基于蚁群算法的电力电子电路故障诊断

  本文关键词：基于蚁群算法的电力电子电路故障诊断，由笔耕文化传播整理发布。

电力电力相关学习知识

研机电工程技术2010年第39卷第07

期

基于蚁群算法的电力电子电路故障诊断觹

苏艳苹

（郑州航空工业管理学院机电工程学院，

河南郑州

450015）

，通过建立适当的数学模型，并充分借鉴遗传算法的优点，用蚁群算法进行求解。；故障诊断；故障识别文献标识码：A

文章编号：1009－9492(2010)07－0054－03

1引言

在生产领域中，电力电子设备通常作为电源供应或控制器等关键部件，当发生故障后，必须快速数毫秒到数十毫秒内将主电路停电，这使故障状态下的信息也随之消失，给设备的维修带来极大的难度。因此，对电力电子装置进行动态监视，在线故障诊断具有重要的意义。

近年来，人们在电力电子电路的状态监测与故障诊断过程中，一直在探索合适的故障模式识别方法，从传统的测前仿真和测试仿真，如故障字典、模式识别、参数辨识、故障验证等到专家系统的分类都进行了大量的研究。然而，由于电力电子电路的故障现象多样、元件参数具有较大的离散性与广泛的非线性等原因，致使其故障诊断无论在理论上还是方法上均距实用还有相当的距离。蚁群算法（ACA）是由Dorigo等人提出，该算法是模拟自然界中真实蚁群的觅食行为而形成的一种模拟进化算法，具有正反馈、分布式计算和富于贪婪启发式搜索的特点。虽然蚁群算法出现的时间不长，但已经成功应用于许多组合优化问题，例如典型的旅行商（TSP）、车辆路径问题、机组最优投入以及配电网网架优化规划问题等。故障诊断定位实质上是一个模式分类的问题，诊断时选择有效的故障测试点至关重要。本文通过建立适当的数学模型，把电力电子电路故障定位问题转化为类似于TSP问题的模式，并充分借鉴遗传算法的优点，用蚁群算法进行求解。

利学者M．dorigo、V．Maniezzo、A．Colorni等人提出，通过模拟自然界的蚂蚁的寻径行为，群体智能模型进行优化搜索，，蚁群算法不需要先验知识，最初随机的选择搜索路径，随着解空间搜索过程的深入，选择逐渐变得有规律，并最终逼近甚至达到全局最优解。与遗传算法相比，蚁群算法具有正反馈、鲁棒性好、并行分布计算的特点。蚁群算法的基本原理如下。

现用图1来说明蚁群寻找最优路径的原理。

图1蚂蚁群觅食过程示意图

图1中，由于障碍物的存在，蚁群从蚁巢出发到达食物再返回，只能走路径1（蚁巢→A→B→C→食物）或者路径2（蚁巢→A→D→C→食物）。假设路径1的长度是路径2的两倍。第一批蚂蚁到达A点时，由于之前没有任何信息素残留，蚂蚁选择两条路径的概率相同，并分别在走过的路径上留下相同量的信息素。假设所有蚂蚁速度相同，则相同时间内路径2上留下的信息素是路径1上的两倍。由于

单个蚂蚁会以较大的概率选择信息素较强的路

2蚁群算法

蚁群算法

［1］

（AntColonyAlgorithm）是一种源于生

物行为的仿生类进化算法，最初是由20世纪90年代意大

觹河南省教育厅自然科学研究项目（编号：2007510022）

  本文关键词：基于蚁群算法的电力电子电路故障诊断，由笔耕文化传播整理发布。