首页 > 电子设计 > 电源技术 > 电源技术 > 基于优化神经网络的三相全控整流电路故障诊断

基于优化神经网络的三相全控整流电路故障诊断

录入：edatop.com 点击：

摘要：研究了递阶遗传算法用于神经网络的参数确定问题，以期利用递阶遗传算法的二级编码结构解决以往同时优化神经网络结构、权值、阈值效率不高的难题。此外，建立了三相桥式全控整流电路的故障模型，并对几种常见故障进行了仿真分析。最后，将自适应递阶遗传算法用于三相桥式全控整流电路的故障诊断，仿真验证了该方法的准确性和实用性。
关键词：递阶遗传算法；神经网络；三相桥式全控整流电路；故障诊断

0 引言
近年来，国内外有关研究人员针对电力电子电路故障诊断的研究还比较少，其中有相当一部分是基于神经网络的分析方法，虽然神经网络具有学习、泛化和容错能力，令人欣喜，但它存在的许多缺点却不容忽视，如网络结构要求预知，最常用的BP学习算法在本质上是一个梯度下降搜索算法，这使其有可能收敛于局部最小点。
遗传算法(GA)是一个基于自然选择机制的搜索算法。它同时考虑搜索空间中的多个点，并鼓励不同搜索方向之间的信息交换，从而有效地减少了收敛到局部最小点的机率。使用GA优化神经网络已取得了一些令人鼓舞的结果，但它们大多数只考虑神经网络的连接权重，很少提及优化神经网络结构。
总的来说，针对电力电子电路的故障诊断研究依然存在或多或少的不足，有待进一步的完善和发展。递阶遗传算法作为一种新型的基于自然选择机制的搜索算法，与神经网络的结合很好地解决了这一难题。本文应用一种自适应递阶遗传算法同时优化神经网络结构和连接权重进行三相桥式全控整流电路故障诊断。利用自适应递阶遗传算法同时优化神经网络结构和连接权重，很好地解决了以往利用神经网络进行故障诊断的不足，并用三相桥式全控整流电路故障诊断仿真实例证明了该方法的正确性和有效性。

1 基于改进递阶遗传算法BP网络分类器的设计
1．1 递阶遗传算法
K．F．Man等根据染色体中的基因结构存在递阶形式，即一些基因控制另一些基因的活动，提出了递阶遗传算法(Hierarchical Genetic Algorithm，HGA)。
为了简要说明控制基因的活动，用整数“1”表示每一个正在激活的控制基因；用整数“0”表示每一个没有激活的控制基因。当控制基因用整数“1”标识时，表示其相连的下级结构的基因处于活动状态；当控制基因用整数“0”标识时，表示其相连的下级结构的基因处于不活动状态。这种递阶结构意味着染色体比普通遗传算法中的染色体包含的信息多，从而能够处理更为复杂的问题。因此，称编码为递阶结构染色体的遗传算法为递阶遗传算法。
如图1所示，两条染色体各是由5个控制基因和5个整数表示的参数基因组成。

其表示分别为：

从图1可以看出，XA，XB表示染色体的长度分别为3和2，这意味着在递阶染色体结构中，虽然两条染色体的长度相同，而其表示的长度可能不同。因此，递阶遗传算法能够搜索出所有参数中适合最终目标函数的参数的长度。而且，根据具体问题，染色体可以设计为多级递阶结构，从而形成多层的染色体结构。
本文采用二级递阶结构染色体描述BP网络结构和参数，其中，控制基因串表示隐节点，参数基因串表示网络的权重和相应的阈值。递阶遗传算法在操作过程中，不仅改变控制基因串的状况，而且改变参数基因串的取值。因此，训练过程中网络参数和拓扑结构可同时优化。[p]
1．2 编码结构
染色体递阶结构及编码如图2所示，其中，控制基因按设定的比较大的初始隐节点数(可以根据经验公式表示第i个输入样本对应的网络输出；yi为期望输出；N为样本数。根据大量实验结果，适值函数的系数分别如下取值效果是比较好的，即a=0．95，b=0．05，c=3。神经网络训练误差为：

1．4 无回放余数随机选择
无回放余数随机选择法结合了基于概率的选择方法和确定方式的选择方法，可确保适应度比平均适应度大的一些个体一定能被遗传到下一代群体，选择误差比较小。其具体步骤如下：
(1)计算群体中每个个体在下一代群体中的生存期望数目(N为种群规模，fiti为个体i的适应值)：

