编辑: 人间点评 | 2019-01-07 |
2010 电力电子电路多源特征层融合故障诊断方法 罗慧 , 王友仁 , 崔江 , 赵鹏 (南京航空航天大学 自动化学院 ,江苏 南京 210016) 摘要:设计了一种多源信息特征层融合的故障诊断方法 ,应用在电力电子电路的诊断过程中.选 择待测电路的节点电压和重要支路电流作为融合对象 ,利用小波变换和主成分分析对数据进行预处 理和特征提取 ,采用间隔交叉的方式将电压特征矢量和电流特征矢量联合形成特征矢量 ,通过神经网 络对联合特征矢量进行推理分类 ,得到故障诊断结果.以Buck2 Boost电路为诊断实例 ,对比分析了选 择不同特征融合对象对故障诊断结果的影响 ,实验结果证明该方法可以明显提高电路诊断率. 关键词 :电力电子电路 ;
故障诊断 ;
多源信息 ;
特征层融合 ;
神经网络 中图分类号 : TP
306 文献标志码 : A 文章编号 : 1007- 449X (2010) 04- 0092-
05 I ntelligent fault diagnosis for power electron ic circuits based on multi2source feature2level fusion LUO Hui, WANG You2ren, CU I J iang, ZHAO Peng (College of Automation Engineering, Nanjing University of Aeronautics and A stronautics,Nanjing 210016, China) Abstract: For power electronic circuits, a method of fault diagnosis based on multi2source infor mation feature2level fusion is proposed. The node voltage and important branch current of circuit under testswere selected as fusion targets . Then wavelet packet decomposition and Principal Component Analysis ( PCA) were used respectively to preprocess the data and extract features, and the combine fault feature vectors of voltage and current was obtained by using interval joint method. The neural network was used for recog2 nizing faultmodes . TakingBuck2 Boost for example, the diagnosis resultswith different fusion targetswere comparatively analyzed and the experimental results show that the new method can significantly improve the diagnostic rate of the circuit . Key words: power electronic circuit;
fault diagnosis;
multi2lsource infor mation;
feature2llevel fusion;
neural net work 收稿日期 :
2009 -
10 -
20 基金项目 : 国家自然科学基金 (60871009, 60501022) ,航空科学基金 (2009ZD52045) 作者简介 : 罗慧(1982―) ,女 ,博士研究生 ,研究方向为模拟电路测试与故障诊断技术 ;
王友仁 (1963―) ,男 ,博士 ,教授 ,博士生导师 ,研究方向为检测技术与信号处理、 机载设备健康监测、 仿生硬件与智能系统 ;
崔江(1977―) ,男 ,博士研究生 ,讲师 ,研究方向为模拟电路测试和故障预测、 智能信息处理等 ;
赵鹏(1983―) ,男 ,硕士研究生 ,研究方向为模拟电路故障诊断与测试技术研究.
0 引言电力电子电路故障诊断是模拟电路故障诊断的 重要组成部分 ,确保电力电子系统的安全性和可靠 性 ,具有重大的军事和经济价值.其中故障特征提 取和故障诊断方法是故障诊断的重要关键步骤.目 前电力电子电路故障诊断中采用的特征提取方法 有 :沃而什分析法 [
1 ] 、 频谱分析法 [
2 -
3 ] 、 傅立叶变换 法[4]、小波变化法 [
5 ] 等 ,另外 ,主成份分析法由于能 有效减少冗余信息 ,提高特征矢量的相关性 ,也用于 提取故障特征 [
6 ] .近几年 ,智能故障诊断方法成为 电力电子电路故障诊断方法的重要研究方向 ,其中 神经网络具有良好的学习和泛化能力成为诊断模型 研究的热点 [