基于电流残差的逆变器故障诊断方法研究

针对三电平逆变器中不同故障类型输出波形相似的情况,提出一种基于电流残差的逆变器故障诊断方法。该方法运用混合逻辑动态模型和三电平仿真模型经过一系列的数学运算提取线电流残差,作为逆变器故障诊断的一部分输入特征;取逆变器桥臂上的电压信号作为故障诊断的特征信号,利用小波变换提取故障信号作为另一部分输入特征;将两部分特征向量进行有效组合,构建新的且能够区分所有故障模式的特征向量,最后利用BP神经网络进行逆变器的故障诊断。仿真结果表明,该方法数据处理量小,诊断精度高,具有较强的可行性和有效性。     

基于BP神经网络的硬盘播出系统电平诊断的应用及其实现

研究了在MATLAB环境下,利用BP神经网络解决硬盘播出系统电平诊断中的分类问题。首先阐述了BP神经网络的一种故障诊断模型,其次分析了基于集合结构的电平诊断实现原理,最后研究了BP神经网络对电平诊断的求解方法。结论表明:利用在基于BP神经网络的MATLAB环境下解决电平诊断问题时仿真效果明显,有利于实际工程技术的应用。     

三电平逆变器的故障建模及诊断

针对三电平逆变器电路易出现的开路故障现象,本文以二极管钳位三电平逆变器为例,对三电平逆变器功率管开路故障进行了分析,使用Simulink建立三电平逆变器的故障模型,并由此提出了一种基于神经网络的三电平逆变器的故障诊断与检测方法。实验结果表明,该方法能够有效的诊断三电平逆变器中出现的故障问题,尤其适用于检测与定位逆变器内部的复杂非线性故障。     

一种基于变压器的新型九电平逆变器

在光伏并网逆变器领域,传统拓扑结构常采用先升压再逆变的结构,造成效率进一步提升受到限制且输出电压电平数较少。对此,本文提出了一种基于变压器的新型单相九电平逆变器。首先,本文详细地分析了所提逆变器的拓扑结构,并给出了各开关管在正、负半周期内的开关状态,为了突出所提拓扑的优势,本文将之与其它类似的九电平逆变器进行对比。同时,为使所提逆变器性能最优,本文将电平合成脉宽调制（LSPWM）技术应用至该逆变器。此外,本文还给出了具体的级联方案,使得所提拓扑可以通过级联的方式来提高逆变器的输出电压,亦或是增加输出电压电平的数量。最后,搭建样机并进行了实验,实验结果充分证明了理论分析的正确性以及该方案的可行性。     

混合型级联多电平逆变器的PAM调制和PWM调制

介绍了混合型级联多电平逆变器的PAM和PWM调制方法,在Matlab7．0中构建了基于这两种调制方法的多电平逆变器的仿真模型。仿真结果表明,混合型级联多电平逆变器能够有效减小谐波畸变率,改善输出电压波形。     

基于概率神经网络的滚动轴承故障诊断

针对滚动轴承故障征兆与故障模式映射的复杂性,以及BP网络容易陷入局部极小、收敛速度慢等缺点,提出了基于概率神经网络（PNN）的滚动轴承故障诊断方法。采用11个时域统计特征作为样本特征,利用PNN实现样本分类,并与反向传播（BP）网络进行滚动轴承故障诊断的方法进行了对比。结果表明,PNN网络可以实现滚动轴承不同类型的故障识别,其分类结果比BP网络具有更高的准确性,并在避免局部极小和节约训练时间方面有较好的实用性。     

基于神经网络信息融合技术的模拟电路故障诊断

研究了神经网络信息融合技术在模拟电路故障诊断中的应用。利用BP神经网络建立信息融合中心,对多传感器数据进行融合处理,减少模拟电路故障诊断的不确定性。对标准电路的输出电压与电源电流特征信息,及两者融合信息的故障诊断性能比较,表明神经网络信息融合方法用于模拟电路故障诊断是有效和可行的。     

SVPWM控制三电平逆变器

论述了空间电压矢量调制（SVPWM）控制二极管钳位式三电平逆变器的原理与实现方法。提出了确定参考矢量的三个规则，并推导出工作矢量作用时间、输出顺序及描述了中点电位的控制规则。通过采用Matlab仿真，结果证明SVPWM控制三电平逆变器的可行性。     

基于TMS320LF2407三电平逆变器SVPWM研究

研究了二极管钳位型三电平逆变器的中点电压平衡控制方法.建立了三电平逆变器的综合数学模型,提出了一种采用最近三矢量法合成参考矢量的空间矢量脉宽调制SVPWM算法,给出了小三角形区域判断规则、合成参考电压矢量的相应输出电压矢量的作用顺序,并推导出各合成电压矢量的作用时间.探讨了影响三电平逆变器中点电压平衡的主要因素,提出了...     

基于LVQ神经网络集成的柴油机气门故障诊断

针对柴油机气门故障的诊断样本少和非线性数据特征等问题,文中提出了一种基于学刁向量量化（LVQ,LearningVectorquantization）神经网络集成的柴油机故障诊断方法,该方法通过使飘LVQ神经两络作为基础学习器．采用Bagging算法对LVQ神经网络分类器进行相对多数投票集成,并用LVQ神经网络．LVQ神经网络集成．BP神经网络和RBF神经网络等方法对柴油机气门故障诊断．对评价结果进行了分析和比较,LVQ神经网络集成对柴油机气门故障诊断的正确率高于其他神经网络,神经网络集成的柴油机气门故障诊断精度高于单个神经网络的精度.     

