（电力电子与电力传动专业论文）电力电子整流装置故障诊断方法的研究.pdf

广东工业大学工学硕士学位论文 a b s t r a c t w i t h r a p i dd e v e l o p m e n to fp o w e re l e c t r o n i c st e c h n 0 1 0 9y ，p o w e re l e c t r o n i c s r e c t i f i e ro f r e a l i z i n ge n e r g yc o n v e r s i o n ， b e c a u s eo fi t s e m c i e n t ， f l e x i b l ea n d c o n v e n i e n tc o n t r o l ， e a s yt oa c h i e v ea n ds oo n ， m a k ei t s a p p l i c a t i o nw i d e s p r e a d i n c r e a s i n g l y t h ef a u l tp r o b l e m so ft h ep o w e re l e c t r o n i c sr e c t j f i e ra r em o r ea n dm o r e p r o m i n e n ta tt h es a m et i m e ，t h e r e f o r e 印p l i e st h ea u t o m a t i cf a u l td i a g n o s i st e c h n o l o g y i nt h ep o w e re l e c t r o n i c sr e c t i f i e rh a si t s p r a c t i c a ls i g n i 矗c a n c ea n dt h ee c o n o m i c a l s i g n i f i c a n c e ， i ti s p a n i c u l a r l yi m p o r t a n t t h a tt h er e l e v a n t m e o r e t i c a la n d m e t h o d o l o g i c a lr e s e a r c h t h et o p i ct a k e st h ed e v e l o p m e n ta 1 1 di m p m v e m e n to fp o w e re l e c t r o n i c sr e c t 简e r f a u l ti n t e l l i g e n td i a g n o s i sm e t h o da sag o a l a g a i n s if e a t u r e se x t r a c t i o na n dd i a g n o s i s o ft w ok e yt e c h n o l o g yi nf a u nd i a g n o s i sf o rp o w e re l e c t r o n i c sr c c t m e rh a sc o n d u c t e d f u n h e rr e s e a r c ha n da n a l y s i s t h em a i nr e s e a r c hw o r kc o m p l e t e da sf 0 1 i o w s ： f a u l t d j a g n o s i sm e t h o df o rp o w e re l e c t m n i c sr e c t i f i e rb a s e do np c a n e u r a l n e t w o r kw a s p r o p o s e d f i r s te x t 豫c tt h ef c a t u r ev e c t o rf r o mt h ef a u l ts i g n a lw i t ht h e p 订n c i p a lc o m p o n e n ta n a l y t i c ( p c a ) m e t h o d ，a n dt h e nu s en e u r a ln e t w o r kt r a i n i n ga n d t e s t i n g e x p e r i m e n t a l r e s u l to ft h y r i s t o ro p e l lc i r c u i tf a u l t d i a g n o s i si np o w e r e l e c t r o n i c sr e c t i f i e rs h o w e dt h a tt h i sm e t h o dc a ns i m p l i f yt h es t r u c t u r eo ft h en e u r a l n e t w o r k ，i m p r o v et h et r a i n i n gs p e e do ft h en e t w o r k ，h a v eo b t a i n e d v e r yg o o d d i a g n o s t i ce 仃e c t p u t t i n gf o r w a r dm e t h o dm a tu s i n gw a v e l e tp a c k e ta n a l y s i st h e o 。