基于小波神经网络的三相整流电路的故障诊断
基于优化神经网络的三相全控整流电路故障诊断
基于优化神经网络的三相全控整流电路故障诊断杨勇;王立志;樊波;董明【摘要】研究了递阶遗传算法用于神经网络的参数确定问题,以期利用递阶遗传算法的二级编码结构解决以往同时优化神经网络结构、权值、阈值效率不高的难题.此外,建立了三相桥式全控整流电路的故障模型,并对几种常见故障进行了仿真分析.最后,将自适应递阶遗传算法用于三相桥式全控整流电路的故障诊断,仿真验证了该方法的准确性和实用性.%The problem that how to use hierarchical genetic algorithm to determine the Structure and parameter of neural network is introduced. The two-level coding structure of the hierarchical genetic algorithm solved the previous problems about low efficiency of optimizing the neural network's structure, connection weights and threshold. Furthermore, the fault model of threephase full-controlled bridge rectifier circuit was constructed and some common faults were analyzed. The hierarchical genetic algorithm was applied to the fault diagnosis of three-phase full-controlled bridge rectcfier circuit. The simulation verifies the accuracy and practicability of the method.【期刊名称】《现代电子技术》【年(卷),期】2011(034)009【总页数】4页(P172-175)【关键词】递阶遗传算法;神经网络;三相桥式全控整流电路;故障诊断【作者】杨勇;王立志;樊波;董明【作者单位】空军工程大学理学院,陕西西安710051;空军工程大学理学院,陕西西安710051;空军工程大学理学院,陕西西安710051;空军工程大学理学院,陕西西安710051【正文语种】中文【中图分类】TN710-340 引言近年来，国内外有关研究人员针对电力电子电路故障诊断的研究还比较少，其中有相当一部分是基于神经网络的分析方法，虽然神经网络具有学习、泛化和容错能力[1]，令人欣喜，但它存在的许多缺点却不容忽视，如网络结构要求预知，最常用的BP学习算法在本质上是一个梯度下降搜索算法，这使其有可能收敛于局部最小点[2]。
吕---基于小波变换的电气设备故障诊断技术
基于小波变换的电气设备故障诊断技术1李淑娥邸敏艳吕锋（河北师范大学电子系050031）摘要小波变换具有良好的时——频特性，因此可以有效地用于电气设备故障诊断。
在对电气设备进行故障分析、故障诊断过程中，利用小波变换进行故障信号的故障时刻检测具有重要意义。
小波变换用于电气设备故障诊断就是对电气设备各种电磁、机械等信号进行实时监测控制，判别其状态，以求在故障初期或故障时刻发出警报，并随时进行处理、排除故障。
对信号进行特征提取，是故障诊断的关键。
突变信号往往表明电气设备发生了某类故障，如果能对突变信号进行有效识别，就可以进行故障诊断、故障分析、从而排除故障。
本文分析了电气设备故障的奇异性，通过仿真得出小波变换用于电气设备故障诊断的方法，以准确检测奇异点，提取故障时刻。
关键词小波变换；信号检测；奇异点；故障时刻。
中图分类号：TM711The Tecnology Of The Fault DiagnosisIn The Electricity Equipments Based On The Wavelet TransformationLi Shue Di Minyan Lv Feng(Electrical department of Hebei Normal University ，Shijiazhuang 050031)Abstract:Because of the wavelet transformation has the good hour-frequency characteristic, So it can be availably used for the fault diagnosis in the electricity equipments. At the proceeds