基于小波神经网络的电力电子电路故障模式识别

  本文关键词：基于小波神经网络的电力电子电路故障模式识别，由笔耕文化传播整理发布。

第３３卷第１４期

８２

继电器

ＲＥＬＡＹ

２００５年７月１６日

Ｖ０１．３３Ｎｏ．１４Ｊｕｌ．１６。２００５

基于小波神经网络的电力电子电路故障模式识别

李微，谭阳红，彭永进

（湖南大学电气与信息工程学院，湖南长沙４１００８２）

摘要：提出了基于两种不同小波神经网络的电力电子电路故障模式识别方法。针对电力电子电路故障，构造了激活函数型和权值型两种不同的三层小波神经网络，给出了相应的数学模型和学习算法。以三相整流桥电路为例，建立了小波神经网络的输出与故障元之间的对应关系，实现了电路故障的模式识别，并与用普通ＢＰ网络识剐的结果进行了比较。仿真结果验证了两种故障识别方法的正确性和较好的准确性。

关键词：小波；

神经网络；

故障模式识别；

电力电子电路

文章编号：１００３４８９７（２００５）１４ＪＤ０８２＿０５

中图分类号：ＴＭｌ３文献标识码：Ａ

Ｏ

引言

随着电力电子电路的应用日益广泛，故障识别

行了比较研究。

ｌ小波神经网络

小波变换是一种信号的时间一尺度（时间一频率）分析方法，它在时间域和频率域都具有表征信号的能力，而且具有多分辨分析的特点，即在低频部分具有较高的频率分辨率和较低的时间分辨率，，在高频部分具有较高的时间分辨率和较低的频率分辨率。对于任意函数的连续小波变换为：

问题越来越突出。电力电子电路的故障大多数表现为晶闸管的损坏，其中晶闸管的开路和短路最为常见。电力电子电路构成的装置发生故障后，为了避免故障的扩大，必须快速（数毫秒到数十毫秒内）将主电路停电，以便操作人员在电力电子电路不通电的条件下，迅速判断出故障元件，并更换损坏的元件，恢复生产。这有赖于操作人员经验和熟练程度。但是，由于受到现场环境和人为因素的影响，即使是经验丰富的操作人员都可能出现误判断，从而延长了停机维修的时间，影响了生产。因此，在电力电子电路中应用自动故障识别技术，是有其现实意义和经济意义的…。近年来，国内外有关研究人员针对电力电子电路故障识别做了许多有效的研究，其中有相当一部分是基于神经网络的分析方法旧。ｏ，这种方法当识别种类增多，网络输入的采样信号夹杂着噪声增大时，识别的准确性就会受到很大的影

响。

哆（ｏ，６）＝＜厂，‰＞＝Ｉ口Ｉ。１尼伙￡）妒（宰）ｄ￡

（１）

其逆变换公式为：八ｆ）：ｃ；１

ｆ。ｆ。哆（ｎ，６）蛾，。（ｔ）垫笋（２）

其中：小波沙“需满足其容许性条件。

神经网络与小波分析的结合方式有两种，这里采用紧致型结合方式：用小波函数作为神经网络的激活函数或权值，前者称为激活函数型小波网络，后者称为权值型小波网络。

１．１激活函数型小波网络

小波神经网络（简称小波网络）是神经网络和小波理论结合的产物Ｍ］。它兼具了小波多尺度分辨的能力和神经网络并行计算的能力，有收敛速度快，鲁棒性好，逼近能力强等优点，因而成为研究的

热点‘７｜。

激活函数型小波网络三层网络结构如图ｌ所示。设系统的输入为ｚ＝［戈。，石：，…，孙］，，，＝［ｙ。，儿，…，ｙ。］为输出值，小波函数砂“（术）为第一层激活函数，其中，口和６分别为尺度和位移因子，第二、三层的传递函数为盯（术）。第一、二、三层的权值和神经元个数分别为伽１¨、训２以、埘３。、Ｋ、肘、ｓ，则网络的输出为

Ⅳ

本文提出基于小波神经网络的故障识别方法。针对电力电子电路故障，采用自适应ＢＰ算法，构造了激活函数型小波网络和权值型小波网络。以三相整流桥电路为例，建立了小波神经网络的输出与故障元之间的对应关系，实现了电路的故障识别，最后，对两种网络与普通ＢＰ神经网络的识别结果进

儿＝盯（∑们。口（∑舵叫 砂。，。（∑加１。，。 省。）））

ｍ＝Ｉ

＾２ｌ

ｎ＝１

（３）

Word文档免费下载：基于小波神经网络的电力电子电路故障模式识别 （下载1-6页，共6页）

  本文关键词：基于小波神经网络的电力电子电路故障模式识别，由笔耕文化传播整理发布。