欢迎来到天天文库
浏览记录
ID:36447188
大小:942.50 KB
页数:8页
时间:2019-05-10
《基于深度神经网络多电平逆变器故障诊断》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、第44卷第504期电测与仪表Vol.44No.5042007年第12期ElectricalMeasurement&InstrumentationDec.2007基于深度神经网络的多电平逆变器故障诊断*徐继伟,宋保业,公茂法(山东科技大学电气与自动化工程学院,山东青岛266590)摘要:为解决多电平逆变器的故障诊断问题,本文提出了一种基于深度神经网络的多电平级联H桥逆变器的故障诊断方法。首先,介绍了多电平级联H桥逆变器的故障模型;然后,采用基于堆栈自编码器的深度神经网络直接从故障原始数据中进行故障特
2、征提取;最后,运用SOFTMAX分类器对故障特征数据进行分类从而实现多电平逆变器的故障检测与诊断。基于MATLAB/Simulink对本文提出的方法进行了仿真实验,该方法与传统的智能诊断算法相比具有更高的准确率和更好的鲁棒性。关键词:深度神经网络;故障诊断;堆栈自编码器;多电平逆变器中图分类号:TM464文献标识码:A文章编号:1001-1390(2019)00-0000-00FaultdiagnosisofmultilevelinverterbasedondeepneuralnetworkXuJ
3、iwei,SongBaoye,GongMaofa(CollegeSchoolofElectricalEngineeringandAutomation,ShandongUniversityofScienceandTechnology,Qingdao266590,Shandong,China)Abstract:InorderTotodealwiththeissueoffaultdiagnosisofmultilevelinverter,adeepneuralnetworkbasedapproachis
4、proposedforthefaultdiagnosisofmultilevelcascadeH-bridgeinverter.Firstly,thefaultmodelofmultilevelcascadeH-bridgeinverterisintroduced.Then,thefaultfeaturesareextracteddirectlyfromtheoriginalfaultsignalsbythroughusingadoptingthestackedautoencoderauto-en
5、coderbaseddeepneuralnetwork.Finally,theSOFTMAXclassifierisusedfortheclassificationofthefaultfeaturestocarryoutthefaultdetectionanddiagnosisofmultilevelinverter.SeveralsimulationexperimentsareimplementedbasedonMATLAB/Simulinktotesttheperformanceofthepr
6、oposedapproachapproach,whichissuperiortoothertraditionalintelligentfaultdiagnosisalgorithmsonbothaccuracyandrobustness.Keywords:deepneuralnetwork,faultdiagnosis,stackedauto-encoder,multilevelinverter-1-第44卷第504期电测与仪表Vol.44No.5042007年第12期ElectricalMeas
7、urement&InstrumentationDec.20070 引言近年来,随着电力电子技术的迅速发展,电力电子技术在交直流输电、新能源电力变换、变频电机控制和配电网谐波治理等方面得到了广泛应用[1]。电力电子设备突发故障将会引发设备故障、财产损失甚至人员伤亡,因而对电力电子设备故障诊断问题的研究显得尤为迫切[2]。随着光伏发电等新能源系统的不断发展,逆变器被广泛运用在电力电子电路中。级联H型多电平逆变器由于开关损耗低、模块化易安装、输出电压谐波分量少等优点得到了快速发展[3]。随着功率管器件的
8、增多,功率管出现故障的概率增大,因此多电平逆变器功率管故障的诊断及定位成为了逆变器故障诊断的核心问题。功率管故障分为短路故障和开路故障,当出现短路故障时,时间极短并且通常最终转化为开路故障[4],因此本文主要针对功率管的开路故障展开研究。最近,智能算法被广泛应用在故障诊断中,国内外学者提出了支持向量机、极限学习、人工神经网络等智能故障诊断方法[5-6]8第44卷第504期电测与仪表Vol.44No.5042007年第12期ElectricalMeasurement&Instrume
此文档下载收益归作者所有