of the electric appliances equipments analyze and examination,It’s so important that uses the wavelet transformation to the electric appliances equipments examination,The wavelet transformation uses for the electric appliances equipments examination is the examination of solid hour for the physics signal of electromagnetism、machine etc.Distinguish its appearance、send out the alert at the early or every moment in the electric equipments breakdown and handle、expel the breakdown in the time. Withdrawing the signal characteristic is a key to fault diagnosis.The mutation signal usually expresses the electricity equipments have a certain fault take placed. If we can identify the mutation signal, So we can proceed the fault diagnosis, the fault analysis and the fault expel. This text analyzes the stange of the fault in the electricity equipments, and draws a conclution of the wavelet transformation used in the electricity equipments fault.So it can withdraw the fault time, and1本课题为国家自然科学基金资助（NO：60374020）；河北省自然科学基金资助（NO：F2004000180）；河北省教育厅自然科学研究资助（NO:2003240）.prove the correctness of the strang point examination.Key words: wavelet transformation; signal detection; strange point; fault diagnosis.1、 引言小波变换作为一种信号的时间――尺度分析和时间――频率分析法，能有效地从信号中提取信息，由于小波函数具有良好的时――频特性，因而小波分析方法为信号的时――频分析提供了有力的工具。
基于小波变换和人工智能的电力系统故障诊断
Telecom Power Technology电力技术应用 2024年3月25日第41卷第6期73 Telecom Power TechnologyMar. 25, 2024, Vol.41 No.6刘 帆：基于小波变换和人工智能的电力系统故障诊断波变换能够将其分解成不同频率和不同时间尺度上的成分，具体公式为 ()()()*a,b ,d X a b x t t t ψ∞−∞=⋅∫ （1）式中：X (a ,b )表示小波变换系数；ψa,b (t )表示小波函数；t 表示时间；a 表示尺度参数；b 表示平移参数。
通过调整不同的尺度参数a 和平移参数b ，可以获得信号在时频平面上的局部分解。
这些小波系数可以作为时频域上的局部特征。
接下来，可以利用这些小波系数提取时频域特征。
一种常用的方法是计算小波系数的能量密度，即将小波系数模的平方作为特征，具体公式为 E (a ,b )=|X (a ,b )|2（2）式中：E (a ,b )表示时频域上的能量密度；|X (a ,b )|表示小波系数的模。
除能量密度外，还可以计算小波系数的其他统计特征，如均值、方差等，以及频率和时间上的相关特征。
2.2 基于卷积神经网络的集成学习方法CNN 是一种深度学习模型，主要由卷积层、池化层以及全连接层组成[7-8]。
卷积层是CNN 的核心组成部分，该模型通过卷积操作实现特征的提取和抽象。
假设输入的特征图为X (·)，卷积核为K (·)，那么卷积操作为 ()()()1100,,,M N m n Y i j X i m j n K m n −−===++⋅∑∑（3）式中：Y (i , j )表示卷积后的特征图的像素值；M 和N 分别表示卷积核的高度和宽度；m 和n 表示卷积核的元素索引。
