（电力电子与电力传动专业论文）基于神经网络的逆变电源可靠性研究.pdf

哈h , f e 理t 人学下学硕 ，学位论文 r e s e a r c ho ni n v e r t e rr e l i a b i l i t y b a s e do nn e u r a ln e t w o r k a b s t r a c t i n v e r t e ri sad c a cc o n v e r t e ro fo u t p u t t i n ga l t e r n a t i n gc u r r e n tv o l t a g ea n d s t a b i l i t yf r e q u e n c y t h e t e c h n o l o g yo fi n v e r t e ri st h em o d e mp o w e re l e c t r o n i c s t h e r e f o r e ，s t u d y i n gt h er e l i a b i l i t yo ft h ei n v e r t e ri si m p o r t a n tm e a n i n g i nt h i sp a p e r , d n d 4 8 1 2 2 0 4 5t h ei n v e r t e r a st h er e s e a r c ho b j e c ti ss t u d i e db yc o m b i n a t i o no f a r t i f i c i a ln e u r a ln e t w o r k s ，p r o b a b i l i t yt h e o r y , m a t h e m a t i c a ls t a t i s t i c s ，a n dr e l i a b i l i t y e n g i n e e r i n g f i r s to fa l l ，ab pn e u r a ln e t w o r km o d e lw i t ht h er e l i a b i l i t yp r e d i c t i o no ft h e i n v e r t e ri sp r o p o s e d t h ea p p r o p r i a t en e u r o n sa l ec h o s eb ya n a l y z i n gt h ef u n c t i o n a n ds t r u c t u r eo ft h ei n v e r t e r i ti sp r o v e dt h a tt h ep r e d i c t e dr e s u l t su s i n gt h i sm e t h o d a r em u c hm o r e p r e c i s ea n dc r e d i b l et h a nt h er e s u l t sg e t t i n gb yt h et r a d i t i o np r e d i c t i o n m e a n s s e c o n d l y , af e wr e l i a b i l i t y m o d e ld i s t i n g u i s hm e t h o d sa r ec o m p a r e da n d a n a l y z e d ，a n du s e do fn e u r a ln e t w o r k si nr e l i a b i l i t yf a i l u r e o nt h ed i s t r i b u t i o no f s e l e c t i o ns t r e n g t h s ，a n dd e s i g n e dt h er e c o g n i z i n gm o d e l so fr e l i a b i l i t yb a s e do n n e u r a ln e t w o r k a n dt h em o d e li sa p p l i e dt ot h ei n v e r t e rf i r s tf a i l u r et i m ed i s t r i b u t i o n f i n a l l y , b a s i so fg e t t i n g t h ef a i l