版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著電力電子技術的迅猛發(fā)展,電力電子器件的應用日益廣泛,其故障問題也越來越突出。本文在對電力電子器件主電路故障進行分析的基礎上,分析了現存故障診斷方法的不足之處,提出了電力電子電路故障診斷的神經網絡信息融合方法。
本文首先從逆變器的拓撲結構和工作原理出發(fā),分析了逆變器主電路的故障類型,然后對這些故障進行了仿真分析。利用傅立葉變換提取故障信號各次諧波的幅值和相位特征,作為故障特征向量。同時充分考慮了實際電路運行時各類故障發(fā)生
2、的概率,提出了將故障根據其危害程度和發(fā)生的概率劃分輕重等級,對那些危害程度大、發(fā)生概率高的故障重點對待,使得這些故障能夠被及時地以較高正確率檢測出來。論文在故障分等級的同時,利用神經網絡信息融合,在對變頻器主電路的故障診斷中完成了以下三方面的工作:
1)基于BP神經網絡組分等級的故障診斷。
在根據故障發(fā)生頻率和危害程度將故障分等級的基礎上,使用包含三個子網絡的BP神經網絡組來進行故障診斷,故障等級越高,使用的
3、子網絡越多,以此來保證故障檢測系統對這些發(fā)生頻率高、危害程度大的故障有高的檢測正確率,最終從總體上提高故障檢測系統的性能。
2)基于量子神經網絡組分等級的故障診斷。
在故障分等級的基礎上,用量子神經網絡構成的神經網絡組來進行故障診斷。量子神經網絡隱層神經元的激勵函數采用多個傳統激勵函數的疊加,使網絡具有一種固有的模糊性,它能將決策的不確定性數據合理的分配到各故障模式中,提高故障診斷的準確率。
3
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 設備故障診斷的容錯神經網絡信息融合方法.pdf
- 基于神經網絡的電力電子裝置故障診斷.pdf
- 基于神經網絡的故障診斷.pdf
- 基于神經網絡和信息融合的模擬電路故障診斷方法研究.pdf
- 基于人工神經網絡的電力SCADA系統的故障診斷.pdf
- 基于DSP的人工神經網絡電力電子故障診斷.pdf
- 基于神經網絡的電機故障診斷.pdf
- 基于RBF神經網絡的故障診斷.pdf
- 基于人工神經網絡的故障診斷
- 基于神經網絡的故障診斷研究.pdf
- 基于神經網絡信息融合的發(fā)動機故障診斷系統研究.pdf
- 基于bp神經網絡的故障診斷方法
- 基于神經網絡的電器故障診斷研究.pdf
- 基于模糊神經網絡的電網故障診斷.pdf
- 基于集成神經網絡的凝汽器故障診斷.pdf
- 基于神經網絡的轉爐風機故障診斷.pdf
- 基于神經網絡的鍋爐故障診斷研究.pdf
- 基于分形神經網絡的電力電子裝置故障診斷研究.pdf
- 基于fta與bam神經網絡融合的飛機故障診斷方法
- 基于神經網絡與數據融合的直流系統故障診斷研究.pdf
評論
0/150
提交評論