池化层用于减少特征图的维度，提取出最重要的特征。
常用的池化操作包括最大池化和平均池化。
最大池化的数学表达为 Z (i , j )=max m,n ∈R ij Y (m ,n )（4）式中：R ij 表示输入特征图中与输出特征图中(i , j )位置对应的池化窗口。
基于优化神经网络的三相全控整流电路故障诊断
基于优化神经网络的三相全控整流电路故障诊断作者：杨勇,王立志,樊波,董明来源：《现代电子技术》2011年第09期摘要：研究了递阶遗传算法用于神经网络的参数确定问题，以期利用递阶遗传算法的二级编码结构解决以往同时优化神经网络结构、权值、阈值效率不高的难题。
此外，建立了三相桥式全控整流电路的故障模型，并对几种常见故障进行了仿真分析。
最后，将自适应递阶遗传算法用于三相桥式全控整流电路的故障诊断，仿真验证了该方法的准确性和实用性。
关键词：递阶遗传算法；神经网络；三相桥式全控整流电路；故障诊断中图分类号：TN710-34文献标识码：A文章编号：1004-373X(2011)09-0172-04Three-phase SPWM Inverter Fault Diagnosis Based on Optimized Neural NetworkYANG Yong,WANG Li-zhi,FAN Bo,DONG Ming(College of Science,Air Fo rce Engineering University,Xi’an 710051,China)Abstract： The problem that how to use hierarchical genetic algorithm to determine the structure and parameter of neural network is introduced. The two-level coding structure of the hierarchical genetic algorithm solved the previous problems about low efficiency of optimizing the neural network′s structure,connection weights and threshold. Furthermore,the fault model of three-phase full-controlled bridge rectifier circuit was constructed and some common faults were analyzed. The hierarchical genetic algorithm was applied to the fault diagnosis of three-phase full-controlled bridge rectifier circuit. The simulation verifies the accuracy and practicability of the method.Keywords： hierarchical genetic algorithm; neural network; three-phase full-controlled bridge rectifier circuit; fault diagnosis0 引言近年来，国内外有关研究人员针对电力电子电路故障诊断的研究还比较少，其中有相当一部分是基于神经网络的分析方法，虽然神经网络具有学习、泛化和容错能力［1］，令人欣喜，但它存在的许多缺点却不容忽视，如网络结构要求预知，最常用的BP学习算法在本质上是一个梯度下降搜索算法，这使其有可能收敛于局部最小点［2］。
基于小波神经网络的模拟电路故障诊断改进
在线测试与故障诊断 电 子 测 量 技 术 ＥＬＥＣＴＲＯＮＩＣ ＭＥＡＳＵＲＥＭＥＮＴ ＴＥＣＨＮＯＬＯＧＹ第３４卷第１１期２０１１年１１月 基于小波神经网络的模拟电路故障诊断改进孙必伟 潘 强 王怀龙（海军工程大学电子工程学院 武汉 ４３００３３）摘 要：在运用神经网络进行模拟电路故障诊断的过程中，代表着故障特征的网络输入至关重要，由于小波变换的时频局部化和多尺度分析等特性，将两者结合起来，通过小波变换对模拟电路的输出响应进行故障特征提取，同时解决ＰＳＰＩＣＥ与ＭＡＴＬＡＢ之间的数据通信问题，提出将蒙特卡罗分析产生的所有训练样本经过处理后输入到一个神经网络进行训练的方法，从而避免了训练多个神经网络。
利用神经网络对各种故障模式进行分类，实现模拟电路的故障诊断，并进一步与传统的ＢＰ网络故障诊断法进行比较。
仿真结果表明，该方法可以实现故障检测及定位，诊断的准确率显著提高，适用于模拟电路故障诊断。
