基于DSP的人工神经网络电力电子电路故障诊断
|
摘要
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。以电力电子三相逆变系统为例，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。
The concept and development of fault diagnosis technology are first introduced in the beginning of the dissertation. Then significance of fault diagnosis for power electronic circuits and development of fault diagnosis technology for power electronic circuits are clarified. The weakness of them is analyzed. Finally the new fault diagnosis method employing neural network for power electronics circuit is presented.
Based on the achivement that previous scholars make, the method of fault diagnosis for power electronic circuit employing frequency analysis and neural network is presented in the dissertation. The two methods of BP neural network and RBF neural network are employed in the fault diagnosis for power electronic circuits. First the simulation model of the being diagnosed system is constructed by the simulation software of MATLAB. By simulating all kinds of faults of the actual system on the simulation model, the training sets is obtained to train the structure of neural network. After studying the effect of the initial weight, the number of nodes and layers and learning rate on neural network, a well designed training sets can be achieved. The well designed training set is beneficial to training and improving generalization capability of neural network. Finally an on-line detection and fault diagnosis system for power electronics inverter circuits based on DSP is introduced in the dissertation.
The trained system of neural network for fault diagnosis is verified by simulation and experiment system. Studying the result shows that new fault diagnosis method employing BP and RBF neural network for power electronics inverter circuit is effective, and BP neural network is better than RBF neural network for fault diagnosis of actual project.
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。以电力电子三相逆变系统为例，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。
The concept and development of fault diagnosis technology are first introduced in the beginning of the dissertation. Then significance of fault diagnosis for power electronic circuits and development of fault diagnosis technology for power electronic circuits are clarified. The weakness of them is analyzed. Finally the new fault diagnosis method employing neural network for power electronics circuit is presented.
