共查询到19条相似文献,搜索用时 249 毫秒
1.
2.
基于小波变换和神经网络的逆变电路故障诊断方法 总被引:1,自引:0,他引:1
提出一种基于小波分析和神经网络的逆变器开路故障诊断方法;采用小波变换方法将逆变器的三相输出电压分解为高频系数和低频系数,以三相低频系数的平方和作为该相输出电压的特征向量,将逆变器开路故障进行分类和编码,建立一个三个输入、五个中间节点、一个输出的神经网络模型,实现逆变器故障桥臂定位,最后利用逆变三相电压同一桥臂故障电压的对称性的特点,用一种简单的判断逻辑实现故障元件的分离;仿真结果表明,该模型的诊断准确率达到98.6%以上,表明方法的有效性. 相似文献
3.
4.
5.
摘要:针对光伏并网逆变器电路中故障信号的非线性、非平稳特点,提出一种基于经验模态分解(EMD)和样本熵(SampEn)的故障诊断方法。首先,利用经验模态分解对逆变器的三相输出电压进行分解,得到有限个本征模式分量(IMF),从中选取包含故障主要信息的前几个本征模式分量提取故障信息。然后,计算本征模式分量的样本熵,从而得到用于故障诊断的特征向量;最后,将逆变器开路故障进行分类和编码,将故障特征向量输入BP神经网络进行模式识别,从而达到故障诊断的目的。在Matlab环境下对光伏并网逆变器的故障诊断进行了实验,实验结果证明了文中方法能实现对光伏并网逆变器的故障诊断,且与小波包变换相比,该方法具有诊断效率高和准确度高等特点。 相似文献
6.
《自动化仪表》2017,(9)
在微电网并网运行过程中,如果未能及时检测出线路故障,会导致微电网退出并网运行状态,严重时可造成系统解列崩溃。为了实现对微电网内部线路故障类型以及故障相别的识别,对微电网内部线路智能化故障诊断进行了研究,提出将小波包分析与径向基神经网络结合应用在微电网内部线路故障诊断中。首先,将微电网三相输出电压信号通过三层小波包分解得到电压重构信号,并计算其小波包能量熵;其次,将三相电压重构信号的小波包能量熵组成一组特征向量作为径向基神经网络的输入;最后,通过训练好的径向基函数神经网络完成识别故障类型以及故障相别的功能。仿真结果表明,将该方法应用在微电网内部线路故障诊断,准确率达到了97%以上,满足了智能化故障诊断的要求,提高了微电网在运行过程的可靠性。该方法在微电网内部线路故障诊断领域具有良好的应用前景,也为将来通过搭建硬件电路完成基于小波包分析与径向基神经网络的微电网内部线路智能化故障诊断提供了理论基础。 相似文献
7.
地铁列车随着运营年限增加,辅助逆变器故障频发,严重制约轨道交通安全运营,故障及时诊断至关重要。针对列车辅助逆变器典型的大功率器件开路故障,提出了一种基于集合经验模态分解(EEMD)和遗传算法优化的BP神经网络(GA-BP)的故障诊断方法,该方法以辅助逆变器输出的三相半波电压值为监测信号,通过EEMD分解采用能量矩的方法提取故障特征向量,基于GA-BP神经网络实现故障智能诊断。仿真实验结果表明该方法故障诊断准确率能达到95.5%。 相似文献
8.
潘建 《自动化与仪器仪表》2011,(2):71-73
介绍并分析一种新型太阳能光伏并网逆变器的拓扑结构及其工作原理。为改善输出波形质量,减少并网电流谐波,该新型逆变器省略传统逆变桥臂的死区设定,通过控制逆变桥臂的直通矢量占空比实现光伏阵列输出电压的升压功能。利用MATLAB软件对逆变器控制模式进行仿真,仿真结果证明理论分析的正确性和有效性。 相似文献
9.
提出了一种基于小波分析和神经网络的电路故障诊断方法.首先用PSPICE(Simulation Program with Integrated CircuitEmphasis,即集成电路编程仿真技术)电路仿真软件对电路进行仿真;然后对电路的输出节点电压信号进行小波分解,提取各频段的能量作为故障样本;最后利用神经网络的并行处理结构和非线性映射能力,实现故障诊断.仿真实验结果表明该方法对容差模拟电路故障定位具有较高的准确率,为模拟电路故障诊断技术开辟了一条道路,为模拟电路故障诊断技术开辟了一条道路. 相似文献
10.
