基于神經(jīng)網(wǎng)絡(luò)的電力電子電路故障診斷

徐文韜 項(xiàng)旻堯 謝曉彤 朱政棟 張帆遠(yuǎn)

【摘?要】隨著科技的不斷發(fā)展，電力電子設(shè)備在工業(yè)和生活中得到了很廣泛的應(yīng)用，但由于其工作電路復(fù)雜，因此在實(shí)際使用中，電力電子設(shè)備容易出現(xiàn)不同程度的故障，如何高效的定位以及排除這些故障成為了電力電子行業(yè)研究領(lǐng)域內(nèi)的重點(diǎn)話題。本文針對(duì)于電力電子電路的主要故障分析方法，將神經(jīng)網(wǎng)絡(luò)設(shè)定為主要研究對(duì)象，介紹了人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)并對(duì)其應(yīng)用于電力電子電路中的故障診斷方法做了探究。

【關(guān)鍵詞】電力電子電路;神經(jīng)網(wǎng)絡(luò);故障診斷

隨著信息化時(shí)代的不斷發(fā)展，電力電子技術(shù)作為主要的硬件設(shè)施成為了現(xiàn)代化設(shè)備的核心技術(shù)。隨著工業(yè)以及生活對(duì)現(xiàn)代化設(shè)備的要求不斷提高，設(shè)備的核心電路也越來越復(fù)雜，傳統(tǒng)的電路故障診斷方法逐漸被淘汰。目前，主要通過人工神經(jīng)網(wǎng)絡(luò)來診斷電力電子電路中的故障，人工神經(jīng)網(wǎng)絡(luò)是基于簡(jiǎn)化的神經(jīng)元模型和學(xué)習(xí)規(guī)則對(duì)人腦機(jī)制的簡(jiǎn)單模仿，將此診斷方法用于電力電子電路具有許多優(yōu)點(diǎn)。然而，隨著神經(jīng)網(wǎng)絡(luò)在電力電子電路診斷中應(yīng)用的不斷深入，人工神經(jīng)網(wǎng)絡(luò)已逐漸顯示出其缺點(diǎn)：①如果信息量相對(duì)較大，則傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)處理速度太慢，這與大容量的診斷操作不兼容;②人工神經(jīng)網(wǎng)絡(luò)的存儲(chǔ)能力有限;③當(dāng)神經(jīng)網(wǎng)絡(luò)收到新信息時(shí)，會(huì)存在部分信息的遺忘現(xiàn)象。這些缺陷促使許多研究人員開始探索新的神經(jīng)網(wǎng)絡(luò)診斷結(jié)構(gòu)和理論。

1 診斷方法概述

盡管電力電子電路的故障診斷方法非常廣泛，但是它們本質(zhì)上是從幾個(gè)經(jīng)典的方法發(fā)展而來。

1.1 光譜分析法

由于普遍存在噪聲和故障信號(hào)，因此在光譜分析法當(dāng)中，故障信號(hào)的時(shí)域波形通常無法清晰地反映實(shí)際的故障屬性。除了相關(guān)分析、濾波等其他方法外，常用的電力電子電路故障監(jiān)測(cè)方法還包括傅立葉頻譜或波什爾頻譜等光譜分析方法。

1.2 故障字典法

在電力電子電路的故障診斷中，研究人員將最能反映特定狀態(tài)下運(yùn)行故障的數(shù)據(jù)保存為故障字典，并在將實(shí)際診斷結(jié)果與字典中存儲(chǔ)的數(shù)據(jù)進(jìn)行比較來評(píng)估電力電子電路的故障。該方法通常在診斷單個(gè)模擬或數(shù)字電路中起重要作用。但故障字典法在處理故障條目較多的電力電子電路診斷時(shí)效率較低。

1.3 故障樹

在分析了導(dǎo)致電力電子電路故障的各種可能因素之后，可以將這些因素從大到小分層排列，創(chuàng)建邏輯框架為基礎(chǔ)的故障樹，即邏輯框圖，故障樹的故障診斷方式是從故障樹的頂部事件使用分層搜索來找到最終確定故障原因的方法。故障樹可以表達(dá)電路的內(nèi)部連接，從而使組件故障和系統(tǒng)之間的邏輯關(guān)系清晰可見。此方法可以用作常規(guī)故障排除方法，診斷過程直觀、靈活，但是很容易使得故障診斷過程變得繁瑣，但是由于故障樹的構(gòu)建需要太多的工作，使得故障樹方法在實(shí)際應(yīng)用中，容易出現(xiàn)因數(shù)據(jù)太過龐大而導(dǎo)致的結(jié)論易錯(cuò)問題，它更適合于故障較少的電力電子電路故障診斷。