u r ed i s t r i b u t i o nt y p eo ft h e t h ei n v e r t e r , a r e l i a b i l i t yp a r a m e t e re s t i m a t i o nm o d e li s s e tu pb a s e do nb pn e u r a ln e t w o r k ，t h e c u r v eo fr e l i a b i l i t ya n dp a r a m e t e ri sd r a w t h er e l i a b i l i t yo ft h ei n v e r t e rc a ne a s i l yt o b ea n a l y z e da n de v a l u a t e d t h r o u g ht h er e s e a r c ho ft h i ss u b j e c t ，t h ed a t ao fr e l i a b i l i t ya n a l y s i s b a s e do n a r t i f i c i a ln e u r a ln e t w o r k s ，p r o b a b i l i t yt h e o r ya n dm a t h e m a t i c a ls t a t i s t i c si m p r o v e d t h er e l i a b i l i t yo fd a t aa n a l y s i sa u t o m a t i o na n di n t e l l i g e n tl e v e lo fr e l i a b i l i t yt h e o r yt o s o l v ee n g i n e e r i n gt e c h n i c a lp r o b l e m sa n dd e e p e nt h ee x i s t i n gm e t h o d so fr e l i a b i l i t y e n g i n e e r i n g k e y w o r d s i n v e r t e r , n e u r a ln e t w o r k ，r e l i a b i l i t y 哈尔滨理工大学硕士学位论文原创性声明 本人郑重声明：此处所提交的硕士学位论文基于神经网络的逆变电源可 靠性研究，是本人在导师指导下，在哈尔滨理工大学攻读硕士学位期间独立 进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人 已发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体，均已在 文中以明确方式注明。本声明的法律结果将完全由本人承担。 作者签名：侵长多1 日期： 7 7 年午月莎日 哈尔滨理工大学硕士学位论文使用授权书 基于神经网络的逆变电源可靠性研究系本人在哈尔滨理工大学攻读硕 士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归哈尔滨理 工大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解哈 尔滨理工大学关于保存、使用学位论文的规定，同意学校保留并向有关部门提 交论文和电子版本，允许论文被查阅和借阅。本人授权哈尔滨理工大学可以采 用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。 本学位论文属于 保密口，在年解密后适用授权书。 不保密一 ( 请在以上相应方框内打) 作者签名：侵荟多1 日期 导师签名：日期： 切c 1 以矿 o 7 ( d 、 f 哈尔滨理q - 人学t 学硕i j 学位论义 第1 章绪论 1 1 课题研究的目的和意义 产品的质量是一个国家工业水平高低的重要标志之一，又是企业开拓市 场、提高经济效益的关键和基础。可靠性( r e l i a b i l i t y ) 是产品质量的重要指标， 产品的可靠性高，就意味着寿命长、故障少、维修费用低，对于重要产品，如 航空航天设备、军用武器、电力设备等，其产品的可靠性尤为重要。 产品可靠性的概念是指：产品在规定的工作条件下，在规定的时间内完成 规定功能的能力，是产品质量的重要指标。实践表明：提高产品可靠性能带来 巨大的经济效益和社会效益，对于提升产品与企业在国内外市场上的竞争力有 着重要的意义【。