基于小波变换与BP神经网络的模拟电路故障诊断

利用小波与改进算法的BP神经网络相结合的方法进行模拟电路故障诊断,该方法使用小波分解作为预处理工具,对信号进行消噪和小波分解,然后提取特征信息,进行归一化处理,并作为BP神经网络的输入样本进行模式识别。该方法减少了神经网络的输入维数,提高了收敛速度和辨识故障的能力。仿真结果表明,该方法能准确快速地定位故障,且可有效地进行故障识别、改善神经网络结构以及提高故障诊断精度与速度。     

基于遗传神经网络的AOA跟踪算法

提出了一种在非视距传播环境中基于遗传神经网络的到达角定位跟踪算法。首先使用遗传算法优化后向传播神经网络的初始权值,将优化后的GA-BP神经网络对AOA测量值进行修正,用最小二乘算法确定移动台的位置,再用卡尔曼滤波器配合相关检测距离门对移动台实施跟踪。仿真结果表明,该算法能有效地实现移动台的动态跟踪,且性能优于传统BP神经网络和LS算法。     

GA-BP神经网络在雷达目标跟踪中的应用研究

目标的运动过程一般是非线性过程,神经网络具有很强的非线性拟合能力,可映射任意复杂的非线性关系,以神经网络为基础的模型能够很好地反应目标的非线性运动趋势。本文在分析传统的BP神经网络的基础上,引入GA遗传算法来优化神经网络的初始权值和阀值,同时将GA-BP神经网络模型运用于对雷达目标的跟踪过程中,并通过仿真验证该模型的精度较高。     

基于PSO和改进神经网络的图像滤波方法的研究

提出了一种基于改进BP神经网络和粒子群优化算法（PSO）的图像滤波方法。该方法利用对数最小均方误差函数（LNLS）代替BP神经网络传统的最小均方误差函数（LMS）,用来减小图像噪声对神经网络精度的影响;并将改进后的BP神经网络利用PSO算法优化,从而避免神经网络陷入局部极小值点,进一步提高神经网络滤波能力。实验结果表明,与传统滤波方法相比,该方法不仅能有效地滤除图像中的高斯噪声而且能很好地保护图像细节。     

基于径向基神经网络的旋转机械故障诊断

针对旋转机械故障征兆与故障模式映射的复杂性,以及BP网络容易陷入局部极小、收敛速度慢等缺点,提出基于径向基（RBF）神经网络的风机故障诊断方法。以风机振动信号的7段频谱能量峰值作为故障特征,采用训练好的RBF网络进行故障辨识。结果表明,RBF网络能满足风机故障诊断的准确性,并在避免局部极小和节约训练时间方面有较好的实用性。     

基于MIV和BRBP神经网络的电路板红外诊断方法

针对BP神经网络对于海量数据训练及多维数据训练收敛困难的问题,在使用增加动力项、自适应学习速率等方法的基础上,引入均值影响度算法(MIV)构造了贝叶斯正则化反向传播(BRBP)神经网络,以此提高电子线路板红外故障诊断算法的效率。利用红外测温方式,获取了不同室温及运行状态下电路板中21个元器件温度数据。将此21个参数作为故障诊断模型的初始输入变量,经过MIV算法简约为12个参数输入至BRBP神经网络,进行故障评估和诊断。结果表明:相对于传统的BRBP神经网络,本文设计的基于MIV和BRBP神经网络模型诊断方法极大简化了数据训练的数据量并解决了数据收敛的困难,因此效率更高,用时更省。     

基于小波包分析与BP神经网络的氧化铝熟料检测

利用小波包分析与BP（Back Propagation）神经网络相结合的算法,对氧化铝熟料检测的应用进行了研究。通过对回转窑中的氧化铝熟料下落碰撞窑壁产生的声音信号进行采集,利用小波包分析提取特征向量,根据氧化铝的烧结状况与声音信号特征向量的对应关系,提出建立BP神经网络模型。经过MATLAB对测试样本进行验证,结果表明BP神经网络模型在氧化铝熟料检测的可行性,而且具备一定的准确率。     

模拟电路故障诊断的PSpice与Matlab仿真分析研究

根据模拟电路故障诊断中的测前模拟诊断SBT法,本文采用PSpice对待测电路CUT故障进行模拟仿真,通过小波包分析和信息熵方法提取故障电路输出信号的特征向量,利用Matlab设计的神经网络算法构建故障分类器并对电路故障进行识别与诊断。仿真实验结果表明将PSpice与Matlab相结合的诊断方法能够有效地诊断模拟电路故障,为模拟电路故障诊断的教学和科研提供参考。     

基于萤火虫BP神经网络的轴承故障诊断研究

针对BP神经网络训练过程易陷入局部极值导致训练误差收敛速度慢的问题,提出将具有全局寻优的萤火虫算法,结合BP算法共同训练神经网络。在本质上,萤火虫BP神经网络利用萤火虫算法对神经网络进行早期训练,避开局部极值点,得到优化后的神经网络初始权值后,利用BP算法的局部寻优特性对网络做进一步精细训练。轴承故障实验表明,萤火虫BP神经网络的训练误差收敛速度相比BP神经网络、萤火虫神经网络显著提升,故障识别率最高达到99.47%。