Based on the achivement that previous scholars make, the method of fault diagnosis for power electronic circuit employing frequency analysis and neural network is presented in the dissertation. The two methods of BP neural network and RBF neural network are employed in the fault diagnosis for power electronic circuits. First the simulation model of the being diagnosed system is constructed by the simulation software of MATLAB. By simulating all kinds of faults of the actual system on the simulation model, the training sets is obtained to train the structure of neural network. After studying the effect of the initial weight, the number of nodes and layers and learning rate on neural network, a well designed training sets can be achieved. The well designed training set is beneficial to training and improving generalization capability of neural network. Finally an on-line detection and fault diagnosis system for power electronics inverter circuits based on DSP is introduced in the dissertation.
The trained system of neural network for fault diagnosis is verified by simulation and experiment system. Studying the result shows that new fault diagnosis method employing BP and RBF neural network for power electronics inverter circuit is effective, and BP neural network is better than RBF neural network for fault diagnosis of actual project.
引文
[1]从爽，面向MATLAB工具箱的神经网络理论与应用，中国科学技术大学出版社
[2]从爽，神经网络、模糊系统及其在运动控制中的应用，中国科学技术大学出版社
[3]苏朋声，王志强，姜建国，用人工神经网络诊断电力电子电路主回路故障清华大学学报(自然科学版)，1999 39(3)
[4]王格方，模拟电路故障自动诊断技术研究，军械技术研究所，1999
[5]杨学贤 张群英 信号故障检测的自相关方法，系统工程与电子技术，1999
[6]周雅莉 基于人工智能的故障诊断方法的新发展，北京机械工业学院学报，1999
[7]马皓 徐德鸿，两种基于神经网络的电力电子电路故障诊断方法比较，浙江大学电机学报，1999
[8]雍正正，模拟电路故障诊断：模糊故障字典法，数据采集与处理1998年9月
[9]宋京伟 左三隼敏 铃木和彦，人工神经网络和故障诊断 华东交通大学学报，1994
[10]李天云 应鸿，人工神经网络在变压器故障诊断中的应用，HIGH VOLTAGEENGINEERING 1999
[11]吕见林，人工神经网络在电气传动故障诊断中的应用 武汉冶金科技大学学报，1999
[12]Cirrincione G, Cirrincione M, Vitale G.Fault Diagnosis in three—phase converters Using the Kohonen Neural Network Classifier [M]. Speedam, 1994
[13]石俊，神经网络故障诊断方法的研究，计算技术与自动化 1998．3
[14]李钢 石来德，神经网络在故障诊断中的应用，建筑机械，1996
[15]林瑞森，一个中频电源故障诊断的自动检测系统，上海大学学报，1996
[16]别朝红，一种故障检测的新方法，学术论文与应用研究
[17]崔莼，一种基于聚类神经网络的模拟电路故障诊断方法，西北工业学院学报 1996．1
[18]徐德鸿，用傅立叶分析法诊断电力电子电路故障浙江大学学报 1994．11
[19]潘力强，GBP人工神经网络在变压器故障诊断中的应用，湖南大学学报，1998．10
[20]李捷辉，RBF神经网络用于发动机控制系统的故障诊断，江苏理工大学学报 1999．9
[21]闻新，神经网络故障诊断技术的可实现性，导弹与航天运载技术，2000
[22]吴勇华，基于人工神经网络的制冷机组泄漏故障诊断，机电工程，1999
[23]陈少华，基于RBF神经网络的电流保护，广东工业大学学报 2001．9
[24]孙勤刚，基于模糊系统与神经网络融合的故障诊断方法，中国安全科学学报，1999．4
[25]杨洁，基于模型的故障诊断中的模糊建模和推理，上海交通大学学报 1999．4
[26]田蔚风，基于人工神经网络的故障诊断技术在船舶导航系统中的应用，船舶工程，1998
[27]刘应梅，基于人工神经网络的变电站故障诊断，郑州工业大学学报，1999．12
[28]姜平 钱亮华，晶闸管装置故障监视与自诊断技术，电气传动自动化 1996．5
[29]k.G.Narendra V.k.Sood, Application of a Radial Basis Function Neural Network for Fault Diagnosis in a HVDC System, concordia university, Canada
[30]Catellanis Saadij, Champenois G Monitoring of a static converter fed machine using averagereference models. IF AC Safe Process 91, Baden—baden Germany 1991
[31]张素 飞机电源系统的故障诊断专家系统研究，西北工业大学论文集 1996
[32]TMS320F/C24X DSP Controllers CPU and Instruction Set Reference Guide, TEXAS INSTRUMENTS, 2001