关键词：小波神经网络；模拟电路；故障诊断；故障特征中图分类号：ＴＰ１８３ 文献标识码：ＡＩｍｐｒｏｖｅｍｅｎｔ ｍｅｔｈｏｄｓ ｆｏｒ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｏｆａｎａｌｏｇ ｃｉｒｃｕｉｔｓ ｂａｓｅｄ ｏｎ ｗａｖｅｌｅｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓＳｕｎ Ｂｉｗｅｉ Ｐａｎ Ｑｉａｎｇ Ｗａｎｇ Ｈｕａｉｌｏｎｇ（Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ Ｃｏｌｌｅｇｅ，Ｎａｖａｌ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｗｕｈａｎ ４３００３３）Ａｂｓｔｒａｃｔ：Ｉｎ ｔｈｅ ｐｒｏｃｅｓｓ ｏｆ ｕｓｉｎｇ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｆｏｒ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｏｆ ａｎａｌｏｇ ｃｉｒｃｕｉｔｓ，ｔｈｅ ｎｅｔｗｏｒｋ ｉｎｐｕｔ ｗｈｉｃｈｒｅｐｒｅｓｅｎｔｓ ｆａｕｌｔ ｓｉｇｎａｔｕｒｅ ｉｓ ｖｅｒｙ ｉｍｐｏｒｔａｎｔ．Ｃｏｍｂｉｎｉｎｇ ｔｈｅ ｔｗｏ ｆｅａｔｕｒｅｓ ｏｆ ｔｉｍｅ－ｆｒｅｑｕｅｎｃｙ ｌｏｃａｔｉｏｎ ａｎｄ ｍｕｌｔｉｐｌｅ－ｓｃａｌｅａｎａｌｙｓｉｓ ｏｆ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ，ｏｂｔａｉｎ ｔｈｅ ｆａｕｌｔ ｆｅａｔｕｒｅｓ ｏｆ ａｎａｌｏｇ ｃｉｒｃｕｉｔ ｏｕｔ ｐｕｔ ｂｙ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ，Ｓｏ ｗｉｌｌ ｂｏｔｈｔｏｇｅｔｈｅｒ ａｎｄ ｔｈｅ ｃｏｌｌｅｃｔｅｄ ｄａｔａ ｗａｓ ｐｒｅｐｒｏｃｅｓｓｅｄ ｂｙ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ ｔｏ ｇｅｎｅｒａｔｅ，ａｎｄ ａｌｓｏ ｓｏｌｖｅｓ ｔｈｅ ｄａｔａｃｏｍｍｕｎｉｃａｔｉｏｎ ｐｒｏｂｌｅｍｓ ｂｅｔｗｅｅｎ ＰＳＰＩＣＥ ａｎｄ ＭＡＴＬＡＢ．Ａ ｍｅｔｈｏｄ ｉｓ ｐｒｏｐｏｓｅｄ ｔｈａｔ ｉｎｐｕｔ ａｌｌ ｔｒｅａｔｍｅｎｔ ｔｒａｉｎｉｎｇｓａｍｐｌｅｓ ｗｈｉｃｈ ａｒｅ ｐｒｏｄｕｃｅｄ ｂｙ Ｍｏｎｔｅ－Ｃａｒｌｏ ａｎａｌｙｓｉｓ ｔｏ ｏｎｅ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，ｗｈｉｃｈ ａｖｏｉｄｓ ｔｒａｉｎｉｎｇ ｍｕｌｔｉｐｌｅ ｎｅｕｒａｌｎｅｔｗｏｒｋｓ．Ｔｈｅｎ ｒｅａｌｉｚｅｄ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｏｆ ａｎａｌｏｇ ｃｉｒｃｕｉｔｓ ｂｙ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｔｏ ｃｌａｓｓｉｆｙ ｔｈｅ ｖａｒｉｏｕｓ ｆａｕｌｔ ｍｏｄｅｓ．Ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｍｅｔｈｏｄ ｗｈｉｃｈ ｏｎｌｙ ｕｓｅｓ ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｔｏ ｄｉａｇｎｏｓｅ，ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｉｓｍｅｔｈｏｄ ｉｓ ｐｒｏｐｉｔｉｏｕｓ ｆｏｒ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｏｆ ａｎａｌｏｇ ｃｉｒｃｕｉｔｓ ｗｈｉｃｈ ｃａｎ ｒｅａｌｉｚｅ ｆａｕｌｔ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｌｏｃａｌｉｚａｔｉｏｎ，ａｎｄ ａｃｃｕｒａｃｙｒａｔｅ ｏｆ ｄｉａｇｎｏｓｉｓ ｉｓ ｉｍｐｒｏｖｅｄ ｓｉｇｎｉｆｉｃａｎｔｌｙ．Ｋｅｙｗｏｒｄｓ：ｗａｖｅｌｅｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ；ａｎａｌｏｇ ｃｉｒｃｕｉｔｓ；ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ；ｆａｕｌｔ ｆｅａｔｕｒｅｓ 本文于２０１１年８月收到。
