[发明专利]一种基于神经网络的PWM整流器故障诊断系统

摘要

本发明公开一种基于神经网络的PWM整流器故障诊断系统，通过神经网络以及节点的分析对多台PWM整流器进行故障诊断。本发明基于神经网络的PWM整流器故障诊断系统相对于现有的整流器电流信号分析法对不同整流器进行故障检测时，需要采集频率造成相应检测模型调整大，本发明不仅可以对整流器故障进行在线检测，且自适应能力强，可以对多种整流器故障进行检测。

主权项

一种基于神经网络的PWM整流器故障诊断系统，其特征在于，包括如下步骤：一) 收集整流器运行参数的历史数据，包括整流器正常运行数据与整流器故障数据；二) 整理所述步骤A) 整流器运行参数历史数据并形成样本，样本的格式为：每一条数据按输入‑ 输出对模式组织，输入为整流器运行参数，输出为整流器定子电流，样本分为训练样本和检测样本两部分；三) 根据所述步骤B) 的样本设计神经网络的结构；四) 使用所述步骤C) 神经网络对实时检测数据滤波消除检测噪声，复制神经网络，生成神经网络1和神经网络2，由神经网络2 先学习检测样本，将神经网络2 的输出作为神经网络1的输出期望值，根据神经网络2 对样本的学习结果更新神经网络权值，继续学习检测样本，同时提取神经网络1 输入层的输出权值向量，作为故障检测样本；五) 提取神经网络1 的输入层权值向量W1·，并针对其建立PCA 模型，对PCA 模型计算出相应的检测指标T2统计量和SPE，根据SPE 的值是否超出控制限判断整流器运行状态；六) 整理正常状态下和故障状态下样本输入时神经网络1 的输入层权值向量W1·形成的故障检测样本；七) 用六) 中的检测样本对五) 所得故障诊断模型进行反复检验，如果检验效果良好，则诊断模型有效，可以用于故障诊断，否则，则重新根据四)、五) 和六) 进行训练建模；八) 实时读取整流器的最新运行参数，将这些参数输入到所述神经网络中，将神经网络1的输出权值向量输入故障诊断模型，计算所得PCA 检测指标SPE 和T2是否满足置性指标。