[33]TMS320LF/LC240XA DSP Controllers System and Peripherals Reference Guide, TEXAS INSTRUMENTS, 2001
[34]楼顺天施阳，基于MATLAB的系统的分析与设计—神经网络，西安电子科技大学出版社，2000
[35]刘和平等，TMS320LF240X结构、原理及应用，北京航空航天大学出版社，2002．4
[36]陶永华等，新型PID控制及其应用，机械工业出版社，1998．4
[37]谢剑英，微型计算机控制技术，国防工业出版社，2000．10
[38]J.ZUPAN, J.GASTEIGER, 神经网络及其在化学中的应用，中国科学技术大学出版社，2000
[39]史忠科，神经网络控制理论，西北工业大学出版社，2000
[40]张立明，人工神经网络的模型及其应用，复旦大学出版社，1992
[41]黄俊，电力电子变流技术，机械工业出版社
[42]林辉 王辉，电力电子技术，武汉理工大学出版社，2002
[43]范影乐 MATLAB仿真应用详解，人民邮电出版社，2001
[44]徐丽娜 神经网络控制哈尔滨工业大学出版社 1999
[45]崔博文，PWM逆变器主电路故障诊断研究，电工技术杂志，2001，7期
[2]从爽，神经网络、模糊系统及其在运动控制中的应用，中国科学技术大学出版社
[3]苏朋声，王志强，姜建国，用人工神经网络诊断电力电子电路主回路故障清华大学学报(自然科学版)，1999 39(3)
[4]王格方，模拟电路故障自动诊断技术研究，军械技术研究所，1999
[5]杨学贤 张群英 信号故障检测的自相关方法，系统工程与电子技术，1999
[6]周雅莉 基于人工智能的故障诊断方法的新发展，北京机械工业学院学报，1999
[7]马皓 徐德鸿，两种基于神经网络的电力电子电路故障诊断方法比较，浙江大学电机学报，1999
[8]雍正正，模拟电路故障诊断：模糊故障字典法，数据采集与处理1998年9月
[9]宋京伟 左三隼敏 铃木和彦，人工神经网络和故障诊断 华东交通大学学报，1994
[10]李天云 应鸿，人工神经网络在变压器故障诊断中的应用，HIGH VOLTAGEENGINEERING 1999
[11]吕见林，人工神经网络在电气传动故障诊断中的应用 武汉冶金科技大学学报，1999
[12]Cirrincione G, Cirrincione M, Vitale G.Fault Diagnosis in three—phase converters Using the Kohonen Neural Network Classifier [M]. Speedam, 1994
[13]石俊，神经网络故障诊断方法的研究，计算技术与自动化 1998．3
[14]李钢 石来德，神经网络在故障诊断中的应用，建筑机械，1996
[15]林瑞森，一个中频电源故障诊断的自动检测系统，上海大学学报，1996
[16]别朝红，一种故障检测的新方法，学术论文与应用研究
[17]崔莼，一种基于聚类神经网络的模拟电路故障诊断方法，西北工业学院学报 1996．1
[18]徐德鸿，用傅立叶分析法诊断电力电子电路故障浙江大学学报 1994．11
[19]潘力强，GBP人工神经网络在变压器故障诊断中的应用，湖南大学学报，1998．10
[20]李捷辉，RBF神经网络用于发动机控制系统的故障诊断，江苏理工大学学报 1999．9
[21]闻新，神经网络故障诊断技术的可实现性，导弹与航天运载技术，2000
[22]吴勇华，基于人工神经网络的制冷机组泄漏故障诊断，机电工程，1999
[23]陈少华，基于RBF神经网络的电流保护，广东工业大学学报 2001．9
[24]孙勤刚，基于模糊系统与神经网络融合的故障诊断方法，中国安全科学学报，1999．4
[25]杨洁，基于模型的故障诊断中的模糊建模和推理，上海交通大学学报 1999．4
[26]田蔚风，基于人工神经网络的故障诊断技术在船舶导航系统中的应用，船舶工程，1998
[27]刘应梅，基于人工神经网络的变电站故障诊断，郑州工业大学学报，1999．12
[28]姜平 钱亮华，晶闸管装置故障监视与自诊断技术，电气传动自动化 1996．5
[29]k.G.Narendra V.k.Sood, Application of a Radial Basis Function Neural Network for Fault Diagnosis in a HVDC System, concordia university, Canada
[30]Catellanis Saadij, Champenois G Monitoring of a static converter fed machine using averagereference models. IF AC Safe Process 91, Baden—baden Germany 1991
[31]张素 飞机电源系统的故障诊断专家系统研究，西北工业大学论文集 1996
[32]TMS320F/C24X DSP Controllers CPU and Instruction Set Reference Guide, TEXAS INSTRUMENTS, 2001
[33]TMS320LF/LC240XA DSP Controllers System and Peripherals Reference Guide, TEXAS INSTRUMENTS, 2001
[34]楼顺天施阳，基于MATLAB的系统的分析与设计—神经网络，西安电子科技大学出版社，2000
[35]刘和平等，TMS320LF240X结构、原理及应用，北京航空航天大学出版社，2002．4
[36]陶永华等，新型PID控制及其应用，机械工业出版社，1998．4
[37]谢剑英，微型计算机控制技术，国防工业出版社，2000．10
[38]J.ZUPAN, J.GASTEIGER, 神经网络及其在化学中的应用，中国科学技术大学出版社，2000
[39]史忠科，神经网络控制理论，西北工业大学出版社，2000
[40]张立明，人工神经网络的模型及其应用，复旦大学出版社，1992
[41]黄俊，电力电子变流技术，机械工业出版社
[42]林辉 王辉，电力电子技术，武汉理工大学出版社，2002
[43]范影乐 MATLAB仿真应用详解，人民邮电出版社，2001
[44]徐丽娜 神经网络控制哈尔滨工业大学出版社 1999
[45]崔博文，PWM逆变器主电路故障诊断研究，电工技术杂志，2001，7期