(2)取Ni的整数部分int Ni为对应个体在下一代群体中的生存数目。这样共可确定出下一代群体中的个个体
(3)以为各个个体的新的适应度，再用基本的比例选择方法来随机确定下一代群体中还未确定的个个体。[p] [p]

3 三相桥式全控整流电路的故障诊断
图5所示为三相桥式全控整流电路原理图。考虑到实际系统运行时出现故障的情况，同时为简化分析过程，假定整流电路晶闸管故障分为单管故障或两支管子同时故障共22种，要使神经网络能区分所有的故障，必须对这些故障类型进行编码，用六位编码表示，也就是神经网络的输出。每位编码对应一个晶闸管，所有晶闸管均正常时对应编码为000000。

以A相电压正向过零处为基准，对控制角从0～120°每隔7．5°依次对22种故障状态下的输出电压ud进行一个周期(20 ms)的数据采集，采集到的数据个数为50个，以此组成训练样本，共有22×17=374个样本。用同样的方法对控制角从6．5～113．5°每隔10．7°对ud进行采样，以获得测试样本。根据主成分分析特征提取的算法对训练和测试样本进行故障特征提取，获取的新样本从50维降为10维，大大减少了神经网络的计算量，改善了网络的复杂程度。
本文运用Matlab工具箱，采用自适应递阶遗传算法对神经网络进行了优化。得到了神经网络的最简结构(隐含层神经元个数m=14)和最优的权值、阈值。优化后的神经网络训练误差曲线如图6所示。

采用测试样本数据对所训练好的BP神经网络进行仿真验证，分别选用负载变化、输入电压变化得到的特征向量数据去验证已建立的BP神经网络，故障诊断正确率达到97．67％，并且故障诊断有误都发生在负载和输入电压同时变化时。

4 结论
本文将一种自适应递阶遗传算法应用于神经网络的优化，解决了以往神经网络结构、权值、阈值同时优化效率不高的难题。通过仿真实验，证明了算法的准确性和实用性，并将优化的神经网络用于三相桥式全控整流电路的故障诊断，得到了令人满意的结果。

射频工程师养成培训教程套装，助您快速成为一名优秀射频工程师...

天线设计工程师培训课程套装，资深专家授课，让天线设计不再难...

