基于小波多分辨率分析和主元分析的电力电子电路故障诊断
本文关键词:基于小波多分辨率分析和主元分析的电力电子电路故障诊断,由笔耕文化传播整理发布。
将小波多分辨率分析和主元分析方法以及归纳学习理论-决策树分类方法应用于电力电子电路的故障诊断中,提高了诊断效率及分类准确性,仿真结果验证了提出方法的正确性和有效性。
Vol.32No.92006209
华东理工大学学报(自然科学版)
JournalofEastChinaUniversityofScienceandTechnology(NaturalScienceEdition)
1113
文章编号:100623080(2006)0921113204
基于小波多分辨率分析和主元分析的电力电子电路故障诊断
于 飞1,2, 田玲玲2, 刘喜梅3, 顾幸生3
(1.北京理工大学二系,北京100081;2.青岛科技大学自动化与电子工程学院,青岛266042,
3.华东理工大学信息科学与工程学院,上海200237) 摘要:将小波多分辨率分析和主元分析方法以及归纳学习理论2决策树分类方法应用于电力电子电路的故障诊断中,提高了诊断效率及分类准确性,仿真结果验证了提出方法的正确性和有效性。
关键词:小波变换;多分辨率分析;主元分析;电力电子电路;故障诊断中图分类号:TP206+.3
文献标识码:A
FaultDiagnosisofPowerElectronicCircuitsBasedon
WaveletMulti-resolutionAnalysisandPCA
33
, TIANLing2ling2, LIUXi2mei, GUXing2sheng
(1.No.2Department,BeijingInstituteofTechnology,Beijing100081,China;2.CollegeofAutomationandElectronicEngineering,QingdaoUniversityofScienceand
YUFei
1,2
Technology,Qingdao266042,China;3.SchoolofInformationScienceand
Engineering,EastChinaUniversityofScienceandTechnology,Shanghai200237,China)
Abstract:Waveletmulti2resolutionanalysismethod,principalcomponentanalysismethodandinduc2tion2basedlearningtheory2decisiontreemethod,areappliedtodiagnosefaultsofpowerelectroniccircuits.
Diagnosticefficiencyandclassificationratearebothimproved.Satisfiedsimulationresultsareobtained.
Keywords:wavelettransform;multi2resolutionanalysis;PCA;powerelectroniccircuits;faultdiag2nosis
多分辨率分析(Multi2resolutionAnalysis,MRA)也被称为多尺度分析或多频道分解。信号在不同尺度上的多分辨率分析,能够以不同的层次显示信号的特征。PCA主元分析法[1]又称Karhunen2Loece(K2L)变换,其目的是提取样本集的主元,从而降低样本的维数。
本文以三相晶闸管整流电路[2~3]为研究对象,对电路故障类型进行了详细分析,选择能够集中反
收稿日期:2005209205
基金项目:国家“十五”规划项目(J2001218442XJ);青岛市自然科学
基金项目(05212JC288)
作者简介:于 飞(19612),男,副教授,研究方向:智能控制,故障诊
断。E2.commail:yyffqd@163
映故障信息的整流电压信号作为分析对象。对整流电压信号进行8个尺度的小波分解,组成八维的能量特征向量,继而利用主元分析法进行特征的降维,最后利用降维后的故障特征量进行故障分类决策树的构建,简化了故障识别的复杂度,从而完成对若干类典型故障的快速准确分离。
1 离散小波变换和多分辨率分析
在实际应用中,考虑到计算的有效性,常用离散小波变换,离散小波族为:
7
j,k
=2j 27(2jt-k), j,k∈Z(1)
相应地,离散小波变换为:
Word文档免费下载:基于小波多分辨率分析和主元分析的电力电子电路故障诊断 (下载1-1页,共1页)
本文关键词:基于小波多分辨率分析和主元分析的电力电子电路故障诊断,由笔耕文化传播整理发布。
,本文编号:108537
本文链接:https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/108537.html