yt oc a r r yo nt h e c h a r a c t e r i s t i c 行o mt h ef a u l ts i g n a lo fp o w e re l e c t r o n i c sr e c t i 6 e le x t r a c ti t se n e r g ya s i n p u tv e c t o ro ff 矗u l tc l a s s i f i e r ，c a r r i e so nt h ec l a s s i f i c a t i o na n dt h ed i a g n o s i sb yt h e f a u l tc l a s s i 6 e rt oe a c hk i n d o ff a u l t h a s c o n f i r n l e dt h i sm e m o dv a l i d i t yt h r o u 曲 t w e l v ep u l s ec o n t r o l l e dr e c “f i e rt h y “s t o ro p e nc i r c u i tf a u l td i a g n o s i ss i m u l a t i o nr e s u l t p r o p o s e sf a u nd i a g n o s j sm e t h o df o rp o w e re l e c t r o n i c sr e c t i f i e rb a s e do nt h es v m a ni m p r o v e dm u l f i f a u l ts v mc l a s s 湎c a t i o na l g o r i t h mw e r es t u d i e d ，p u tf o r w 盯df a u i t d i a g n o s i sm e t h o df o rp o w e re l e c t m n i c sr e c t m e rb a s e do nt h es v mw “hi d e a lo ft h e a l g o “t h m i n d i c a t e dt h r o u g ht w e i v ep u l s ec o n t r o l l e dr e c t i f i e rt h y r i s t o ro p e nc i r c u i t i i f a u i td i a g n o s i se x p e r i m e n f a lr e s u l t ，t h i sm e t h o dc a nq u i t ea c c u r a t e l yd i a g n o s i sf a u l t ， a n dt h ed i a g n o s t i cp r e c i s i o ni sh i g h ；c o m p a r i s o nw i t hb pn e u r a ln e t w o r k ，m i sm e t h o d e f f i c i e n fa n dh a v eag o o do u t r e a c hc a p a c i t yu n d e rs m a l l s a n l p l e i th a st h ev e r yg o o d p r a c t i c a lv a l u ei nt h es o l u t i o nt of a u l tq u e s t i o nf b rp o w e re l e c t r o n i c sr e c t i 6 e ra n dt h e a p p l j c a t i o np m s p e c t k e yw o r d s ：f a u l td i a g n o s i s ，n e u r a ln e t w o r k ，f e a t u r ee x t r a c t ，p r i n c i p l ec o m p o n e n t a n a l y s i s ，w a v e l e tp a c k e ta n a l y s i s ，s u p p o r tv e c t o rm a c h i n e 第一章绪论 第一章绪论 随着电力电子技术的迅猛发展，实现能量变换的电力电子整流装置，由于其 效率高、控制灵活方便、易实现等优点，使其的应用日益广泛，同时电力电子整 流装置的故障问题也越来越突出，因此在电力电子整流装置中应用自动故障诊断 技术，是有其现实意义和经济意义的，开展相关的理论和方法研究尤为重要。 