基于QGA優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在電力電子電路故障診斷中的應(yīng)用研究.pdf

1、目前,電力電子技術(shù)在工業(yè)生產(chǎn)中應(yīng)用范圍十分廣泛,如電力、交通、機械、化工、礦冶、輕紡、航天、激光、通信、機器人以及能源的高效利用等領(lǐng)域。電力電子設(shè)備通常充當(dāng)電源供應(yīng)或者控制器的作用,一旦故障而不能得到及時診斷,就會損毀設(shè)備,破壞連續(xù)生產(chǎn),甚至導(dǎo)致系統(tǒng)癱瘓、人員傷亡,這些都會造成巨大經(jīng)濟(jì)損失,因此在電力電子電路中采用故障診斷技術(shù),有著巨大的經(jīng)濟(jì)意義和必要性。
　　 集成化和復(fù)雜化是當(dāng)今電力電子技術(shù)的一大發(fā)展趨勢,這使得傳統(tǒng)的僅僅依

2、靠經(jīng)驗的人工診斷方法已經(jīng)很難滿足要求。國、內(nèi)外經(jīng)常采用的電力電子故障診斷方法如故障字典法只能解決單故障,故障樹法建樹工作量大,易發(fā)生錯誤,直接檢測法硬件電路難于實現(xiàn)、投資大,殘差法需要建立精確的數(shù)學(xué)模型,專家系統(tǒng)法存在知識獲取“瓶頸”,這些方法由于自身的局限性都限制了應(yīng)用?；谌斯ど窠?jīng)網(wǎng)絡(luò)的故障診斷方法由于良好的非線性映射特性和自學(xué)習(xí)能力,很好地適應(yīng)了這一趨勢,成為了故障診斷領(lǐng)域的研究熱點。
　　 在神經(jīng)網(wǎng)絡(luò)電力電子電路故障診斷

3、中廣泛采用的BP網(wǎng)絡(luò)存在收斂速度慢、易陷入局部極值的缺陷,這嚴(yán)重影響了其故障診斷性能。量子遺傳算法結(jié)合了量子計算和遺傳算法的特點,全局尋優(yōu)能力強,收斂速度快,但在進(jìn)化后期速度較慢,染色體有效利用率低,對此提出了改進(jìn)措施,然后采用改進(jìn)的量子遺傳算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,在為BP網(wǎng)絡(luò)賦予良好初始連接系數(shù)的同時,還為其定位了一個包含全局最優(yōu)解的較小.搜索空間,這就有效改善了BP網(wǎng)絡(luò)的缺陷,加快了網(wǎng)絡(luò)的學(xué)習(xí)速度,從而實現(xiàn)更高的診斷性能。

4、>　　 課題以完善和發(fā)展基于BP神經(jīng)網(wǎng)絡(luò)的電力電子電路故障診斷方法為目的,具體做了如下工作:
　　 針對雙鏈量子遺傳算法和基于Bloch球面坐標(biāo)編碼的量子遺傳算法在尋優(yōu)后期出現(xiàn)的進(jìn)化速度較慢、局部尋優(yōu)能力較弱、染色體有效利用率低的缺陷,提出了兩點改進(jìn)措施,即改進(jìn)種群進(jìn)化機制和加入比較種群尋優(yōu)過程。通過多峰值函數(shù)尋優(yōu)實例,驗證了改進(jìn)算法有效改善了上述缺陷,同時種群多樣性更強,收斂速度更快。最后選擇性能更為優(yōu)秀的基于Bloch球面

5、坐標(biāo)編碼的量子遺傳算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,完成算法的程序設(shè)計。
　　 以整流電路為例,結(jié)合基于頻譜分析的故障信息提取方法和MATLAB軟件對電路故障進(jìn)行了仿真研究。通過分析確定故障模式,結(jié)合仿真軟件對電路故障進(jìn)行了仿真,通過頻譜分析理論提取故障信息,設(shè)計故障樣本。
　　 結(jié)合改進(jìn)的量子遺傳算法、BP神經(jīng)網(wǎng)絡(luò)、頻譜分析的故障信息提取技術(shù)對電力電子電路故障進(jìn)行了診斷研究,并于其它算法的仿真結(jié)果進(jìn)行了對比。改進(jìn)算法具有網(wǎng)絡(luò)