基于小波神经网络的输电线路故障类型识别（精品论文）
黼怠工程技术基于小波袖经网络帕输电线路故疃类型ｉＲｇＵ嘉兴电力局刘冻［摘要】电力系统故障类型识别是对电力系统故障进行快速准确处理的重要保证。
本文所提出的故障类型识别技术是基于１５０ｋｉｎ双端电气量输电线路准确故障的数字仿真，根据故障前后所测的三相电流和零序电流数据，利用ｄｂｌ小波对数据分解。
将低频部分归一化处理后，用过渡电阻ＲＩ－５ｎ，１００ｋｍ处的样本来训练网络，再利用ＢＰ神经网络来判断５０ｋｉｎ和１５０ｋｉｎ处接地过渡电阻Ｒｓ＝ｌＯｆｌ，相间过渡电阻Ｋｒ＝０．２ｎ时的１０种短路故障类型，均没有发生误判。
从网络的训练和检测结果可以看出，小波神经网络训练时收敛速度较快，并且检测故障速度和准确度都很高。
这说明，小波神经网络能够满足现代电力系统的要求，为以后的故障定位和诊断工作打下了良好的基础。
【关键词】电力系统输电线路小波变换故障类型识别小波神经网络０．引言电力系统的任务是产生电能并将电能输送给用户，保证及时安全可靠的发电和供电是对电力系统运行的首要要求。
当电力系统出现故障时，如果不能实现进行迅速准确的故障类型识别，就不能保证将电能安全及时地输送给用户。
因此。
对电力系统进行准确的故障类型识别是现场事故恢复处理的重要部分，同时对电力系统安全稳定运行具有重要的意义。
应用神经网络及相应数学工具的优势对输电线路以及与之相关的设备进行准确的故障定位和诊断是电力系统技术发展的趋势，它不仅可以减少和防止故障对电力系统造成的影响，使系统尽快恢复正常运行。
减少经济损失，而且更重要的是对提高电力系统供电的安全可靠性也有很大的帮助【ｌＪ。
１．应用Ｍａｔｌａｂ／Ｓｉｍｕｌｉｎｋ对双端电气■输电线路准确故障的数字仿真首先建立仿真模型，如图ｌ。
Ｆ图ｌ双电源输电模型应用Ｍａｔｌａｂ中的ｓｉｍｕｌｉｎｋ工具箱对图１进行仿真ｍ，采样频率为２Ｈｚ。
每周期采４０个点．线路全长１５０ｋｍ。
具体参数：正序阻抗ＺＩ＝０．０１５２＋ｊ０．３１３ＤＪｋｍ；零序阻抗Ｚｏ－－Ｏ．０３６２＋ｊＯ．９３２０／ｋｍ。
基于小波神经网络的模拟电路故障诊断方法研究
中图分类号：TN710⁃34
文章编号：1004⁃373X（2015）06⁃0036⁃03
文献标识码：A
Method of Analog Circuit Fault Diagnosis based on wavelet neural network
障特征，再通过上述的方法进行故障诊断。
本文采用小波神经网络实现故障的诊断，首先对研
究电路进行仿真，对各种故障状态下的幅频响应曲线利
用小波变换提取其特征参数集，该数据集包含了元件在
无容差状态下的电路数据和有容差状态下的电路数据，
然后构造 BP 神经网络进行故障的诊断分类。经实验证
明，本文所用方法对所研究电路故障有很高的识别率。
第6期
周晶晶，等：基于小波神经网络的模拟电路故障诊断方法研究
（1）对采样信号进行 5 层离散小波分解，得到从第
1 层到第 5 层，共 6 个小波分解系数序列（A5，D5，D4，D3，
D2，D1）；
（2）特征向量构成。以各层小波分解系数的绝对
37
OrCAD/PSpice 10.5 软 件 进 行 建 模 及 仿 真 。 如 图 1 所
示。在电路各个故障模式下（包含正常情况）进行 50 次
WT x ( a, b ) = 1
a
∫
+∞
-∞
x ( t ) φ·æ t - b ö dt, a > 0
è a ø
式中：a 为频率参数；b 为时间参数。通过改变时间和频
率参数，将得到不同的尺度来评估信号在不同的时间频
率段的系数。这些系数表征了原始信号在这些小波函
数上投影的大小。从信号分析的角度看，小波分解是将
基于BP神经网络的三相桥式全控整流电路的故障诊断
基于BP神经网络的三相桥式全控整流电路的故障诊断作者：黄剑涛来源：《价值工程》2017年第30期摘要：随着科技的发展，针对电子技术中的三相桥式全控整流电路中晶闸管容易出现的问题，提出了BP神经网络以解决故障的方法。
为了验证此方法有效，利用Matlab软件来对三相桥式全控整流电路建立仿真模型。
仿真试验可以得出BP神经网络进行训练的案例，进而得到所有类型的BP神经网络结构的故障。
关键词：BP神经网络；三相桥式全空整流电路；Matlab仿真；故障诊断中图分类号：TM461 文献标识码：A 文章编号：1006-4311（2017）30-0218-020引言对于电力电子电路来说，它最早出现的电路形式就是整流电路，而整流电路的应用非常广泛，形式各有特色，可以进行交流电与直流间的转化。
而在这些类的整流电路当中，应用较为广泛的是三相桥式全控整流电路，大多数情况下选择整流器件的时候都会选择晶闸管。
然而，晶闸管在电力电子器件当中，是一种较为容易被损坏的器件，同时加之电力电子设备中拥有数量众多的晶闸管，故而确定哪一个坏了就是一件非常耗时、费力的工作。
