幸宗国[1]2003年在《基于DSP的人工神经网络电力电子电路故障诊断》文中研究表明本文介绍了故障诊断技术的概念和发展，阐述了电力电子电路故障诊断的目的和意义和现代电力电子电路故障诊断技术的发展，探讨现代电力电子电路故障诊断技术存在的不足，提出了电力电子电路故障诊断的神经网络方法。 在借鉴前人研究成果的基础上，本文提出了应用频谱分析和神经网络相结合的方法对电力电子电路故障进行诊断。以电力电子叁相逆变系统为例，分别采用BP神经网络和RBF神经网络两种方法对其进行故障诊断。用MATLAB仿真软件建立待诊断系统的仿真模型，仿真实际系统的各种故障，设计神经网络故障诊断的学习样本并以此训练神经网络，确定用于电力电子逆变电路故障诊断的神经网络结构和各参数。通过比较各网络参数对神经网络故障诊断方法的影响，优化神经网络结构的设计来提高所设计的神经网络故障诊断系统的学习和泛化能力。最后简要介绍了基于DSP电力电子逆变电路的在线神经网络故障诊断系统的设计。 应用在线诊断系统和仿真系统对训练好的神经网络故障诊断系统进行仿真验证和实验验证，结果表明BP神经网络和RBF神经网络在电力电子逆变电路的故障诊断中是可行的并且有效的，同时得出BP神经网络比RBF神经网络更适用于工程应用。
赵丽[2]2008年在《基于粒子群算法神经网络的多重化整流电路智能故障诊断》文中研究指明多脉波可控整流电路广泛应用于城市地铁、轨道交通的牵引等电气传动行业,也是许多工业生产中的关键设备。对多脉波可控整流电路进行精确、可靠的故障诊断具有极大的现实意义,本文提出了一种基于粒子群算法优化神经网络的双桥并联整流电路故障诊断方法。电力电子电路故障诊断由于没有统一的故障模型、存在元器件容差和非线性等因素,一直是富有挑战性的工作。神经网络具有解决上述困难的诸多优势。本文采用改进的粒子群算法(PSO)来优化训练神经网络的权值和阈值,改进后的PSO算法采用自适应调整惯性权重的策略,并且引入扰动因子,来平衡集中强化搜索和分散多样化的搜索过程。该方法极大地提高了PSO算法的收敛速度。针对双桥并联整流电路中故障类型较多的特点,对故障类型进行了分类,分为大类和小类两种;首先用频谱分析方法提取出大类故障特征量,小类故障在软件编程中用相位量识别;该方法极大地简化了用于故障诊断的神经网络的结构,而且易于编程实现。本文将上述改进PSO算法优化的神经网络应用于双桥并联整流电路的故障诊断中,取得了很好的效果。仿真结果表明,该方法对阻性、阻感性负载时的故障诊断都具有良好的故障识别率,便于电路故障自动诊断系统的建立。另外为便于整流电路的在线故障诊断,本文设计了基于DSP的故障诊断系统。该方法简单、高效;并且具有通用性,只需要修改故障判据,该DSP故障诊断系统就可以用于其他整流电路功率器件的故障诊断。
张兵[3]2017年在《基于DSP的人工神经网络电力电子电路故障诊断》文中指出本文从待诊断逆变电源系统和实验验证这两个方面,对基于DSP的人工神经网络电力电子电路故障诊断展开了详细的研究,希望能为基于DSP的人工神经网络在电力电子电路故障诊断中的应用提供一定的理论参考。
肖刚[4]2007年在《叁电平逆变器故障诊断研究》文中研究表明随着多电平逆变器在高压、大功率场合的广泛应用，其故障问题也越来越突出。目前，国内外有关叁电平逆变器故障诊断问题的研究报道较少。本文针对叁电平逆变器故障诊断问题，在对主电路功率开关器件故障进行理论和仿真分析的基础上，分别研究了神经网络和支持向量机理论在叁电平逆变器故障诊断中的应用。本文首先从叁电平逆变器的拓扑结构和工作原理出发，分析了叁电平逆变器主电路的故障类型，将主电路功率开关器件的开路故障分为9大类，应用MATLAB软件对这些故障进行了仿真分析，得到了3条有用的结论。其次，研究了基于神经网络的叁电平逆变器故障诊断方法，利用傅立叶变换提取故障信号各次谐波的幅值和相位特征，作为故障特征向量。