上一篇：一种新型的电磁加热器频率、相位、控制技术
下一篇：小型无变压器开关电源设计实例

闂傚倸鍊搁崐鎼佸磹閹间礁纾归柟闂寸绾惧綊鏌熼梻瀵割槮缁炬儳缍婇弻鐔兼⒒鐎靛壊妲紒鐐劤濠€閬嶅焵椤掑倹鍤€閻庢凹鍙冨畷宕囧鐎ｃ劋姹楅梺鍦劋閸ㄥ綊宕愰悙宸富闁靛牆妫楃粭鎺撱亜閿斿灝宓嗙€殿喗鐓￠、鏃堝醇閻旇渹鐢绘繝鐢靛Т閿曘倝宕幍顔句笉缂備焦锕╁▓浠嬫煟閹邦厽缍戦柣蹇旀綑閳规垿顢欓悷棰佸闂傚倷绶氬ḿ褔鎮ч崱娑樼疇闁规壆澧楅崑顏堟煃瑜滈崜姘┍婵犲洦鍊锋い蹇撳閸嬫捇寮介‖顒佺⊕閹峰懘鎳栧┑鍥╂创鐎规洜鍠栭、妤佹媴缁嬪灝韦婵犵數濮烽弫鍛婃叏閺夋嚚娲晝閸屾氨鍘遍梺鐟邦嚟婵敻宕伴幇鐗堢厽婵°倐鍋撻柣妤€妫涚划顓㈠箳閹炽劎鎳撻オ浼村焵椤掑嫬纭€闁规儼妫勯拑鐔哥箾閹存瑥鐏柛瀣姍閺屾盯骞囬鈧痪褔鎮归崶鈺佷槐闁诡喗顨堥幉鎾礋椤掑偆妲伴梻浣规偠閸斿苯岣块敓鐘冲仒妞ゆ梻鈷堝ḿ銊╂煃瑜滈崜鐔兼偘椤曗偓瀹曞爼濡搁敃鈧鎾绘⒑閼姐倕鏋戞繝銏★耿瀹曘垽鎮欏ù瀣杸闂佹寧绋戠€氼剚绂嶆總鍛婄厱濠电姴鍟版晶鐢碘偓瑙勬礃缁诲牓鐛€ｎ喗鏅濋柍褜鍓熷畷褰掑磼閻愬鍘遍梺鎸庢椤曆囩嵁濮椻偓閺岋綁顢橀悙闈涱杸闂侀潧娲ょ€氭澘顕ｉ弶鎳虫棃鍩€椤掍胶顩查柟顖嗏偓閺€鑺ャ亜閺冨倶鈧寮ㄧ紒妯圭箚闁绘劘鍩栭ˉ澶愭懚閻愮儤鐓曢柟鎵虫櫅婵￠攱淇婇幓鎺斿缂佺粯鐩畷鍗炍熼弴鐔风伌閽樼喖鏌ㄥ┑鍡╂Ч闁抽攱甯掗湁闁挎繂鎳忛崵鍫㈡喐閻楀牆绗氶柡鍛箞閺屾洟宕煎┑鎰㈤梺閫炲苯澧剧紒鐘虫崌楠炲啫饪伴崼鐔蜂患闁诲繒鍋熼弲顐﹀Χ閿曞倹鈷掑ù锝勮閺€浼存煙濞茶绨界紒顔碱煼楠炲鎮╅悽鐢靛姸闂佽鍑界紞鍡涘磻娴ｅ湱顩叉繝濠傜墛閻撴瑩鏌ｉ幋鐏活亪鎮橀妷鈺傜厓鐟滄粓宕滃▎鎾偓锕傛倻閻ｅ苯绁︽繝鐢靛Т閸婄敻寮ㄦ禒瀣厱闁抽敮鍋撻柡鍛矌閳ь剟娼ч惌鍌氼潖濞差亝顥堟繛鎴炶壘椤ｅ搫鈹戦埥鍡椾簼缂佸甯″鏌ュ醇閺囥劍鏅㈤梺绋挎湰缁秹鏁嶈箛娑欌拺闁告繂瀚峰Σ鍏肩箾婢跺绀€闁烩槅鍙冨缁樻媴閸濄儲鐎銈嗘肠閸涱垳鐓嬮梺姹囧灩閻忔艾鐣烽崣澶岀瘈闂傚牊渚楅崕蹇涙煟閹邦剨韬柡灞炬礃缁绘盯宕归鍙ョ棯闂佽瀛╂穱鍝勎涢崟顖氱厴闁硅揪闄勯崐鐑芥倵濞戞顏堟瀹ュ鈷戠紒顖涙礃濞呭懘鏌涢悢鍛婄稇闁伙絿鍏橀獮瀣晝閳ь剛绮绘繝姘€甸梻鍫熺⊕閹插憡銇勯弮鈧ú妯兼崲濞戞瑦缍囬柛鎾楀啫鐓傞梻浣告憸閸犲酣鎮樺┑鍫濆疾闂備焦瀵уú鏍磹閹间焦鍋柣鎰靛厵娴滄粓鏌