人鄭重承諾：所提交的畢業(yè)設計（論文），題目《電力 電子電路緩沖器的研究與仿真》是本人在指導教師指導下獨立完 成的，沒有弄虛作假，沒有抄襲、剽竊別人的內容； 2.畢業(yè)設計（論文）所使用的相關資料、數(shù)據(jù)、觀點等均真 實可靠，文中所有引用的他人觀點、材料、數(shù)據(jù)、圖表均已標注 說明來源； 3.畢業(yè)設計（論文）中無抄襲、剽竊或不正當引用他人學 術觀點、思想和學術成果，偽造、篡改數(shù)據(jù)的情況； 4.本人已被告知并清楚：學校對畢業(yè)設計（論文）中的抄襲、 剽竊、弄虛作假等違反學術規(guī)范的行為將

86電子電路故障診斷的新方法

畢業(yè)設計說明書 課題名稱：電力電子路仿真技術的應用 學生姓名倪世呈 學號0902013425 二級學院（系）電氣電子工程學院 專業(yè)機電一體化技術 班級機電0934 指導教師方建華 起訖時間：2012年2月13日～2012年4月6日 浙江機電職業(yè)技術學院畢業(yè)設計說明書 i 電力電子電路仿真技術的應用 摘要 本文是用matlab/simulink實現(xiàn)電力電子有關電路的計算機仿真的畢業(yè)設計。 論文給出了單相半波可控整流電路、單相橋式全控整流電路、三相半波可控整 流電路、三相半波有源逆變電路、三相橋式全控整流電路的實驗原理圖、matlab 系統(tǒng)模型圖、及仿真結果圖。實驗過程和結果都表明：matlab在電力電子有關 電路計算機仿真上的應用是十分廣泛的。尤其是電力系統(tǒng)工具箱－power systemblockset（ps

針對傳統(tǒng)的電力電子電路參數(shù)辨識僅對部分器件進行辨識,未辨識到所有器件特征參數(shù)值,無法準確判斷電路當前狀態(tài)的問題,建立了基于電感電流與輸出電壓的電路混雜系統(tǒng)模型,使用粒子群優(yōu)化算法將參數(shù)辨識問題轉化為目標函數(shù)優(yōu)化問題,求解得到電路中所有關鍵元器件的特征參數(shù)值,以更好地表征電路的健康狀態(tài)。仿真實驗結果表明該方法的辨識精度達到98%以上,有較好的辨識效果。

針對現(xiàn)有電力電子電路故障狀態(tài)預測技術的不足,提出將電路特征性能參數(shù)與粒子群算法(pso)優(yōu)化的徑向基函數(shù)(rbf)神經網絡相結合,對電力電子電路進行故障狀態(tài)監(jiān)測預測.以電源電路中buck電路為例,選擇電路輸出電壓作為監(jiān)測信號,提取輸出電壓平均值及紋波電壓值作為電路特征性能參數(shù),并利用改進后的rbf神經網絡實現(xiàn)狀態(tài)預測.結果表明,利用pso改進后的rbf神經網絡對電路輸出平均電壓和紋波電壓的預測比單純rbf神經網絡預測的結果更加精準,能夠跟蹤電源電路狀態(tài)特征性能參數(shù)的變化趨勢,有效實現(xiàn)電力電子電路狀態(tài)監(jiān)測和預測.

電子電路故障檢測綜述

電力電子課程設計說明書 題目：降壓斬波電路設計 學生姓名：蔣文鋒 學號：201206010216 院（系）：電氣與信息工程學院 專業(yè)：電氣工程及其自動化 指導教師：康家玉 2014年12月20日 降壓斬波電路設計 1 目錄 一、設計背景..............................................................................................................................................2 二設計要求與方案................................................................................................

電力電子設備遠程監(jiān)控與故障診斷系統(tǒng)設計_英文_

???????????????????????????????????????????????????????????????20060501 ????????????????????????????????????????(10?ì1.??????.???.zhouqing.liaihua??????????????????????-????????2007,15(5)????????????????,??????????????????????????,???????????????,?????????????????,???????????????????,???????????????????????,???????????????????????,??????????????