1 1 研究背景和意义 电力电子技术是利用电力电子器件对电能进行控制和转换的新兴学科。通过 使用电力半导体器件，应用电路和设计理论以及分析开发工具，实现对电能的高 效变换和控制。近年来，功率变流技术得到了迅猛的发展，经过变流技术处理的 电能在整个国民经济的耗电量中所占比例越来越大。在发达国家，电能的7 5 左 右经过电力电子变换后使用，预计在2 l 世纪发展到9 5 以上“。电力电子技术已 广泛应用于国防军事、工业、交通、农业、商业、医药制造以及家用电器。电力 电子设备一旦发生故障，小则造成电器产品损坏、交通阻塞、工矿企业停产，大 则会威胁人民生命、财产安全，甚至造成重大的人员伤亡或突难事故，影响国民 经济的正常运行。实现能量变换的电力电子整流装置，由于其效率高、控制灵活 方便、易实现等优点，被广泛应用于电力电子设备中如电镀、感应加热、直流输 电、交流调速、机车牵引、无功补偿及不间断电源等，且电力电子整流装置是整 个电力电子设备关键的部分，因此对电力电子整流装置进行故障检测和诊断是至 关重要的。 为实现电力电子整流装置测试和诊断的智能化，开展对电力电子整流装置故 障诊断方法研究是一个非常有意义的研究课题。 1 2 故障诊断技术的研究现状和常用的方法 目前故障诊断技术是国内外研究的前沿课题，国内外都对其展开了积极的研 究，并且已经产生了巨大的经济效益。从故障诊断技术的各分支技术来看，美国 占有领先地位，美国的许多权威机构如美国机械工程师学会( a s m e ) ，美国宇航 局( n a s a ) 等都参与了这一领域的研究，投入了大量的资金：不少的高校和企业 、。+ 东工业大学工学硕士学位论文 也都设立了诊断技术研究中心，美国的一些公司，如b e n t l y 、h p 、s c i e n t m c a t a l a j l t a 等，他们的检测产品基本上代表了当今诊断技术的最高水平，不仅具有 完善的监测功能，而且具有较高的诊断功能，在军事、化工等方面具有广泛的应 用；其它一些国家故障诊断技术的发展也是各有特色，如英国在摩擦诊断方面、 丹麦在振声诊断方面等等，他们在诊断技术应用方面都各具优势。 我国的故障诊断技术发展于七十年代末，对故障诊断技术展开了积极的研究， 在故障诊断技术理论方面已接近世界水平。目前，我国在一些特定设备的诊断研 究方面很有特色，形成了一批自己的监测诊断产品。西安交大、华中科技大学、 哈尔滨工业大学、南京理工大学等高校的研究成果较为先进，如西安交通大学研 制的“大型旋转机械计算机状态监测系统及故障诊断系统r m m d ”、华中科技大 学开发出的“汽轮机工况监测和诊断系统k b t g m d ”等。综观我国的设备诊断 技术现状，其应用集中在化工、电力、冶金等行业。 故障诊断技术发展至今，已提出了大量的方法。按照国际故障诊断权威，德 国的p mf m t l l ( 教授的观点，所有的故障诊断方法可划分成基于解析模型的、基于 信号处理的和基于知识的三种方法”。 基于解析模型的方法依赖于被诊断电路数学模型，主要有参数估计法和残差 法等。 基于信号处理的方法通常利用信号模型”1 ，如相关函数、频谱、自回归滑动平 均等，直接分析可测信号，提取诸如方差、幅值、频率等特征值，近些年来出现 了一些新的基于信号处理的故障诊断方法，直接测量系统的输入输出方法、基于 小波变换的方法、输出信号处理法、信息匹配诊断法、基于信息融合的方法、信 息校核的方法。 在实际隋况中，我们常常无法获得对象的精确数学模型，这就大大限制了定 量方法的使用范围，基于知识的方法不需要对象的精确数学模型，因此很有生命 力的方法，基于知识的方法主要可以分为基于症状的方法和基于定性模型的方法。 基于症状的方法有神经元网络方法、专家系统方法、模糊推理方法和模式识别方 法等。基于定性模型的方法有知识观测器方法等。 第一章绪论 1 3 电力电子整流装置故障诊断方法 1 3 1 故障诊断的基本思想 故障诊断学是继网络分析和网络综合之后的网络理论的第三个分支，其主要 任务是在已知网络的拓扑结构，根据输入的激励信号以及系统在激励下的响应情 况，求解故障元件的物理位置或者故障参数。它涉及到的理论和技术面较宽，它 以信息论、控制论和系统论等为理论基础，以现代测试仪器和计算机为技术手段， 结合各种诊断对象的特殊规律而形成的一门新兴学科。 任何系统的故障诊断，其基本思想是统一的，即设被测对象可能出现的状态 ( 正常状态和各种故障状态) 组成状态空间集y ，在各个状态下，被测系统的所有 可测的特征值组成特征空问集x ，当系统处于某一状态y 时，总有确定的特征向 量x 与之对应，即存在映射f ，使得： f ：x 斗y 反之，一定的特征也对应确定的状态，即存在映射f ，使得： f ：y x 用数学语言概括为，找出函数y = f ( x ) ，使得满足x 到y 的映射。 1 3 2 电力电子整流装置的故障特点 电力电子整流装置故障的特点8 i ： ( 1 ) 电力电子整流装置的实际运行表明，大多数故障表现为功率开关器件的损 坏，如品闸管( t ) 或可关断品闸管( g t o ) 故障，其中以功率开关器件的断路和直通 最为常见。 ( 2 ) 电力电子整流装置故障诊断与一般的模拟电路、数字电路的故障诊断存在 较大差别，故障信息仅存在于发生故障到停电之前数十毫秒之内，因此，需要实 时监视诊断。 ( 3 ) 电力电子整流装置的功率已达数千瓦，模拟电路和数字电路故障诊断方法 不再适用这种电路，电力电子电路只能以输出波形来诊断是否有故障及属于何种 故障。 1 3 3 电力电子整流装置故障诊断方法的研究现状 近几年来，国内外很多学者和专家相继在电力电子整流装置故障诊断方面作 广东工业大学工学硕士学位论文 了有效的研究和探索，并积累了丰富的经验，形成了一些系统的方法为该课题的 进一步研究提供了宝贵的知识依据。故障诊断的关键是提取故障的特征，故障特 征是指反映故障征兆的信号经过加工处理后所得的、反映设备与系统的故障种类、 部位与程度的综合量。”。 国内外研究现有的电力电子整流装置故障诊断方法主要有： ( 1 ) 谱分析法 潜分析的目的：信号中含有噪声，为了提取特征，故障信号的时域波形不能 清楚地反映故障的特征。在故障诊断中比较常用的信号处理方法是谱分析，常用 傅里叶谱、沃尔什谱，另外还有滤波、相关分析等。文献 9 提出了一种改进的谱 分析故障诊断方法，首先分析和归类三相桥式整流电路故障时整流电压波形，并 定义了一种“面积”建立故障模型，根据特征值进行诊断定位。此方法的难点在 于故障特征判别参数的设定。文献 1 0 提出模糊理论和频谱分析相结合的诊断方 法，对电力电子电路故障的电压信号进行频谱分析，得到不同故障时的频谱特征， 通过确定各待诊断元件的故障隶属度确定故障元件。 ( 2 ) 直接检测功率器件两端电压或桥臂电流方法 通过检测各功率器件两端的电压，或检测各桥臂电流，得到功率器件的工作 状态，再与触发脉冲进行时序逻辑比较，从而判断被诊断对象是否故障。此方法 需检测每个被诊断器件的电压或电流，所需测点较多，需要专门的检测电路。文 献 1 1 介绍了三相桥式半控带续流二极管的整流电路的故障诊断，采用光耦合器 测量所有桥臂晶闸管和二极管两端的电压，以及控晶闸管导通的触发脉冲信号， 通过微机分析，最终获得诊断结果。文献 1 2 利用晶闸管触发信号和晶闸管导通 之间时序对应关系，充分利用单片机资源，实验检测晶闸管通断状况，即检测品 闸管正向压降，从而判断晶闸管装置是否存在故障。 ( 3 ) 字典库诊断方法 该方法是一组典型的测量特征值和故障值以一事实上的表格形式存放起来， 这种对应关系可以由大量的模拟试验和仿真分析得到。因此，通过比较测量值和 特征值，就可以判定故障。故障字典法对于模拟电路和数字电路故障诊断具有很 大的实用价值，但字典法只能解决单故障诊断，多故障的组数大，在实际中很难 实功1 j 。 4 箢一章绪论 ( 4 ) 专家系统的方法 专家系统就是利用计算机推理能力和领域专家的丰富经验，以及系统内部因 果关系和人工智能的机器学习功能，设计出一种智能计算机程序系统，解决复杂 的系统故障诊断问题。 故障诊断专家系统，大多是基于规则的专家系统，它将领域知识编写成一系 列产生式规则( 表示形式为l f ，t h e n ) 。这种专家系统可以解决许多系统的故 障诊断问题，但专家诊断系统存在知识获取“瓶颈”问题、难以维护、应用面窄 以及诊断能力弱和不适应模糊问题等缺点“i 。 ( 5 ) 基于神经网络故障诊断方法 神经网络理论是在现代神经科学研究成果的基础上提出来的，是对人脑功能 某些特性的模拟和抽象。人工神经网络是一种抽象的数学模型。它是由大量简单 的处理单元以某种拓扑方式相互连接而成的非线性动力学系统。信息处理由神经 元之间的大规模连接权值与作用函数的并联运算实现1 。通过调整各单元之间的 权值实现网络的训练，从而避免建立复杂的数学模型。在知识获取上，神经网络 的知识获取不需要知识工程师整理、总结知识，只需用领域专家解决问题的实例 或范例来训练神经网络。在知识表示中通用性强，神经网络同一层的推理是并行 的，不同层的推理是串行的，这种推理模式运算速度快。同时，人工神经网络具 有联想记忆功能，只要输入模式接近某一样本的输入模式，则输出也会接近样本 的输出模式。近几年来，神经网络在故障诊断中应用越来越广泛，国内、外也有 了很多成功案例，文献 1 5 应用神经刚络理论对高压断路器实现的故障诊断，文 献 1 6 用人工神经网络诊断电力电子主回路故障，文献 2 采用了神经网络理论 以及对波形数据直接进行分析的故障诊断方法诊断变频器主电路电力电子器件的 故障。文献 1 7 提出一种利用红外热图像的电力电子电路实时诊断和控制技术。 通过红外光导纤维和红外热图像照像机对所选定的元件的温度进行行分析，判断 温度是否偏离其范围并诊断出故障模式。当诊断为不正常时，能自动修改有关工 作参数，使温度回到安全工作范围。该方法在一个电容充电电源( 其逆变部分包含 2 4 个m o s f e t ) 上进行了成功验证。神经网络在电力电子整流装置故障诊断中的应 用现阶段主要方法有文献 1 8 ，应用傅里叶变换将时域的直流输出电压波形转化 为频域信号以电力电子电路进行在线故障诊断，以三相桥式整流电路为例，应用 傅里叶变换将时域的直流输出电压波形转化为频域信号作为特征参数，训练b p 东工业大学工学硕士学位论文 神经网络并利用训练好的神经网络进行故障诊断。 