但是我国民用设备和产品的可靠性工作起步晚，与先进国家 有2 0 - 3 0 年的差距，虽然国家已制订可靠性标准，并且取得了一些进展，但 不少产品在开发时尚未认真开展可靠性设计与可靠性制造工作，我国电器产品 的可靠性水平还普遍低于发达国家产品的可靠性水平【3 】。为了尽快改变我国可 靠性工作落后的局面，各级领导和各类人员应尽快从认识上转变观念，树立当 代质量观，“以质量求生存，求发展”。把产品性能和可靠性同等看待，这是推 动可靠性发展的关键。 随着各行各业控制技术的发展和对操作性能要求的提高，许多行业的用电 设备都不是直接使用通用交流电网提供的交流电作为电能源，而是通过各种形 式对其进行变换，从而得到各自所需的电能形式。逆变电源通过半导体功率开 关器件的开通和关断，完成电能形式的转换，广泛应用于各类交通工具，如汽 车、各类舰船以及飞行器，在太阳能及风能发电领域，逆变电源有着不可替代 的作用，并以其低损耗、高效率、电路简洁等显著优点而受到人们的青睐。 逆变电源的核心技术为现代电力电子学，作为电力电子设备中重要组成成 员，对其可靠性的研究具有重要的意义。d n d 4 8 1 2 2 0 4 5 型逆变电源为4 8 v 直流输入，2 2 0 v 、4 5 a 交流输出，额定功率为1 k w 的丌关型逆变电源，电路 结构典型，使用范围广，在开关电源中很具有代表性。本文以可靠性数据分析 作为着手点，结合神经网络、概率论和数理统计、可靠性理论等多学科知识， 将智能建模和机器学习引入可靠性研究，提高了可靠性数据分析的自动化和智 能水平，为可靠性理论解决实际问题提供了一种可行的方法。 哈尔演理t 人学t 学硕l j 学位论艾 1 2 本课题研究现状 尽管可靠性作为产品的基本属性随着产品的存在而存在，但可靠性作为一 门独立的工程学科只有五、六十年的历史，它是以概率论、系统工程、质量控 制和生产管理等学科脱颖而出，从而成为一门新兴的工程学科，发展十分迅 速，在很多方面的研究取得很大的成功1 4 1 。随着可靠性工程技术的深入发展， 人们认识到可靠性数据及其分析工作的价值和作用显得越来越重要。 在利用数学工具处理统计问题时，出现了三种不同学派：经典学派、贝叶 斯学派和信赖学派。1 9 7 2 年，e a s t e r l i n g 提出修正的似然法( m m l m o d i f i e d m e t h o do fl i k e l i h o o d ) ，m a n d s k y 提出似然比法( l r - l i k e l i h o o dr a t i o ) ，取得一定应 用成效1 8 1 ；1 9 9 7 年，m k m a n o ，h u w a n g l c 在不需要参数的任何条件分布 时，给出多参数问题可靠性估计的b a y e s 计算，说明b a y e 法的可行性；同 年，c o i t w 研究了具有已估计部件的复杂系统的可靠性的置信区间，而这种方 法不需参数的任何假设，具有稳健性，能应用于任何分解成并或串联的系统； 与此同时，c r a i g j 在小样本情形下，给出二项串联系统的可靠性估计，提出从 生产中的失效产品提取有用信息的方法1 9 , 1 0 1 。这些传统的方法是目前可靠性数 据分析中最为成熟的方法，得到了广泛应用。 人工神经网络a n n ( a r t i f i c i a ln e u r a ln e t w o r k ) 是目前国际上迅速发展的前 沿交叉学科，是模拟生物神经结构的新型计算机系统，广泛应用于处理非线性 问题的研究，在控制优化、模式识别、信号图像处理、预报和信息处理、传感 器技术等方面取得了瞩目的进展。神经网络在面对缺少物理理解、观察数据中 存在着统计变化、数据非线性等棘手问题时，能够提供较为有效的解决方法。 近年来，国外学者n a m j a d y ，m e h s a n 将用神经网络技术对电力系统进行了 可靠性预测，证明可行】；k x u 、l c t a n g 、s l h o 等将人工神经网络技术 应用于发电机系统可靠性预测中，得出了发电机系统的可靠性参数1 1 2 , 1 3 1 ， m c l i u 等将神经网络技术应用于可靠数据分析中【1 4 1 ，取得了很好的效果。