那么，如何准确快速的找到电力电子设备中器件所发生的具体故障，是很多国内外学者一直长期致力于研究的事项。
而在本文中的电力电子技术知识就是对故障建立BP神经网络，从而进一步确定故障是何种类别。
另外，对于较为复杂的非线性时变系统的三相桥式的全控整流电路来说，普通的分析和建模十分不易，在这种情况下，只能利用Matlab仿真软件来仿真三相桥式全控整流电路和故障模型。
1仿真三相桥式全控整流电路的故障分析1.1分析三相桥式全控整流电路的构成情况三相桥式全控整流电路构成主要包括6路触发脉冲、负载以及整流变压器等，建立仿真三相桥式全控整流电路模型时需借助Matlab/Simulink以及SimPowerSystem，具体如图1所示。
电路中的负载均使用纯电阻，采用odel5s（stiff/NDF）进行仿真计算，在无异常的情况下，负载电压的波形图具体如图2所示，从图中得出电压的波形图形是六段电压所构成的。
基于小波分析的电机故障诊断
小波分析与其他方法的结合应用
小波分析与信号处理技术结合
利用小波变换的优势，结合其他信号处理技术，如滤波、降噪等，提高信号质量，提取更准确的故障特征。
小波分析与模式识别方法结合
将小波分析用于特征提取，结合模式识别算法，如支持向量机、神经网络等，实现电机故障的有效分类和识别。
小波分析在电机故障诊断中的挑战与机遇
局限性
小波分析在选择合适的小波基函数和 参数时存在一定的主观性和经验性； 对于大规模数据，小波变换的计算量 较大，需要优化算法以提高效率。
02
电机故障诊断技术
电机故障的类型与原因
01
02
03
机械故障
由于轴承磨损、转子偏心 、机械松动等Biblioteka 因导致电 机运行时产生振动和噪声 。
电气故障
由于绕组短路、断路、匝 间短路等原因导致电机电 流异常和温升过高。
比。
信号压缩
小波变换能够将信号进行多尺度分 解，去除高频细节成分，实现信号 压缩。
特征提取
小波变换能够提取信号中的突变和 奇异点，用于故障检测和识别。
小波分析的优势与局限性
优势
小波分析具有多尺度分析能力，能够 同时处理信号的时域和频域信息；能 够适应非平稳信号的处理；能够提供 信号的细节信息和整体趋势。
小波分析在电机故障诊断中的应用
信号处理
小波分析能够有效地处理电机运 行过程中的振动、声音等信号， 提取出与故障相关的特征信息。
故障定位
通过小波变换，可以确定故障发 生的位置，为后续的维修和保养 提供指导。
趋势预测
通过对电机运行数据的长期监测 和分析，小波分析可以预测电机 的性能衰减趋势，提前预警潜在 的故障风险。
基于小波变换和神经网络的三相桥式全控整流电路故障诊断
基于小波变换和神经网络的三相桥式全控整流电路故障诊断
三相桥式全控整流电路是一种常见的电力电子装置，在现代工业中得到了广泛应用。
然而，这种电路在使用过程中也可能出现各种故障，例如电容损坏、晶体管损坏等。
因此，如何快速准确地诊断故障成为了一个重要的问题。
本文将基于小波变换和神经网络，探讨三相桥式全控整流电路的故障诊断方法。
首先，介绍一下小波变换。
小波变换是一种信号分析方法，可以将信号分解为不同频率和时间的小波包，用于提取信号的特征信息。
在三相桥式全控整流电路中，小波变换可以用于提取特征信号，例如整流电路的输出电压、电流等。
然后，介绍神经网络。
神经网络是一种模拟生物神经系统的人工智能技术，可以通过大量数据的学习来识别和分类。
在三相桥式全控整流电路中，神经网络可以学习各种故障特征，例如输出电压波形中的漂移、峰值等。
接下来，将小波变换和神经网络结合起来，进行故障诊断。
具体步骤如下：
1. 首先，对整流电路的输出电压、电流等信号进行小波变换，提取特征信号。
2. 然后，将提取的特征信号作为神经网络的输入数据，训练神经网络，使其能够准确识别各种故障特征。
3. 最后，将需要诊断的整流电路的输出信号输入到训练好的神
经网络中，根据神经网络的输出结果，判断整流电路是否存在故障，以及故障的类型和位置。
通过以上步骤，可以实现对三相桥式全控整流电路的快速准确诊断，避免故障对产业生产的影响。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
龙源期刊网
基于小波神经网络的三相整流电路的故障诊断
作者：靳芳华何玉珠张庆荣
来源：《现代电子技术》2011年第05期
摘要：应用带动量项和自适应学习率的小波神经网络解决了应用神经网络诊断三相整流电路时收敛速度慢，搜索空间局部极小，易引起振荡等问题。
首先根据不同晶闸管的故障输出波形的不同，使用Multisim软件对三相整流电路的故障进行仿真模拟，然后用波形采集数据制作的样本对网络进行训练，最后训练好的网络可用于故障诊断。
仿真表明，提出的方法比现有方法的收敛速度快，诊断误差小。