1 4 本文研究的主要内容 本文针对电力电子整流装置故障诊断中的特征提取和故障识别两个关键技术 问题进行了深入研究和分析，主要完成了如下的研究工作： 1 研究了主成分分析的特征提取方法，提出基于p c a 一神经网络的电力电子整 流装置故障诊断方法。 2 利用小波包分析理论对电力电子整流装置的故障信号进行特征提取，并对 其进行分析，作为故障分类器的的输入特征向量，由故障分类器实现故障识别。 3 采用支持向量机方法对电力电子整流装置的故障问题进行应用研究。 论文的组织结构： 第一章绪论 阐述了电力电子整流装置故障诊断的研究背景和意义，从数学的角度解析故 障诊断的实质，介绍了电力电子整流装置故障诊断的特点和研究现状。 第二章基于神经网络的电力电子整流装置故障诊断 首先介绍了b p 神经网络的模型、学习算法和设计。研究了波形直接分析法和 神经网络相结合的电力电子整流装置故障诊断方法，最后将该方法应用于三相可 控整流电路的晶闸管断路故障诊断中，分析实验结果并指出不足之处。 第三章基于p c a 一神经网络的电力电子整流装置故障诊断 讨论主成分分析的理论，研究主成分分析法用于敌障特征提取，提出p c a 神 经网络的电力电子装置故障诊断方法，最后用该方法实现对三相可控整流电路中 晶闸管断路故障的诊断，并分析实验结果。 第四章小波包分析在电力电子整流装置故障诊断中的应用 讨论小波包分析的理论，提出了利用小波包分析提取故障信号的小波包能量 的特征提取方法。通过实现对十二脉波可控整流电路中晶闸管断路故障的诊断进 行实验验证。 第五章支持向量机在电力电子整流装置故障诊断中的应用研究 讨论支持向量桃的主要理论，分析s v m 多值分类算法的特点，重点研究一种 改进的“一对多”故障分类算法，提出了基于s v m 的电力电子整流装置故障诊断 方法，最后将该方法应用于十二脉波可控整流电路品闸管的断路故障诊断实验中， 第一章绪论 分析实验结果并和b p 神经网络进行对比。 总结与展望 课题研究工作的总结，同时对课题未来的研究方向作了展望。 广东工业大学工学硕士学位论文 第二章基于神经网络的电力电子 整流装置故障诊断 故障的分类是故障诊断中很重要的一环，对故障诊断准确率有较大的影响。故 障的分类器是找出输入数据空间到输出类别空间的映劓关系。在数学上，这种映射 关系可以用一个非线性函数表示，即用它可以将不同类别的数据集合分割开来，其 几何意义是高维数据空间的个非线性超平面。 基于神经网络的故障诊断问题可以看成为模式识别，神经网络用于故障诊断主 要有以下三个原因i ”：( 1 ) 训练后神经网络能存储有关过程的知识，可以根据对象的 正常历史数据训练网络，然后将此信息与当前测量数据进行比较，以确定故障。( 2 ) 人工神经网络具有滤除噪声能力，可以训练人工神经网络来识别故障信息。( 3 ) 人工 神经网络具有分辨故障原因及故障类型的能力。相比总结比i f t h e n 那样的条 件关系，神经网络天生具有模糊处理能力，而且不需要事先对专家知识进行总结和 分类，因此在故障诊断中具有重要的地位。 在本章中介绍了b p 神经网络模型、原理和l m 学习算法，研究了基于波形直 接分析和b p 神经网络的电力电子整流装置故障诊断方法。以三相桥式呵控整流电 路晶闸管断路故障为例，通过仿真实验，运用神经网络对故障进行诊断。 2 1 b p 神经网络 反向传播网络( b a c k p r o p a g a t i o n n e t w o r k ，简称b p 网络) 是将误差信息反向传 播，对非线性可微分函数进行权值训练的多层前馈型神经网络。在人工神经网络的 实际应用中，8 0 9 0 的人工神经网络模型是采用b p 网络或它的变化形式，它也 是前向网络的核心部分，体现了人工神经网络最精华的部分。 2 1 1b p 网络模型” 一个具有p 个输入和一个隐含层的前馈神经i 删络模型结构如图2 1 所示。 第二章基于神经网络的电力电子整流装置故障诊断 图2 1 具有一个隐含层的前馈神经网络模型结构图 f i g2 一lc o n 6 9 u r a i i o no ff o r w a r dn e u r a ln e t w o r kw i m o n eh i d d e nl a y e r 其表达式为： 口2 = 厂2 ( 2 八1 尸+ 6 1 ) + 6 2 ) ( 2 1 ) b p 网络具有一层或多层隐含层，与其它模型神经网络的主要差别表现在激活函 数上。s 型激活函数是一个连续可微的函数，其一阶导数存在。对于多层网络，这 种激活函数所划分的区域不再是线性划分，而是由一个非线性的超平面组成的区 域。它是比较柔和、光滑的任意界面，因而它的分类比线性划分精确、合理，这种 网络的容错性较好。另外一个重要的特点是由于激活函数是连续可微的，它可以严 格利用梯度法进行推算，它的权值修正的解析式十分明确，其算法采用误差反向传 播方法。输出层采用线性激活函数，则可使网络输出任何值。在一般情况下，均是 在隐含层采用s 型激活函数，而输出层采用线性激活函数。 