采用叁层BP网络对逆变器的非典型故障进行诊断，引进专家规则对逆变器的典型故障进行诊断，减轻了神经网络的负担，提高了算法的速度和准确性，并取得了较好的诊断效果。将神经网络和专家规则结合起来对叁电平逆变器故障进行诊断是本文的一个创新点。再次，研究了基于支持向量机的叁电平逆变器故障诊断方法，利用小波包变换理论提取故障信号各频带的能量，作为故障分类器的特征向量，采用一对多方法建立了支持向量机的多故障分类器模型，并对逆变器的非典型故障进行诊断，仿真实验结果表明了该方法具有很好的分类效果。从现有的文献看，目前还未见支持向量机方法在叁电平逆变器故障诊断中的应用报道。最后，设计了基于TMS320F240 DSP芯片的叁电平逆变器实验平台，在该平台上模拟逆变器功率开关器件的各种故障，给出了故障波形，并初步验证了基于神经网络的故障诊断方法的可行性和正确性。
钟义长[5]2007年在《基于神经网络的电力电子装置故障检测与诊断》文中研究指明随着电力电子设备复杂性的不断增强、功能的不断完善,自动化程度的不断提高,能否及时、准确地诊断出设备的故障,以保证其平稳可靠运行也就变得越来越重要。论文在绪论中详细介绍了为什么要进行故障检测与诊断,故障诊断的重要性,以及传统故障珍断所面临的难题等;神经网络的基本知识,其中的BP神经网络知识是论文介绍的重点、对于目前用得较多的故障检测与诊断的其它方法也进行了一个系统的比较:最后从硬件的角度上,讲述了DSP在数据采集中所发挥的作用,从而使神经网络故障检测与诊断达到了硬件的实现。基于神经网络的电力电子设备的故障诊断分为两部分,一是故障样本数据及检验数据的采集;二是故障诊断。在故障样本数据及检验数据的采集过程中,首先建立了故障系统的Matlab模型,人为地让系统发生各种故障,从而采集到各种故障数据,经过归一化处理后,作为训练神经网络的样本数据;与时同时,对检验数据也进行采集,以检验训练出的神经网络是否能够起到故障诊断的作用。在故障诊断过程中,采用BP网络结构,针对BP算法收敛速度慢、容易陷入局部极小的缺点,采用“成批处理”的学习方法,这种方法在训练神经网络的过程中,不受学习样本排序的影响,使收敛速度加快;采用了改进的BP算法,采用共扼梯度法,在迭代过程中增加了惯性量。从而达到了加快网络的收敛速度与提高网络的实时诊断精度。针对本论文所确定的研究对象,利用训练好的网络对其进行了故障诊断,从检测结果中可以看出,基于神经网络的故障诊断方法在实际应用过程中是完全可行的。
张建民[6]2007年在《基于波形分析技术的电力电子电路故障诊断方法研究》文中提出电力电子技术是20世纪后半叶诞生的一门崭新技术,在21世纪它正以迅猛的速度蓬勃发展,各种高性能的电力电子产品也随之不断涌现,电力电子设备的应用日益广泛,且常被用于生产工艺的关键流程之中,因此电力电子设备的故障会导致整个系统中断,从而带来重大的经济损失。所以,电力电子电路的故障诊断具有很重要的现实意义。可是,对于它的研究经过几十年的发展,虽然已经形成一系列诊断理论和方法,但由于其本身理论较复杂,而且目前诊断方法的实用性不强,使得其应用前景和人们的期望值差距甚远。基于以上现状,本文提出了一种基于波形分析技术的基函数故障诊断方法。电路的输出波形可以看成由若干段的基本曲线组合而成。这些基本曲线的解析式称为基函数,可以用相应的矢量表示,从而各种故障波形可用相应的矢量序列来表示。根据相应于不同序列的语句,就可诊断出该语句代表的故障属性。此方法容易得到故障字典,大大减少了测试点,因而可以应用于多种电力电子电路。本文还提出了将基于波形直接分析的神经网络故障诊断方法应用于电力电子电路的故障诊断中。主要对误差后向传播神经网络(BP)进行研究,提出了改进的BP算法,利用神经网络的联想、记忆和推理功能以及容错性、鲁棒性和很好的非线性映射能力等特点,更好地实现故障诊断。以叁相整流电路为例,用MATLAB仿真软件建立待诊断系统的仿真模型,仿真实际系统的各种故障,对电路发生故障时输出的波形进行分析,用故障波形的采样数据制作的样本对神经网络进行训练,确定用于电力电子整流电路故障诊断的神经网络结构,将训练好的神经网络用于故障诊断。仿真实验表明该方法是有效的。
