基于PSO—RBF监测预测模型的电力电子电路-论文.pdf

基于PSO—RBF监测预测模型的电力电子电路-论文.pdf

ID:53028686

大小:379.58 KB

页数:6页

时间:2020-04-14

基于PSO—RBF监测预测模型的电力电子电路-论文.pdf_第1页
基于PSO—RBF监测预测模型的电力电子电路-论文.pdf_第2页
基于PSO—RBF监测预测模型的电力电子电路-论文.pdf_第3页
基于PSO—RBF监测预测模型的电力电子电路-论文.pdf_第4页
基于PSO—RBF监测预测模型的电力电子电路-论文.pdf_第5页
资源描述:

《基于PSO—RBF监测预测模型的电力电子电路-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第15卷第2期上海应用技术学院学报(自然科学版)V0l_15NO.22Ol5年6月JOURNALOFSHANGHAIINSTITUTEOFTECHNOLOGY(NATURALSCIENCE)Jun.2O15文章编号:1671—7333(2015)02—0162—05DOI:10.3969/j.issn.1671-7333.2015.02.013基于PSO—RBF监测预测模型的电力电子电路王绅宇,陈丹江,叶银忠(1.上海应用技术学院电气与电子工程学院,上海201418;2.浙江万里学院电子信息学院,浙江宁波315100)摘要:针对现有电力电子

2、电路故障状态预测技术的不足,提出将电路特征性能参数与粒子群算法(PSO)优化的径向基函数(RBF)神经网络相结合,对电力电子电路进行故障状态监测预测.以电源电路中Buck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电压值作为电路特征性能参数,并利用改进后的RBF神经网络实现状态预测.结果表明,利用PSO改进后的RBF神经网络对电路输出平均电压和纹波电压的预测比单纯RBF神经网络预测的结果更加精准,能够跟踪电源电路状态特征性能参数的变化趋势,有效实现电力电子电路状态监测和预测.关键词:故障状态预测;RBF神经网络;粒子群算

3、法;电力电子电路中图分类号:TP206.3文献标志码:AFaultConditionMonitoringPredictionTechniqueofPowerElectroniCCircuitsBasedonPSO—RBFNeuralNetworkWANGShenyu,CHENDanjiang,YEYinzhong(1.SchoolofElectricalandElectronicEngineering,ShanghaiInstituteofTechnology,Shanghai201418,China;2.SchoolofElectroni

4、cInformation,ZhejiangWanliUniversity,Ningbo315100,Zhejiang,China)Abstract:Aimingattheissueoffaultconditionmonitoringpredictiontechniqueofpowerelectroniccircuits,amethodbasedoncharacteristicparameterdataandparticleswarmoptimization(PSO)radialbasisfunction(RBF)neuralnetworkf

5、orthefaultconditionmonitoringpredictionofpowerelectroniccircuitswasproposed.TheBuckconvertercircuitwastakenasanexample,thentheaveragevoltagewasextractedascharacteristicparameters,thefaultpredictionofpowerelectroniccircuitswasachieved.Theoutputvoltagewasselectedasmonitoring

6、signal,thentheaveragevoltagewasextractedascharacteristicparameters.PSO—RBFneuralnetworkwasusedtopredicttheBuckconvertercircuit.TheexperimentalresultsshowedthatthePSO-RBFneuralnetworkwasmoreaccurateinpredictingthanthatoftheonlyRBFneuralnetwork.Thenewmethodcouldtracethechara

7、cteristicparameterstrendandcouldbeeffectivelyappliedinfaultconditionmonitoringpredictionofpowerelectroniccircuits.Keywords:conditionmonitoringprediction;RBFneuralnetwork;particleswarmoptimization(PSO);powerelectroniccircuits收稿日期:2015-01—10基金项目:国家自然科学基金资助项目(61374132)第一作者:王绅

8、宇(1988一),男,硕士生,主要研究方向为故障诊断与容错控制.E—mail:Wangshenyu00@163.com通信作者:叶银忠(1964一),男,教授,博士生导师,主要研

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。