2 ，1 2b p 算法1 b p 算法属于占算法，是一种监督式的学习算法。其主要思想为：对于口个输入 学习样本( p 1 ，户2 ，p3 ，p 。) 是一种已知与其之对应的输出样本为( f 1 ，r 2 ，r 3 ， r 。) 。学习的目的是用网络的实际输出4 。，爿2 ，爿3 ，爿，与目标矢量r 1 ，2 ，r 3 ，v 之间的误差来修改其权值，使爿7 ( = l ，2 ，g ) 与期望的r 尽可能地接近，即：使网 络输出层的误差平方和达到最小。 b p 算法是由正向传播与误差的反向传播两部分组成。在正向传播过程中，输入 模式从输入层经过神经元处理后，传向输出层，每一层神经元的状态只影响下一层 神经元状态。如果在输出层得不到期望的输出，网络按照减小期望输出与实际输出 值之问误差的方向，从输出层经过隐含层逐层修正各层的连接权值，最后回到输入 层。随着这种误差逆传播修正的不断进行，网络对输入模式响应的正确率也不断上 广东工业大学工学顿士学位论文 升。最后达到允许的误差范围内，网络达到平衡状态后自动收敛。 b p 算法的一般实现流程图如图2 2 所示。 冈 设定训练的迭代总次数n 及日标全局误差e 取单个训练样本 层的输出 的般化误差 兀 计算学习样本误差 计算全局误差 更新权值和闽值 更新训练迭代次数 趔麓i 或训练次数 h 一一一 丽岛i 训练结束l 图2 - 2b p 学习算法的实现流程 f i g2 2f l o wc h a r to fb pl e a m i n ga l g o r i l l m 2 1 3l m 学习算法 l m 学习算法”“是种优化的b p 算法，具有较好的推广能力，适合于电力电 子整流装置故障诊断研究课题的需要。下面对l 。m 算法进行简要说明。 设x 表示第七次迭代的权值和阈值所组成的向量，新的权值和闽值组成的向量 x 叶“可根据下面的规则求得： x ( + ) = x ( + x( 2 2 ) 对于牛顿法则是： 第二章基于神经网络的电力电子整流装置故障诊断 血= 1 v2 占( x ) 】_ 1v e ( 工) ( 2 3 ) 上式中v 2 e ( ) 表示误差指标函数e ( x ) 的h e s s i a n 矩阵；v e ( x ) 表示梯度。 设误差指标函数以z ) 为： 1 占( x ) = 去寄( x ) ( 2 4 ) j = 1 上式中的口( x ) 为误差，那么： 审e ( 工) = l ，7 ( 工) 已( x ) ( 2 5 ) v 2 e ( x ) = ，7 ( 工) t ，( x ) + s ( 工) ( 2 6 ) 在式( 2 5 ) 、( 2 6 ) 式中：s ( 曲= 8 ，( 功v 2 q ( x ) ；，( 砷为j a c o b i a n 矩阵，即： j = i ，( x ) = 出o ) 蹦 & 2 ( x ) d x 如。( 曲 c 拓 ( 2 7 ) 对于高斯一牛顿法的计算法则有： 工= l ，7 ( x ) ，( 工) _ 1 ，7 ( 工) e ( z ) ( 2 8 ) l m 算法是一种改进的高斯一牛顿法，它的形式为： x = - - ，7 ( 功，( x ) + 】。1 ，7 ( x 扣( 曲 ( 2 9 ) 上式中的比例系数 0 为常数，是单位矩阵。 从式( 2 9 ) 可看出，如果从例系数= o ，则为高斯一牛顿法；如果取值很大， 则l m 算法接近梯度下降法，每迭代成功一步，则“减少些，这样在接近误差 目标的时候，逐渐与高斯一牛顿法相似。由于l m 算法利用了近似的二阶导数信息， 它比梯度下降法快得多。另外由于 ，7 ( x ) t ， ) + ，卅。是正定的，所以( 2 9 ) 式的解 总是存在的，从这个意义上说，l m 算法也优于高斯牛顿法。 l m 算法的训算步骤： ( 1 ) 给出训练误差允许值s 、卢、风，以及初始化和闽值向量工o ，令女= o ， = 卢n 。 广东工业大学工学硕士学位论文 ( 2 1 计算网络输出及误差指标函数e ( z 似) 。 ( 3 ) 按式( 2 7 ) 计算j a c o b i a n 矩阵，( z ) 。 ( 4 ) 分别按式( 2 9 ) 、( 2 4 ) 计算血和e ( x 似) 。 ( 5 ) 若e ( z ( 。1 ) 占，转到( 7 ) ：否则，以x 1 为权值和阈值计算误差指标函数 e 0 ) = 工川e ( x 。) 。 ( 6 ) 若e ( x m l ) e ( x ) ，则令= 尼+ 1 、= 声，回到( 2 ) ；否则这次不更新 权值和闽值，令x “”= 工“、= ，垆，并回到( 4 ) 。 ( 7 ) 结束。 2 1 4 神经网络的设计 ( 1 ) 网络的层数 理论上已经证实：在劂络隐含层节点根据需要自由设定的前提下，三层前向神 经网络可以实现以任意精度逼近任意连续函数的功能。增加层数主要可以更进一步 的降低误差，提高精度，但同时也使网络复杂化，导致训练网络权值的时间增加。 而误差精度的提高实际上也可以通过增加隐含层中的神经元数目来获得，其训练效 果也比增加层数更容易观察和调整。所以一般情况下，应优先考虑增力u 隐含层中的 神经元数“”。 ( 2 ) 隐含层的神经元数 神经网络输入层、输出层的神经元个数可以根据研究对象的输入、输出信息来 确定。网络训练精度的提高，可以通过采用一个隐含层，而增加其神经元数的方法 来获得。一般情况下可按下式计算隐含层神经元数目： 托h = 胛，+ 竹。+ 口 ( 2 1 0 ) 式中：n 。为隐台层神经数目；n ，为输入层神经元数目i 心为输出层神经元数 目，口可取0 1 0 。 ( 3 ) 初始权值的选取 由于系统是非线性的，初始值对于学习是否达到局部最小、是否能够收敛以及 训练时间的长短的关系很大。为了避免选择初始权值太大，使得加权后的输入和落 在rs 型激活函数的饱和区，从而导致其导数非常小，造成在计算权值修正公式中 他斗0 ，从而使得调节过程停顿下来。一般取初始值在( 一l ，1 ) 之间的随机数：另 外，威德罗等人在分析了两层网络时如何对一个函数进行训练后，提出一种选定初 第二章基于神经网络j l l 勺电力电子整流装置故障诊断 始权值的策略：选择权值的量级为小l ，其中s 1 为第一层神经元数目。 ( 4 ) 期望误差的选取 在设计网络的训练过程中，期望误差值也应当通过对比训练后确定一个合适的 值。一般情况下，作为对比，可以同时对两个不删期望误差值的网络进行训练，最 后通过综合因素的考虑来确定采用其中一个网络。 2 2 基于神经网络的电力电子整流装置故障诊断及应用 2 2 1 故障模型 现以三相桥式全控整流电路。”为例，如图2 3 所示，经研究表明：整流桥输出 端的直流脉动电压“。包含了晶闸管是否有故障的信息，是一个关键的测试点。并且 直流脉动电压容易检测，若可借助于“。的分析达到故障分类的目的则可达到事 半功倍的效果，所以我们尝试将虬作为主要分析处理对象。 zrzrz 1 it ls a b l zr2厂2 ，- 1 1dhr 2 目2 3 三相桥式h 】控整流电路 f i g2 - 3t h r e e - p h a s ef u l l b r i d g ec o n t r o l l e dr e c t i f l e r 假设电路中分别发生两种情况故障：电路中有一只晶闸管故障或者同时有两只 晶闸管发生故障。现在把故障分为5 大类，共2 2 小类，分类情况如下： 故障类型1 ：各晶闸管均： 作正常，即无故障。 故障类型2 ：只有一只晶闸管发生故障，即互、t 、五、l 、瓦、瓦，其中一 管发生故障。 故障类型3 ：接到同一相电源的两个晶闸管故障，即五和五、五和i 、e 和瓦， 其中一组中的两管同时发生故障。 故障类型4 ：在同一半桥中的两个晶闸管故障，即正和正、五和i 、五和e 、 正和、疋和吒、疋和瓦，其中一组中的两管同时发生故障。 故障类型5 ：交叉两只品闸管故障，即一和正、i 和瓦、疋和正、巧和、五 广东工业大学工学硕士学位论文 和正、瓦和瓦，其中一组中的两管同时发生故障。 2 2 2 故障模型分析 应用m a t l a bs i m u l i n k 仿真工具箱建立整流电路仿真模式( 见附录图a 一1 ) ， 通过实验对2 2 1 节中的故障进行仿真，可获得在各种故障状态下的输出电压“。的 波形图。现列出其中部分故障的电压波形图见图2 4 所示( 以口= 3 0 0 为例) ，设晶 闸管发生断路故障。 a 1 无故障时整流输出电压波形 a ) v 0 1 t a g ew a v e f o 姗o f n o n n a lo p e m t i 叫 b ) t 断路时整流输出电压波形 b ) v o l t a g ew a v e f 0 h no feo p e nc i r c u i t c ) t 6 断路时整流输出i 也压波形 c ) v o l t a g ew a v e f o n i lo ft 6o p e nc i r c u i t d ) e 和t 4 断路叫整流输出电压波形 d ) v 0 1 i a g ew a v e f o mo ft la n dt 4o p e nc i r c u j e 1 4 笫二章基于神经网络的电力电子整流装置故障诊断 e ) t 3 和t 6 断路时整流输出电压波形 e ) v o l t a g c w a v e f o mo fl a n dt 6 0 p e n c i r c u i t f ) t l 和t 3 断路时摧流输 - i _ ；电压波形 f ) v o l t a g ew a v c f o 册o ft ia n dt 3o p e nc i r c u i t g ) t 2 和t 6 断路时整流输出电压波形 g ) v o l l a g ew a v e f 0 皿o ft 2a n d t 6o p e nc i r c u i t h ) t l 和t 2 断路时整流输出电压波形 h ) 、b i t a g ew j v e f o mo ft la n dt 2o p e nc i r c u i t i ) v o l t a g e w a v e f o r r no ft 5a n dt 6 0 p e n c i r c u i t 图2 4 故障发生n 、j 的输出电压波形 f i 9 2 4v o l t a g ew a v e f b n l lw h c nf a u l to c c u r 1 5 一东工业大学工学硕士学位论文 从图中看到五类故障的典型波形特点：在相同的触发角口时，同一类故障集 中不同的故障元情况下，波形只在时间轴上平移，而波形形状相同；“。