在 国内，神经网络的应用起步较晚，针对可靠性预计预测，华中科技大学侯国 祥、朱梅林和张勇传等提出了将神经网络、有限元和蒙特卡罗相结合求解发动 机零部件可靠度的方法，表明该方法可行，适用面广【1 5 1 ；国防科技大学罗莉、 何鸿君等将神经网络算法应用于可靠性增长的预测，提高了可靠性增长分析的 准确性1 1 6 i ；海军工程大学安卫、陈国钧等应用神经网对某柴油机主油泵的可靠 度进行了预计i 7 】；吉林大学的申桂香等人应用神经网络应建立了数控机床的可 哈尔滨理t 人学t 学硕l j 学位论文 靠性预计模型，确定了数控机床的可靠性参数1 1 8 1 ；中北大学的赵河明、潘云侠 把神经网络应用引信可靠性技术研究，解决了引信领域中可靠性技术的难题 1 1 9 1 。海军航空工程学院王进才、陈振林等教授将神经网络技术应用于弹药等可 靠性数据的模拟仿真分析，结合实际数据给出了部分结果1 2 0 i ；同时有少数学者 将神经网络引入可靠性数据处理，也取得了很好的效果1 2 1 - 2 3 】，将神经网络在可 靠性研究中进行了更广的拓展。 在对逆变电源的可靠性研究方面，国外从上个世纪9 0 年代开始研究弧焊 逆变电源的可靠性，一直都在寻求提高其可靠性的途径，也有了一定的进展【2 乒 2 7 1 。和国外相似，国内一些专家针对应用逆变弧焊和逆变雷达电源的可靠性设 计展开讨论，提出改进驱动电路等提高逆变电源可靠性的设计1 2 8 , 2 9 1 。此外以吕 长志、李国志等人为代表，对丌关电源的可靠性进行了比较深入的研究1 3 0 , 3 1 1 。 1 3 本文的主要研究内容 本课题的主要研究工作内容有： 1 以d n d 一 4 8 1 2 2 0 4 5 型逆变电源为研究对象，通过质量反馈单收集其故 障数据，对逆变电源的故障进行分类整理。 2 利用元器件应力分析法对逆变电源进行了可靠性预计，初步确定了逆 变电源可靠性特征量。通过对逆变电源可靠性预计特点的研究，确定神经网络 的性能参数，在m a t l a b 环境下建立基于b p 神经网络的可靠性预计模型，用来 进行对逆变电源的可靠性性能参数的预计。 3 针对可靠性工程中常用指数分布、正态分布、对数正态分布、威布尔 分布这四种可靠性分布，建立基于神经网络的可靠性失效分布识别模型，评价 模型的识别性能。将建立的模型应用于逆变电源故障数据分析，确定产品的失 效分布类型。 4 建立基于神经网络的可靠性评估模型，根据逆变电源故障数据，对产 品的失效分布参数进行估计，最终确定产品可靠性特征量，完成逆变电源可靠 性评估。 哈尔滨理t 人学t 学硕i j 学位论文 第2 章可靠性工程和神经网络基本理论 2 1 可靠性概念与可靠性特征量 根据g b 3 1 8 7 8 2 可靠性基本名词术语及定义，可靠性是指产品在规定条 件下和规定时间内，完成规定功能的能力。可靠性的定义只能定性地描述产品 可靠性的高低，而定量地描述产品可靠性的高低，最初来源于产品现场使用的 可靠性，通过对产品现场使用可靠性统计，用各种数量特征参数对其进行描 述。现场使用统计是带随机性的，在讨论可靠性数量特征时，就必须用到概率 论和数理统计方法。下面给出能够定量描述产品可靠性的相关基本理论和方 法。 在产品可靠性研究中，和其它的产品技术指标一样，必须要有一个数量指 标，这个数量指标称为可靠性特征量。可靠性特征量是用来表示产品可靠件高 低的各种可靠性数量指标的总称。常用的可靠性特征量有可靠度、平均寿命、 失效率、累积失效率等。 1 可靠度可靠度是产品在规定条件下和规定时间内，完成规定功能的 概率，一般记为r 。它是时间的函数，故也记为尺( r ) ，称为可靠度函数。 如果用随机变量7 1 表示产品从开始工作到发生失效或故障的时间，其概率 密度为厂( f ) ，如图2 1 所示。 若用t 表示某一指定时刻，则该产品在该时刻的可靠度为 r ( ，) = p ( r ，) = 【厂q 弦 ( 2 一1 ) 对于不可修复的产品，可靠度的观测值是指直到规定的时间区间终了为 止，能完成规定功能的产品数与在该区间开始时投入工作产品数之比，即 以) ：型：1 - 型( 2 - 2 ) 一 nn 式中丌始投入工作产品数 n 。( ，) 到，时刻完成规定功能产品数，即残存数 n r ( r ) 到，时刻未完成规定功能产品数，即失效数 2 平均寿命平均寿命是寿命的平均值，对于可修复产品则常用平均无 故障工作时间，一般记为m t b f ( m e a nt i m eb e t w e e nf a i l u r e s ) 。已知丁的概率 密度函数厂( ，) ，无故障工作时f n jt 的期望e ( ，) 为 哈尔滨理t 人学t 学顾i j 学位论文 t = e ( t ) = 【t f ( t ) d t ( 2 - 3 ) 3 失效率失效率是工作到某时刻尚未失效的产品，在该时刻后单位时 间内发生失效的概率。