姜立昌[7]2013年在《多电平逆变器IGBT故障诊断方法的研究》文中研究指明在高压、大功率应用场合中，多电平逆变器得到了广泛的应用。相对于传统二电平逆变器，多电平逆变器结构复杂，可靠性低。为了减少故障后造成的损失，开展多电平逆变器故障检测与诊断研究具有重要的意义。目前，国内外对于多电平故障诊断问题关注较少。本文以二极管钳位式（NPC）叁电平逆变器为例，研究多电平逆变器功率器件故障检测与诊断的理论与方法。主要工作为分析了开关管IGBT开路状态下的运行情况及故障形式，提出一种基于遗传算法和神经网络的叁电平逆变器IGBT开路故障诊断方法。本文从叁电平逆变器的拓扑结构和工作原理，对功率开关器件IGBT开路故障进行分类，应用MATLAB平台建立了故障模型；利用傅里叶变换提取故障信号中的幅值和相位特征，构造故障特征向量；研究了专家规则法，BP神经网络、GA—BP神经网络对开路故障进行诊断，讨论了各组的优势。实验诊断结果证明，GA—BP神经网络较传统BP神经网络具有更好的收敛性能，收敛速度更快且诊断精度更高。设计了基于DSP（TMS320LF2407）为控制芯片的实时在线故障诊断系统，实现故障诊断系统的硬件电路和软件电路的设计，并给出了故障诊断系统的实验验证方案。
刘华姿[8]2008年在《基于虚拟仪器的电力电子整流装置的故障诊断系统研究》文中进行了进一步梳理在众多生产领域中,电力电子设备通常作为电源供应或控制器等关键部件,随着电力电子电路应用的日益广泛,工业生产对其可靠性和可维护性的要求越来越高,需要有可靠准确的故障诊断环节。由于电力电子装置发生故障后,为避免故障扩大,必须快速(数毫秒到数十毫秒内)将主电路停电,这使故障状态下的信息也随之消失,给设备的维修带来极大的难度。因此,对电力电子装置进行动态监视,在线故障诊断具有重要的意义。深入分析了电力电子装置在线监测系统与故障诊断技术的研究现状,提出在虚拟仪器上实现电力电子装置在线监测和故障诊断系统的研究。以电力电子整流装置为例,针对其故障类型和特点,利用频谱分析提取故障特征信号,采用神经网络进行故障诊断。重点研究了多层前馈网络与反向传播学习算法的网络结构以及其训练算法,并进行了仿真实现。该方法能够提高网络的收敛速度,能获得较好的诊断效果。在系统的实现上,利用虚拟仪器技术简化了硬件,通过在PC机配上数据采集模块、信号调理模块等硬件,用软件来完成采集数据的分析处理功能,从而实现对电力电子装置的故障诊断。与传统的仪器相比,虚拟仪器直接以PC机为支撑,充分利用了现代计算机技术强大的数据运算、存储、调用、显示能力以及面向对象的编程方法,显着地提高了故障分析诊断的灵活性,具有工程应用价值。
陈如清[9]2004年在《大功率电力电子装置在线故障诊断》文中指出电力电子装置在线故障诊断是一个具有重要意义的课题，它是适应工程实际需要而形成的一门交叉性的综合学科。目前国外及部分国内学者对此进行了大量的研究，也取得了显着的成果，但诊断方法和实现手段还有待改善。因此，本文对大功率电力电子装置故障诊断进行了理论分析和实验研究，并进行了扩展。 文中首先对故障诊断的发展概况、诊断目的和意义进行了介绍，分析了大功率电力电子装置故障诊断的研究现状及特点。接着制定了本课题研究方案，内容主要包括理论分析和具体实现两个方面。在理论分析方面，本文对叁相桥式整流电路、12脉波可控整流电路等大功率电力电子装置整流电路在正常运行及故障状态下的整流电压波形进行了详细分析和研究，按照电压波形对故障状态进行了总结和归类。通过对故障波形的逻辑预处理和谱分析，提出了一种改进的谱分析故障诊断方法，给出了故障诊断系统的实现算法并总结了本方法的特点。此外，对基于神经网络的可控整流电路故障诊断方法进行了探索。 