波形随 着触发角口的变化而改变的，这给故障诊断带来麻烦。 2 2 3 基于神经网络的电力电子整流装置故障诊断 基于神经网络的电力电子整流装置故障诊断方法的具体实现步骤： ( 1 ) 根据诊断对象电力电子整流装置的特点，提取故障信号的原始特征，并和 对应所属故障类型的神经网络输出构成神经网络的训练样本集和测试样本集。对于 三相桥式可控整流电路，故障的原始特征取“。输出电压波形的采样值。 ( 2 ) 构造用于诊断电力电子整流装置故障的神经网络。 本课题采用三层的b p 网络，隐含层的节点作用函数采用l o g s i g m o i d 函数，输 出层采用线性p u r e l i n e 函数。 神经网络输入神经元的个数n ，为“。采样点的个数。在三相桥式可控整流电路 中，每一个口所有可能的故障种类有2 2 种，根据二进制编码n 。l o 岛m ( m 为故障 类型的总数) 所以n 。至少要取5 ，我们取，z 。= 6 用c 。c ，c 。0 c ：c 表示网络的输出节点， 设电路中第f 个晶闸管发生断路故障，则输出向量中第f 个元素c = 1 ，无故障为0 ， 依此类推作为神经网络期望输出值。隐含层神经元的个数由式( 2 1 0 ) 计算得出。 ( 3 ) 按l m 算法的计算步骤，利用训练样本进行网络的学习，确定用于故障诊 断网络各层的权值和偏置值。 ( 4 ) 训练样本和测试样本作为已训练神经网络的输入，经网络分类决策，即神 经网络的实际输出为输入样本所属的故障类型，从而实现故障的智能检测和故障元 定位。 2 2 4 仿真实验 为了全面检验本文提出的故障诊断方法有效性，我们选择整流角度发生偏差时 的故障样本作为测试样本( 非学习样本) 加以验证。课题以整流角度发生偏差的范围 在一2 + 2 之问为例的进行集中研究，本节及其后的章节中的实验数据均选择整流 角度无发生变化时的故障样本为训练样本，测试样本分别取整流角度发生一2 、+ 1 、 + 2 度变化时的3 种角度情况下的故障样本。 方案1 分别为三相桥式可控整流电路“= o o 、口= 3 0 0 、口= 6 0 0 、口= 9 0 0 、 球= 1 2 0 。的晶闸管断路故障构造单独b p 诊断网络。图2 5 是用于对口= 3 0 0 时晶闸 第二章基于神经网络的电力电子整流装置故障诊断 管发生断路故障诊断的神经劂络训练误差曲线，训练样本取整流角度无发生变化时 的故障样本。 1 。1 1 0 。 1d _ 犀1 0 2 幢 茹1 0 3 g 1 0 4 1 0 。6 1 0 。6 1 0 。7 p e 南r m a n c ei $ 94 6 0 6 b e 0 0 7 2 3 6e 口o c h s 。 。、 l 、 。 - 、 d5 01 0 01 5 0 训练步数 图2 5 训练误差曲线 f i g2 5t r a i ne r r o rc u e 2 0 0 表2 1 在已训练的神经网络基础上，口分别取o o 、3 0 0 、6 0 0 、9 0 0 、1 2 0 0 时 部分故障训练样本经过测试仿真后神经刚络的实际输出与期望输出的比较。 表2 1 实际结果与期望结果的比较 t a b l e2 一lc o m p a r ew i t hr e a lr e s u l tf o re x p c c tr e s u i l 实际输出期塑输出 口 c 6 c 5 q c 3c 2 c i c 6c 5 c d c 3 c 2c l 0 0 0 0 3 00 0 2 5_ o o o o l0 0 0 0 4 0 0 0 2 0 i o 0 0 0 5 0o0oo0 00 0 0 000 0 0 l0 0 0 0 00 0 0 0 000 0 2 0l0 0 0 3o000 o 1 0 00 0 0 0 300 0 0 lo 0 0 0 0o0 0 0 0i 0 0 0 5o 0 0 0 30000】0 一0 0 0 0 30 0 0 1 5_ o 0 0 0 00 9 9 8 7o0 0 1 900 0 0 2o00100 一( ) 0 0 0 2o0 0 0 810 0 0 100 0 0 6 - o0 0 3 80 0 0 0 3 0 0100o 00 0 0 9l0 0 0 100 0 0 00 0 0 0 500 0 3 200 0 3 2ol000o 09 9 9 1o0 0 0 i0 0 0 0 00 0 0 0 300 0 1800 0 0 3j0000 ) 3 0 0 一00 0 0 4 0 0 0 0 2l ( 1 0 0 0o0 0 0 30 0 0 0 3 10 0 0 0 0 01 0 01 00 0 ( j 4 0 0 0 400 0 0 0o0 0 0 l l0 0 0 6 0 0 0 0 l0 】00】o 厂东工业大学工学硕士学位论文 表2 1 ( 续) t a b l