基于小波神经网络的开关电源的故障诊断 总被引:2,自引:1,他引:1
以非线性小波Morlet基作为激励函数,形成神经元,结合小波变换与神经网络各自的优点,建立集小波分析与神经网络于一体的紧致型小波神经网络;采用能量分布特征提取方法和改进的BP算法,设计了一种基于小波神经网络的故障诊断系统,并应用于开关电源故障诊断中;对实例电路仿真结果表明,该方法能正确识别各种故障状态,准确率高,系统诊断结果与实际相符,验证了该小波神经网络故障诊断系统的有效性。 相似文献
11.
提出了基于小波变换和神经网络的推挽式电路故障诊断方法。先仿真得到各种故障状态下的输出电压信号,然后对输出电压信号进行Daubechies小波变换获取多尺度低频系数和高频系数,并对小波系数进行处理提取故障特征量,最后利用故障特征矢量训练神经网络确定了推挽式电路故障诊断的神经网络模型。仿真结果表明基于小波变换和神经网络的推挽式电路故障诊断方法取得了较好的效果。 相似文献
12.
Fault classification method for inverter based on hybrid support vector machines and wavelet analysis 总被引:1,自引:0,他引:1
Zhi-kun Hu Wei-hua Gui Chun-hua Yang Peng-cheng Deng Steven X. Ding 《International Journal of Control, Automation and Systems》2011,9(4):797-804
A new classification method for fault waveform is proposed based on discrete orthogonal wavelet transform (DOWT) and hybrid
support vector machine (hybrid SVM) for fault type of a three-phase voltage inverter. The waveforms of output voltage obtained
from the faulty inverter are decomposed by DOWT into wavelet coefficient matrices, through which we can obtain singular value
vectors acted as features of time-series periodic waveforms. And then a multi-classes classification method based on a new
Huffman Tree structure is presented to realize 1-v-r SVM strategy. The extracted features are applied to hybrid SVM for determining
fault type. Compared to employing the structure based on ordinary binary tree, the superiority of the proposed SVM method
is shown in the success of fault diagnosis because the average Loo-correctness of the SVM based on Huffman tree structure
exceed the general SVM 3.65%, and the correctness reaches 99.6%. 相似文献
13.
14.
针对异步电机驱动系统中三相六开关逆变器单管故障问题,提出一种逆变器在故障状态下的三相六开关容错控制策略,较三相四开关容错控制可以提供较多的电压矢量,进而可以有效抑制转矩脉动.结合有限集预测控制思想,提出一种基于三相六开关容错逆变器的异步电机有限控制集模型预测转矩控制策略,同时采用模糊PI转速控制器替代固定参数的PI控制器,进一步提高系统的稳定性、快速性和鲁棒性.仿真结果表明, 采用此方案进行控制的异步电机驱动系统能够持续稳定运行,具有良好的动态性能,进一步验证了所提出方法的有效性. 相似文献
15.
16.
17.
18.
基于小波包和神经网络的电力输电线故障诊断研究 总被引:1,自引:0,他引:1
提出了一种将小波包分析方法和改进的概率径向基神经网络以及归一化径向基神经网络相结合.进行输电线短路故障分类和定位的新方法。对新方法进行了较为深入的分析和讨论,建立了一个电力输电线故障诊断系统,该系统能够自动监测故障分类的正确性,并且具有较高的故障定位精确度。通过对电力输电系统短路故障类型及其故障地点的仿真测试表明,所提出的方法切实可行、有效。 相似文献
19.
Fault Diagnosis Using Wavelet Neural Networks 总被引:4,自引:0,他引:4
Wavelet neural networks are a class of neural networks consisting of wavelets. This paper presents a novel universal tool for fault diagnosis and algorithms for wavelet neural network construction are proposed. Using the model of wavelet neural networks, we can not only extract the features of system but also predict the development of the fault. 相似文献