基于集成分類的電力電子變流電路故障診斷方法研究.pdf

1、隨著電力電子技術(shù)的快速發(fā)展，作為整個電能變換核心部分的電力電子變流電路被廣泛的應(yīng)用到工業(yè)、能源、交通等各個領(lǐng)域。但是，隨之而來的變流電路故障問題也日漸突顯，故障一旦發(fā)生，將會引起十分嚴(yán)重的后果。尤其是器件的開路故障，如果得不到及時的診斷與恢復(fù)，電子設(shè)備甚至人身安全都會受到嚴(yán)重威脅。因此，深入研究電力電子變流電路開路故障診斷問題，提出切實可行的解決方案，實現(xiàn)智能、高效、精準(zhǔn)的診斷無疑具有巨大的實用價值和現(xiàn)實意義。
　　針對現(xiàn)有故障診

2、斷方法在非線性、多類別分類問題中存在的不足，本文選擇三相六脈沖整流電路為研究對象，在經(jīng)典分類器的基礎(chǔ)上，結(jié)合集成學(xué)習(xí)技術(shù)相關(guān)理論，提出了兩種變流電路故障診斷方法，并用仿真數(shù)據(jù)和實驗數(shù)據(jù)進(jìn)行驗證。
　　本文具體研究內(nèi)容如下：
　?、艑θ嗔}沖整流電路故障進(jìn)行仿真并提取故障信號。
　　通過阻隔脈沖模擬晶閘管開路故障，在直流輸出端提取出22種故障波形；對這22種故障波形進(jìn)行數(shù)據(jù)采樣和加噪處理，得到分類器的訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)

3、。
　?、铺岢鲆环N基于BP-Adaboost強(qiáng)分類器的變流電路故障診斷方法。
　　將單一BP神經(jīng)網(wǎng)絡(luò)視為弱分類器，利用Adaboost算法對該弱分類器進(jìn)行迭代優(yōu)化，生成五個帶權(quán)重的弱分類器組成的強(qiáng)分類器。將測試數(shù)據(jù)輸入到強(qiáng)分類器中進(jìn)行診斷，最終的診斷結(jié)果由各個弱分類器加權(quán)得到。結(jié)果表明，相對于單一BP神經(jīng)網(wǎng)絡(luò)分類器， BP-Adaboost分類器在電力電子變流電路故障診斷中減小了陷入過擬合的可能性，提高了正確診斷率。

4、　　⑶提出一種基于分類間隔改進(jìn)隨機(jī)森林的變流電路故障診斷方法。
　　將訓(xùn)練樣本集通過Bagging算法隨機(jī)產(chǎn)生多個決策樹，根據(jù)決策樹在隨機(jī)森林中的分類間隔刪除其中誤差較大的決策樹，形成200棵帶權(quán)重的決策樹組成的隨機(jī)森林分類器。將測試數(shù)據(jù)輸入隨機(jī)森林分類器，得票最多的故障類別即為診斷結(jié)果。結(jié)果表明，改進(jìn)后的隨機(jī)森林分類器具有泛化能力強(qiáng)、診斷速率快和診斷精度高的特點。
　?、却罱ü收蠈嶒炂脚_，對以上所提出的兩種故障診斷方法進(jìn)行