在故障诊断系统的实现上，本文以TI公司的TMS320 LF2407A为核心控制芯片，研制了基于DSP的可控整流电路故障诊断系统。故障诊断系统主要包括同步信号的取样与隔离、整流电压的采样、逻辑预处理及DFT分析，诊断显示报警电路等四部分。软件部分主要包括：DSP初始化程序的设计、同步信号的获取及处理程序、整流电压的采样和逻辑预处理程序、故障诊断及定位算法，显示和报警程序及延时中断服务程西安理工大学硕士学位论文序等。 最后，研制出了实时诊断系统样机并在实际装置上进行了诊断实验。实验中模拟了各种故障状态，使装置“带病”工作，结果表明该实时诊断系统均能给出正确诊断，指示出具体故障类别，达到了在线故障诊断和监测的目的。
马婧[10]2008年在《基于DSP的同步无刷励磁发电机旋转整流器故障诊断系统研究》文中研究说明目前,应用在同步发电机上的无刷励磁技术,取消了原有励磁系统中滑动接触部分(滑环、碳刷),提高了运行的可靠性,因此近几年同步无刷励磁发电机在工业中的应用越来越广泛。同步无刷励磁发电机主要是依靠交流励磁机和旋转整流器来实现无刷励磁的,由于旋转整流器安装在电机转轴上,随电机转子一起旋转,其核心器件整流二极管会承受很大的离心力,故障率较高。旋转整流器的失效会导致同步电机不能正常运行,严重时还会对交流励磁机造成一定的损失,因此对旋转整流器进行实时监测与故障诊断是非常重要的。由于无刷励磁系统取消了滑环和碳刷,旋转整流器的电压和电流不可能直接测量,使其监测和保护十分困难,但又可知当旋转整流器发生故障时,交流励磁机电枢绕组产生的磁场就会发生异常,感应出交流电势也会随着不同的运行状态产生不同的谐波分量。本文通过检测线圈法,对感应电势进行谐波分析,采用综合故障诊断法,对同步无刷励磁发电机旋转整流器故障进行在线故障诊断。谐波分析使用FFT得到励磁绕组中感应电势的各次谐波幅值,而FFT主要存在有频谱混迭、频率分辨能力、栅栏效应及频谱泄漏等问题。本文使用模拟滤波器;选择合适的采样频率和采样点数;采用加窗法和幅值比值校正法对FFT进行减小误差处理,经过处理效果明显提高。目前已有的故障诊断法主要有阈值法,神经网络法和模糊模式识别法等,本文对比了他们各自的优缺点,提出了综合故障诊断法,即先用阈值法判断故障是否发生,如有故障发生则使用神经网络法与模糊模式识别法相结合的方法来具体判断故障类型,如没有故障发生则继续监测。本文使用TMS320F2812作为旋转整流器故障诊断系统的中心处理器,分析感应电势中的各次谐波幅值,采用综合故障诊断法进行故障诊断,使用液晶屏将显示信息,并通过触摸屏完成参数设置和系统操作。
参考文献：
[1]. 基于DSP的人工神经网络电力电子电路故障诊断[D]. 幸宗国. 西北工业大学. 2003
[2]. 基于粒子群算法神经网络的多重化整流电路智能故障诊断[D]. 赵丽. 中南大学. 2008
[3]. 基于DSP的人工神经网络电力电子电路故障诊断[J]. 张兵. 电子测试. 2017
[4]. 叁电平逆变器故障诊断研究[D]. 肖刚. 西安理工大学. 2007
[5]. 基于神经网络的电力电子装置故障检测与诊断[D]. 钟义长. 湖南科技大学. 2007
[6]. 基于波形分析技术的电力电子电路故障诊断方法研究[D]. 张建民. 湖南大学. 2007
[7]. 多电平逆变器IGBT故障诊断方法的研究[D]. 姜立昌. 河北工业大学. 2013
[8]. 基于虚拟仪器的电力电子整流装置的故障诊断系统研究[D]. 刘华姿. 中南大学. 2008
[9]. 大功率电力电子装置在线故障诊断[D]. 陈如清. 西安理工大学. 2004
[10]. 基于DSP的同步无刷励磁发电机旋转整流器故障诊断系统研究[D]. 马婧. 西安理工大学. 2008
标签：无线电电子学论文; 故障诊断论文; 人工神经网络论文; 电力电子论文; 仿真软件论文; 整流电路论文; 旋转变换论文; 电力论文; 电平信号论文; 电力电子技术论文; 逆变器论文; 整流器论文;