熼悜妯虹仴妞ゅ浚鍋婇弻娑樷枎閹邦厼纾抽梺鍝勬湰閻╊垱淇婇悜鑺ユ櫜闁告侗鍙庨悗鐑芥⒒娴ｅ摜鏋冩俊顐㈠钘濋柣銏⑶归拑鐔兼煥濠靛棭妲哥紒鐘冲▕閺岀喓鈧數枪灏忕紓渚囧枤閺佽顫忓ú顏咁棃婵炴垶鐟﹂幃娆撴煟鎼淬垻鐓柛妤佸▕閹即顢氶埀顒勭嵁閹烘嚦鏃堝焵椤掑倻涓嶉柨婵嗘缁♀偓闂佸壊鐓堥崑鍕叏閸愵喗鐓欐い鏇炴缁夘喗鎱ㄦ繝鍕笡闁瑰嘲鎳橀幊鐐哄Ψ椤旂瓔妫勯梻鍌欑閹芥粓宕板澶婄闁告劘灏欓弳锕€霉閸忓吋缍戦柛鎰ㄥ亾婵＄偑鍊栭幐楣冨磻閻樿绠洪柡鍥ュ灪閳锋垿鏌涘┑鍡楊仾闁稿被鍔戦弻娑㈠Ω閵壯呅ㄩ梺鍝勮嫰椤戝鐣烽崼鏇炍╃憸蹇涙儊閸儲鈷戦柛鎾瑰皺閸樻盯鏌涚€ｎ亜顏柟渚垮姂瀹曞ジ濡烽妷锔锯偓顒勬⒑閸撴彃浜栭柛搴㈢叀閸╂盯骞掗幊銊ョ秺閺佹劙宕ㄩ鍏肩暭闁荤喐绮庢晶妤冩暜閳哄懎鏋侀柛鏇ㄥ灡閻撴洟鏌熸导瀛樻锭闁哄绋撶槐鎺楀焵椤掍礁绶為悘鐐登规禍鐐殽閻愯尙浠㈤柛鏃€纰嶉妵鍕晜鐠囪尙浠銈冨灩閿曨亜顫忕紒妯诲闁告稑锕ら弳鍫濃攽閻愰鍤嬬紒鐘虫尭閻ｉ鎲撮崟顐殼闂佸搫顦伴崹褰捤囬妸鈺傗拺闂侇偆鍋涢懟顖涙櫠鐎涙ɑ鍙忓┑鐘插暞閵囨繃淇婇銏犳殭闁宠棄顦甸獮鎺楀箣閻愭祴鍋撻敐鍛斀闁绘ɑ顔栭弳顖炴煃瑜滈崜婵嗏枍閺囥垹绠归柟鎵閻撳啰绱撴担鑲℃垵鐣风仦瑙ｆ斀闁炽儱纾崺锝団偓瑙勬礀瀹曨剟鍩㈡惔銊ョ闁绘ɑ鍓氬ḿ鎾绘⒒閸屾艾鈧绮堟笟鈧畷顖炲锤濡や礁鍓┑鐘绘涧椤戝懐澹曟繝姘厵闁告挆鍛闂佺粯鎸诲ú鐔煎蓟閿熺姴鐐婇柕澶堝劚椤牊绻濋埛鈧崨顓ф毉闂侀潧娲ょ€氫即寮崒鐐插瀭妞ゆ棁鍋愰妶顔界節濞堝灝鏋涢柨鏇樺劚椤啴鎸婃径灞炬濡炪倖鍔х粻鎴犵矆鐎ｎ偁浜滈柟鎹愭硾瀛濇繝娈垮枤閺咁偆妲愰幘璇茬＜婵﹩鍏橀崑鎾诲传閵壯呯厠閻庤娲栧ú锕傤敃閼恒儲鍙忔俊顖氱仢閻撴劙鏌涚€ｎ倖鎴﹀Φ閸曨垰妫橀柟绋垮瘨濞兼棃姊虹紒妯烩拻闁告鍛焼闁稿瞼鍋為悡鐔兼煙閹冩毐妞ゆ帇鍨介弻锝嗘償椤旂厧绫嶅┑顔硷功缁垶骞忛崨鏉戝窛濠电姴鍊瑰▓妯荤節閻㈤潧浠╂い鏇熺矌缁骞樺畷鍥ㄦ闂侀潧楠忕徊缁樼瑜版帗鐓欓柣鎴灻悘鈺呮煕閺冩挾鐣辨い顏勫暣婵″爼宕卞Δ鈧ḿ鎴︽⒑缁嬫鍎愰柟鐟版喘瀵濡搁埡浣稿祮闂侀潧枪閸婃鎯勬惔鈽嗘富闁靛牆楠告禍婊呯磼缂佹ê濮夐柛娆忔噹椤啴濡堕崨顖滎唶闂佺懓鍟跨€涒晝绮嬮幒妤婃晣闁靛繆妾ч幏娲⒑閸涘﹦绠撻悗姘槻鍗辩憸鐗堝笚閸婄數绱掑Δ浣衡槈闁稿﹤顭峰浼村磼濞戞氨鐦堢紒鐐緲椤﹁京澹曢崸妤佺厱閻庯綆鍋勯悘瀵糕偓瑙勬礃閸旀瑥