一般记为a ，它也是时间f 的函数，故也记为兄( ，) ，称 为失效率函数，有时也称为故障率函数或风险函数。按上述定义，失效率是在 时刻，尚未失效产品在r ，+ ，的单位时间内发生失效的条件概率，即 1 2 ( t ) = l i m 一1p o n 厂( s ) ： 。 。一。 ( 2 9 ) 一。 【0 ， s 1 0 0 k 40 4 3 2 0 0 01 7 2 8 0 0 0 9u c 3 8 4 2l1 3 4 4 1 5 41 3 4 4 】5 4 1 0 变压器 20 1 6 0 0 0 00 3 2 0 0 0 0 l l 连接器 20 0 9 7 0 0 0 0 0 9 7 0 0 0 1 2 印制板 10 0 8 2 0 0 00 0 8 2 0 0 0 1 3 焊点 8 8 o 0 0 1 0 0 00 0 8 8 0 0 0 a 2 18 0 2 6 8 5 4 表3 - 4 逆变电源控制电路板 t a b l e3 - 4c o n t r o lc i r c u i t 序号元器什名称及璎号数量以( 1 0 缶h )累积火效率( 1 0 ) l m o s f e t 2 0 5 5 3 0 0 01 1 0 6 0 0 0 续表3 4 2 小功率整流_ 二极管30 4 5 0 9 0 01 3 5 2 7 0 0 3 电解电容2 5 v 80 4 8 8 0 0 03 5 8 4 0 0 0 4 电解电容1 0 0 v 20 0 8 6 0 0 0o 1 7 2 0 0 0 5 实心钽电容器 3 40 2 0 6 4 0 01 0 3 2 0 0 0 6 三极管 70 9 5 5 7 0 07 0 l7 6 0 0 7 金属氧化膜电阻器兰1 0 0 k 5 6o 1 2 2 0 0 06 8 3 2 0 0 0 8 金属氧化膜电阻器 1 0 0 k 60 4 3 2 0 0 02 5 9 2 0 0 0 9 变压器 10 1 6 0 0 0 00 1 6 0 0 0 0 1 00 8 3 2 a10 0 2 4 3 0 00 0 2 4 3 0 0 1 1 2 7 c 6 4 a 1 0 1 0 7 3 0 0 o 1 0 7 3 0 0 1 24 0 6 9lo 1 0 2 8 2o 10 2 8 2 1 37 5 5 5 l0 1 1 9 3 7 70 1 1 9 3 7 7 1 4c d 4 0 4 010 7 3 7 8 0 00 7 3 7 8 0 0 1 5l m 3 5 820 0 7 9 5 4 30 1 5 9 0 8 6 1 6u c 3 8 4 221 3 4 4 1 5 42 6 8 8 3 0 8 1 7u c 3 8 7 511 6 5 1 7 3 51 6 51 7 3 5 1 8 连接器 80 0 9 7 0 0 00 7 7 6 0 0 0 1 9 印制板 10 4 7 6 0 0 00 4 7 6 0 0 0 2 0 焊点 5 6 l0 0 0 1 0 0 00 5 6 1 0 0 0 a 3 3 1 2 5 2 0 2 6 表3 5 逆变电源主电路板 t a b l e3 - 5m a i nc i r c u i t 序号元器什名称及型号数量 以( 1 0 。6 h )累积欠效率( 1 0 击h ) lm o s f e t80 5 5 3 0 0 04 4 2 4 0 0 0 2 小功率整流二极管 90 2 4 2 4 0 02 1 8 1 6 0 0 3 电解电容2 5 v 40 4 8 8 0 0 01 9 5 2 0 0 0 4 电解电容6 3 v 50 2 8 9 0 0 01 4 4 5 0 0 0 5 电解电容1 0 0 v 20 0 8 6 0 0 00 1 7 2 0 0 0 6 实心钽电容器 50 2 0 6 4 0 01 0 3 2 0 0 0 7 金属氧化膜电阻器三1 0 0 k 4 0 1 2 2 0 0 00 4 8 8 0 0 0 8 金属氧化膜电阻器 1 0 0 k 40 4 3 2 0 0 01 7 2 8 0 0 0 9 变压器 20 1 6 0 0 0 00 3 2 0 0 0 0 1 0 电感器 40 1 0 8 0 0 00 4 3 2 0 0 0 1 l 迮接器 l0 0 9 7 0 0 00 0 9 7 0 0 0 1 2 印制极 1 o 1 9 7 0 0 00 1 9 7 0 0 0 1 3 焊点 2 】80 0 0 1 0 0 0o 2 18 0 0 0 兄4 14 6 8 5 6 0 0 3 预计结果从以上统计结果可知， 失效率的比重较大。