提出一種利用小波變換提取模擬電路故障特征和基于支持向量機狀態(tài)分類的模擬電路故障自動識別和診斷方法。首先討論小波變換的基本原理和支持向量機原理及其多分類算法,同時著重研究支持向量機的一種改進型一對多故障分類算法,然后實現(xiàn)在小波變換上,采用分布式多svm分類器識別單相橋式整流模擬電路的故障。實驗證明,該方法能準確有效地對模擬電路故障進行識別和診斷。

采用一種基于粒子群優(yōu)化算法和人工神經網絡相結合的混合算法應用于電力電子整流電路的故障診斷。文中首先論述了粒子群優(yōu)化算法以及實現(xiàn)粒子群和神經網絡的混合算法的操作步驟,然后將這種診斷方法應用于電力電子整流電路的故障診斷。仿真診斷結果表明,這種混合診斷方法可用于電力電子三相整流電路的故障診斷。它具有較快的收斂速度和較高的診斷精度,它具有工程的應用價值。

常用過流過壓保護的措施、電路和元件 一、過流、過壓保護元件的重要性 在各類電子產品中，設置過電流保護和過電壓保護元件的趨勢日益增強，之 所以如此，歸納起來主要有以下幾個方面的因素： （1）隨著電子產品發(fā)展的需求，ic的功能(集成度)也越來越強，其“身價” 自然越來越高貴，因而需要加強保護。 （2）為了降低功耗、減少發(fā)熱、延長使用壽命，半導體元件和ic的工作電 壓越來越低，其抗過電流/過電壓的能力需要適應新的保護要求。 （3）移動式電子產品越來越多，如手持機、pda、筆記本電腦、攝錄機、數(shù) 碼相機、光盤機等，這些電子產品都需要電池組件作為，在電池組件和電池充電 器中都必須配備保護元件。 （4）隨著現(xiàn)代汽車制造的發(fā)展，車內裝備的電子設備越來越多，而且工作 條件比一般的電子產品更惡劣，如汽車行駛狀況和環(huán)境瞬息萬變、汽車起動時會 產生很大的瞬間峰值電壓等。因此，在為這些電

電力電子裝置

研究電路的故障問題,應提高快速性和準確性。為提高仿真電路故障診斷效率,給出了一種基于改進支持向量機的仿真電路故障診斷方法。首先通過小波包變換實現(xiàn)了信號的能量特征提取,根據(jù)主元分析完成了特征壓縮;其次針對支持向量機多分類一對一方法存在的不可分類區(qū),將其與最近鄰分類法相結合,實現(xiàn)了電路的故障診斷,并提出了一種混合遺傳算法實現(xiàn)了小波函數(shù)和支持向量機參數(shù)的同步選擇;最后通過一仿真電路的仿真實驗,與bp,rbf和pnn等神經網絡對比,結果顯示基于支持向量機的方法診斷精度最高,達到98%,為設計提供參考依據(jù)。

為了解決因缺少大量故障數(shù)據(jù)樣本而制約數(shù)字電路故障智能診斷發(fā)展的問題,提出了一種基于支持向量機的故障診斷仿真模型。由fpga仿真產生數(shù)字電路,由pci-7200i/o卡進行采集。支持向量機建立在vc維理論和結構風險最小原理基礎上,根據(jù)有限的樣本信息在模型的復雜性和學習能力之間尋求最佳折衷。在選取診斷模型輸入向量時,對故障信號進行篩選,簡化了故障特征向量的提取。仿真結果表明支持向量機可以有效地對數(shù)字電路故障進行診斷。

支持向量機（svm）是-種解決小樣本分類問題的最佳理論算法,它的核函數(shù)的參數(shù)選擇非常重要,直接影響著故障診斷的準確率.本文將粒子群算法（pso）用于支持向量機的參數(shù)優(yōu)化,提出基于粒子群支持向量機的故障診斷模型,并將其運用于軌道電路中.通過對比matlab仿真結果得出：經過粒子群尋優(yōu)得到的參數(shù)比隨機選取的參數(shù)更優(yōu),所建立的pso-svm模型的故障診斷準確率高于普通的svm模型.

支持向量機(svm)算法以統(tǒng)計學習理論為基礎,依據(jù)結構風險最小化的原則,且在有效的特征信息有效的情況下,能夠對數(shù)據(jù)中隱藏的有效信息進行挖掘。故本文用支持向量機對zpw-2000軌道電路進行故障診斷研究,且用遺傳算法和粒子群算法對其中的參數(shù)進行優(yōu)化,進而實現(xiàn)故障類別的判斷。對提高鐵路信號維護的智能化水平有重大意義。