基于ls-svm的电力电子电路故障预测方法(终极版)

《基于ls-svm的电力电子电路故障预测方法(终极版)》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、陕西理工学院毕业设计毕业论文（设计）题目基于LS-SVM的电力电子电路故障预测方法姓名计莹华学号0817014018所在院(系)电气工程学院专业班级自控081班指导教师侯波完成地点陕西理工学院（北区）501楼2012年5月20日陕西理工学院毕业设计基于LS-SVM的电力电子电路故障预测方法作者:计莹华（陕西理工学院电气工程学院自动化专业081班，陕西汉中723003）指导教师：侯波[摘要]电力电子电路是整个电力电子设备中最关键的部分，面对其可能出现的故障及其严重后果，对其的故障预测就显得尤其重要。为此，根据现有故障预测理论和方

2、法，在总结前人经验的基础上，本文采用最小二乘支持向量机预测算法对电力电子电路进行故障预测。具体内容如下：以基本降压斩波电路为例，选择电路输出电压作为监测信号，提取输出电压平均值及纹波值作为电路特征性能参数，并利用LS-SVM回归预测算法实现故障预测。仿真结果表明，利用LS-SVM对基本降压斩波电路输出平均电压与输出纹波电压的预测相对误差均低于2%，能够跟踪故障特征性能参数的变化趋势，有效实现电力电子电路故障预测。[关键词]电力电子电路故障预测特征性能参数最小二乘支持向量机陕西理工学院毕业设计Thepowerelectronic

3、circuitfaultpredictionmethodbasedontheLS-SVMAuthor：JiYinghua(Grade08，Class01，MajorAutomation，DepartmentofElectricalEngineering，ShaanxiUniversityofTechnology，Hanzhong，723003，Shaanxi)Tutor:HouBoAbstract：Thepowerelectroniccircuitisthemostimportantpartofthepowerelectron

4、icequipment.facingitspossiblefaultsanditsseriousconsequences,itsfaultpredictionisespeciallyimportant.Therefore,inviewoftheexistingpowerelectroniccircuitfaultpredictionofthecharacteristicsofthetechnology,thepaperproposestheleastsquaresupportvectormachineforecastingal

5、gorithmforthepowerelectroniccircuitfaultprediction.Specificcontentasfollows:Withbasicbuck-choppercircuit,choosecircuitoutputvoltagesignalasmonitoringsignal,extractoutputvoltagerippleandaveragevalueascircuitfeaturesperformanceparameters,thenusingLS-SVMregressionalgor

6、ithmtothefaultprediction.TheexperimentalresultshowsthattheuseoftheoutputcircuitLS-SVMaveragevoltageandoutputvoltagerippleoftherelativepredictionerrorlessthan2%,itcanfollowthefaultfeatureperformanceparameterschangetrend,realizethepowerelectroniccircuitfaultprediction

7、effectively.Keywords：Thepowerelectroniccircuit,faultprediction,featuresperformanceparameters,leastsquaresupportvectormachine.陕西理工学院毕业设计目录1．绪论11.1课题研究的目的及意义11.1.1对电力电子电路进行故障预测的目的和前景11.1.2本课题的主要思想和方法11.2电力电子电路故障诊断特点和作用11.2.1电力电子电路故障诊断特点11.2.2电力电子电路故障预测的作用11.3传统的电力电子电路

8、故障诊断方法21.4电力电子电路故障预测方法的研究现状31.5本论文主要内容32.最小二乘支持向量机理论42.1支持向量机42.1.1支持向量机概述42.1.2统计学习理论42.1.3支持向量机原理52.2最小二乘法92.2.1最小二乘法原理92.2.2最小二乘法公式102.