在进行可靠性设计时， 控制电路单元，驱动电路单元占总 应重视这些重要单元的电路设计， 哈尔滨理t 人学t 学硕 j 学位论义 重点控制好关键元器件的选择和使用。整机失效率为 n 旯，= n ，允= + a 2 + 也+ a 4 = 8 4 0 6 6 0 8 ( 1 0 击h ) ( 3 3 ) = l 3 3 基于a n n 的逆变电源可靠性预计模型 基于神经网络的逆变电源可靠性预计模型的主要思想是：将d n d 一 【4 8 1 2 2 0 4 5 型逆变电源整个系统按它的可靠性框图分为八个独立的子系统，然 后把收集的可靠性数据进行分类，把故障数据归于各个子系统，同时考虑电源 工作的坏境条件，加入相应的环境因子，同八个子系统一同作为输入神经元， 把整个系统的失效率作为输出神经元，建立三层结构的b p 神经网络。输入神 经元如图3 2 所示。 - t 逆变了系统k - q 输入神经元l 。 - t 驱动子系统 f - t 输入神经元i z - i采样子系统卜_ 叫输入神经元i ， - t供电了系统卜_ 叫输入神经元i 。 i 输入 i - t反馈予系统卜- 叫输入神经无i ， l 神经元 i - 1 - i保护子系统卜_ 叫输入神经尢i s l 1 发垂孳禁统h 输i 7 l 删八俐红儿1 7 一 控制子系统卜_ 叫输入神经元i 。 - t环境冈了卜一叫输入神经元i ， 3 3 1 环境因子的确定 图3 - 2 神经网络输入神经元 f i g 3 - 2i n p u tn e u r o n s 本模型的输入神经元除了各组子系统可靠性数据外，增加了一个环境因 子。因为产品的可靠性水平不仅由组成模块单元的可靠性水平及它们之间的相 互作用关系决定，而且还与其使用的环境有关。这罩给出了一个确定环境因子 哈尔滨理t 人学t 学硕i ：学位论丈 的方法。环境因子包括自然环境因子和人为环境因子， 所示，最终环境因子的计算公式为 = 三届+ 丢压 式中届为自然环境因素因子 屐人为环境因素因子 表3 - 6 环境因子级别 t a b l e3 - 6e n v i r o n m e n t a lf a c t o rg r a d e s 环境因子级别如表3 - 6 ( 3 - 4 ) 白然环境囚子人为环境冈子 优秀 0 5 熟练 o 5 较好 0 8 较熟练 0 8 一般 l 一般 1 较差 1 2不熟练 1 2 恶劣 1 5 初次使用 1 5 3 3 2 可靠性预计模型的建立 1 确定网络输入和输出本算法采用逆变电源产品子系统失效率作为输 入数据。统计收集逆变电源产品的故障数据并归于各个功能模块，将各模块的 失效率分别作为一项输入神经元数据，将系统失效率作为神经网络输出。 系统失效率为 兄，= f ，= n 。t ( 3 - 5 ) j = li = l 式中，卜“样台数 f 一评定期内第f 台产品的实际工作时间，单位为小时 ，广评定期内第f 台产品出现的故障频数 一系统在评定周期内累计故障频数 卜评定周期总工作时间 输入神经元的失效率为 - = n ，t ( 3 - 6 ) 式中m - 一第，个输入神经元在评定期1 8 j 的故障数 p 一评定周期总工作时间 由于本模型采用的传递函数为对数s 函数，要求输出值落在0 l 之i 司，故 应对输出值进行处理，一般对输出值】，作如下处理后，可以保证输出值在肚l 范围内。 y = y i o ( 3 - 7 ) 我们根据逆变电源前期运行情况统计得到的可靠性数据建立了故障数据 库，包括电源整体可靠性数据、逆变子系统、驱动子系统、采样子系统、供电 子系统、反馈子系统、保护子系统、正弦波发生子系统、p w m 控制子系统和 环境因子，并经过认真筛选，选择了1 0 组样本数据，处理结果如表3 7 所 示。 