顕ｆ禒瀣垫晣闁绘劘灏欓埀顒夊弮濮婂搫效閸パ呬痪濠电偟鍘ч惌鍌氱暦閸洦鏁嗗ù锝夋櫜缂傛挾绱撻崒娆戭槮妞ゆ垵鐗撻、姘跺箮閽樺）銊╂煏婢跺﹤鏆欑紓宥咃躬瀵偊骞囬弶鍨獩濡炪倖鎸嗛崟鍨棓婵犵數濮烽弫鎼佸磻閻旂⒈鏁勯柡鍥ュ灩缁€澶愭煙鏉堝墽鐣遍柦鍐枔閳ь剙绠嶉崕閬嶆偋濠婂喚鐎堕柕濞炬櫆閳锋垿鏌涘☉姗堟敾閻忓繒鏁婚弻娑㈡偐瀹曞洤鈷岄梺璇″枙閸楁娊銆佸璺虹劦妞ゆ巻鍋撻柣锝呭槻椤粓鍩€椤掑嫨鈧礁鈻庨幋婵囩€抽柡澶婄墑閸斿海绮旈柆宥嗏拻闁稿本鐟х粣鏃€绻涙担鍐叉处閸嬪鏌涢埄鍐槈缂佺姷濞€楠炴牗娼忛崜褎鍋ч梺缁樼矌缁垳鎹㈠☉銏犵闁绘劕鐏氶崳顔剧磽娴ｅ弶顎嗛柛瀣崌濮婄粯鎷呴崷顓熻弴闂佹悶鍔忓Λ鍕幓閼愁垼妲婚梺鐑╂閸欏啫顫忛搹瑙勫珰闁圭粯甯╅崝澶愭⒑閸涘﹤鐏ョ紓宥咃工閻ｇ兘濮€閿涘嫰妾紓浣割儓濞夋洟宕㈠ú顏呪拺闁革富鍘兼禍鐐繆閻愬弶鍋ョ€殿噮鍋呯换婵嬪炊閵娧冨箞闂備礁婀遍崑鎾汇€冮崨鏉戠闁瑰濮甸～鏇㈡煙閹澘袚闁抽攱甯掗湁闁挎繂鎳忛崵鍫㈡喐閻楀牆绗掗悗姘槹閵囧嫰骞掗幋婵愪痪闂佹悶鍊曢懟顖濈亙闂佹寧绻傞幊搴ㄥ汲濞嗘挻鐓熼柟鐑樺灩娴犳盯鏌曢崶褍顏鐐村浮楠炲鈹戦幇顏嗙濠电姷顣藉Σ鍛村磻閸涙潙鍨傞柛锔诲幗椤洟鏌熼悜姗嗘闁轰礁锕弻銈吤圭€ｎ偅鐝斿銈冨€愰崑鎾剁磽閸屾艾鈧兘鎮為敃鍌樷偓鍐醇閵夈儳鐛ラ梺鍝勭▉閸樺ジ寮伴妷鈺傜厓鐟滄粓宕滃璺何﹂柛鏇ㄥ灠缁犳娊鏌熺€涙ḿ绠ュù鐘虫尦濮婃椽鏌呴悙鑼跺闁告ê鎽滅槐鎺楁嚋娴ｅ啫顥濆銈嗘穿缁插墽绮嬮幒鏂哄亾閿濆懐浠涢柡鍜冪秮濮婅櫣绱掑Ο鍝勵潔濡炪倖姊归悧鐘茬暦閵夆晛宸濋悗娑櫱氶幏缁樼箾鏉堝墽鎮奸柟铏崌椤㈡艾饪伴崟顓狀啎闂佸湱绮敮鐐存櫏闁诲氦顫夊ú姗€宕归崸妤冨祦婵せ鍋撶€规洘绮嶉幏鍛存偖鐎电ǹ绨ラ梻鍌氬€烽懗鍓佸垝椤栫偞鍋￠柕蹇嬪€曠壕濠氭煙閸撗呭笡闁绘挻娲熼弻鏇熺箾閸喖濮㈤梺绯曟櫔缁插潡鍩€椤掍緡鍟忛柛鐘崇墵閳ワ箓鏌ㄧ€ｂ晝绠氶梺褰掓？缁€渚€鎮″☉銏＄厱閻忕偛澧介悡顖滅磼閵娿倗鐭欐慨濠勭帛閹峰懘宕ㄩ棃娑氱Ш鐎殿喚鏁婚、妤呭磼濠婂懐鍘梻浣侯攰閹活亞鈧潧鐭傚顐﹀磼閻愬鍙嗛梺缁樻礀閸婂湱鈧熬鎷� | More...

射频和天线工程师培训课程详情>>

射频工程师养成培训课程套装，专家授课，让您快速成为一名优秀的射频工程师【More..】

基于优化神经网络的三相全控整流电路故障诊断

频道总排行