表3 7 可靠性预计模型样本数据 t a b l e3 7t e s ts a m p l e so fr e l i a b i l i t yp r e d i c t i o n 样本输入值 输出 序号 ，l，2，31 4 i5 1 6 i ， 厶 1 9 值y 10 1 9 9 30 2 9 8 90 2 9 8 90 1 9 9 3o 1 9 9 300 0 9 9 601o 1 4 9 5 2 0 2 9 8 40 0 9 9 5 0 0 9 9 50 1 9 8 9 0 2 9 8 40 1 9 8 900 0 9 9 510 1 4 9 2 30 1 2 8 30 1 2 8 3000 6 4 1 9 0 2 5 3 50 2 5 3 5 0 l0 1 6 4 8 4o 1 0 3 30 4 1 3 20 1 0 3 3o0 4 1 3 200 2 0 6 60 1 0 3 3l0 1 4 4 6 5o 1 9 8 70 2 9 8 10 0 9 9 4o 0 4 9 6 9 0 0 9 9 40 1 9 8 7 o1 0 1 5 9 0 60 2 4 2 6o 1 2 1 3o 1 2 1 3o 1 2 1 30 4 8 5 30 1 2 1 30 2 4 2 60lo 1 6 9 8 70 2 3 8 90 2 3 8 90 1 1 9 50 0 1 1 9 5o 1 1 9 5 0 2 3 8 9o 1 1 9 5 1 o 1 4 3 4 80 2 8 3 90 1 4 1 9o 1 4 1 90o 1 4j 9o 】4j 90 1 4 1 90 2 8 3 91o 1 5 6 2 9o 3 1 7 8o 1 0 5 9o 3 1 7 8 0 2 1 1 80 3 1 7 80 1 0 5 90o1o 1 5 8 9 1 00 2 1 7 9o 1 0 8 9o0 2 1 7 90 4 3 5 80 2 1 7 9o 2 1 7 90 1 0 1 6 3 4 2 网络结构根据3 2 1 所述的原则和步骤，选定逆变子系统、驱动子系 统、采样子系统、供电子系统、反馈子系统、保护子系统、j 下弦波发生子系 统、p w m 控制子系统和环境因子作为网络的输入向量，并根据上述讨论确定 本文建立的神经网络为：初始权值哌为1 1 ；学习因子r = 0 0 5 ；冲量因子 口= 0 9 ；迭代精度占= 0 0 0 0 0 1 ；结构为9 1 5 1 的三层b p 神经网络。 3 训练网络将表3 7 中的前8 组样本作为训练样本，对网络进行训 练，后2 组样本作为与b p 网络预计值进行比较的标准样本。网络训练在 m t a l a b 7 中进行，训练误差性能曲线如图3 3 所示。预计模型算法描述如 下： p 2 p r e d i c t i o n t = t a r g e t s n e t = n e w f f ( 【01 ；01 ；0l ；o l ；0 l ；01 ；0l ；0 1 ；01 】， 1 51 ， l o g s i g , p u r e l i n ) ，t r a i n g d x ) ； 哈尔演理t 人学t 学硕l ：学位论义 n e t t r a i n p a r a m e p o c h s = 10 0 0 0 ； n e t t r a i n p a r a m g o a l = 0 0 0 0 01 ； n e t t r a i n p a r a m 1 r - - o 0 5 ； n e t t r a i n p a r a m s h o w = 5 0 ； n e t t r a i n p a r a m m c = 0 9 ： n e t = t r a i n ( n e t ，p ，t ) e c h oo f f 1 0 1 1 0 0 10 1 1 0 2 1 0 3 1 0 4 们5 p e d o r m a n c ei s99 9 9 5 3 争0 0 6 g o a i i s1 棚5 、 j ： ： t f j ： 、 i 5 0 01 0 0 01 卯02 0 0 02 5 0 03 0 0 0 3 1 0 3e p o c h s 图3 3 训练误著性能曲线 f i g 3 - 3e r r o rc u r v eo fn e t w o r kt r a i n i n g 3 4 预计结果比较 设产品寿命服从指数分布，截尾子样的函数2 a s ( t ，) 的分布为自由度为2 r 的z2 分布，其中，为截尾数，置信水平为1 一口的故障率a 双侧置信区间为 c 槭h 帮，哿， b 8 ， 置信水平为1 一口单侧置信区i 瑚为 哈尔滨理t 人学t 学顾i j 学位论文 ( 0 ，枷 0 ，哿】 ( 3 9 ) 统计表3 7 中前8 组样本得到试验总时间s ( t ，) = 5 1 9 3 0 ，在置信水平为0 9 时，查表计算出，单侧置信限为0 2 7 5 4 ，双侧置信区间为【0 0 9 3 2 ，0 3 0 7 9 。 神经网络预计模型建立后，将表3 7 的后两组样本数据带入进行预计，并 将预计结果和数学模型预计法结果进行比较分析，预计结果对照如