1.4 參數(shù)化建模

該方法可以分為狀態(tài)估計(jì)方法和參數(shù)估計(jì)方法。以狀態(tài)估計(jì)法為例，該方法類似于故障字典法，通過使用系統(tǒng)的定量模型和測(cè)量信號(hào)來重構(gòu)一些可測(cè)量的變量，然后比較測(cè)量值和估計(jì)值之差的絕對(duì)值，正常狀態(tài)下絕對(duì)值為零，其余故障狀態(tài)不為零。然而，狀態(tài)估計(jì)過程必須基于在傳統(tǒng)診斷過程中難以實(shí)現(xiàn)的精確數(shù)學(xué)模型的構(gòu)建，這限制了該方法的使用。

1.5 人工智能方法

與狀態(tài)估計(jì)方法相反，人工智能方法不需要研究對(duì)象具有精確的數(shù)學(xué)模型。因此，它具有良好的普適性，主要包括人工神經(jīng)網(wǎng)絡(luò)、模式識(shí)別、專家系統(tǒng)和其他用于電力電子電路的集中式故障診斷方法。

2 人工神經(jīng)網(wǎng)絡(luò)在電力電子電路診斷中的特點(diǎn)

人工神經(jīng)網(wǎng)絡(luò)（簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)）是由許多基本部分組成的網(wǎng)絡(luò)，這些基本部分稱為復(fù)雜神經(jīng)元。人工神經(jīng)網(wǎng)絡(luò)模擬人腦的信息處理功能，是一種基于數(shù)學(xué)、統(tǒng)計(jì)學(xué)、神經(jīng)學(xué)、物理學(xué)、計(jì)算機(jī)科學(xué)和其他學(xué)科結(jié)合而成的技術(shù)。

人工神經(jīng)網(wǎng)絡(luò)由簡(jiǎn)單的處理單元組成，大量處理器并行分布在這些單元中，處理器具有存儲(chǔ)和應(yīng)用經(jīng)驗(yàn)知識(shí)的自然屬性，它是人工神經(jīng)網(wǎng)絡(luò)能大規(guī)模并行處理電力電子電路中故障信息的基礎(chǔ)。神經(jīng)網(wǎng)絡(luò)在電力電子電路故障診斷中的特性主要體現(xiàn)在以下幾個(gè)方面：

（1）神經(jīng)網(wǎng)絡(luò)將電力電子電路中故障信息的存儲(chǔ)和處理合二為一，即故障信息存儲(chǔ)在神經(jīng)元連接的分布中。

（2）電力電子電路故障診斷中神經(jīng)網(wǎng)絡(luò)主要進(jìn)行大規(guī)模的模擬數(shù)值計(jì)算，而傳統(tǒng)計(jì)算機(jī)則主要進(jìn)行實(shí)際的分散數(shù)值處理。

（3）在電力電子電路的故障診斷中，神經(jīng)網(wǎng)絡(luò)具有較高的容錯(cuò)率、較強(qiáng)的適應(yīng)性和廣泛的歸納和分布能力，可以對(duì)故障信息進(jìn)行分類和推廣計(jì)算，僅當(dāng)故障信息分類較為廣泛時(shí)，神經(jīng)網(wǎng)絡(luò)的分析計(jì)算才有可能出現(xiàn)一定的偏差。

（4）神經(jīng)網(wǎng)絡(luò)是一種非常重要的故障檢測(cè)方法。當(dāng)有新的故障信息時(shí)，它可以充分發(fā)揮作用，獨(dú)立學(xué)習(xí)記憶新的信息并不斷改善記憶過程。

3 電力電子電路故障診斷中的神經(jīng)網(wǎng)絡(luò)模型

要理解神經(jīng)網(wǎng)絡(luò)并將其熟練的應(yīng)用在電力電子電路的故障診斷中，首先需要明白其基本單元結(jié)構(gòu)，和人腦一樣，人工神經(jīng)網(wǎng)絡(luò)模型的基本結(jié)構(gòu)也是神經(jīng)元，如圖1所示。

其中u表示神經(jīng)元結(jié)構(gòu)的內(nèi)部狀態(tài)，閾值為θ，輸入信號(hào)為x，從一個(gè)神經(jīng)元i到與之相連接的神經(jīng)元j之間聯(lián)結(jié)的權(quán)值表示為W，S表示在神經(jīng)元數(shù)據(jù)傳播時(shí)抑制神經(jīng)元u的外部激勵(lì)信號(hào)，則：

u=f（+S-θ）

y=g（u）

常見的電力電子故障診斷神經(jīng)網(wǎng)絡(luò)包括三個(gè)部分：

（1）輸入層，在輸入層中，許多神經(jīng)元接受大量的非線性輸入信息，即輸入向量。

（2）隱藏層，是連接輸入層和輸出層的層。隱藏層可以是多層的，也可以是不存在的，常見的神經(jīng)網(wǎng)絡(luò)模型中一般會(huì)保留一層。其節(jié)點(diǎn)數(shù)不確定。節(jié)點(diǎn)越多，神經(jīng)網(wǎng)絡(luò)的計(jì)算能力越強(qiáng)，這也是神經(jīng)網(wǎng)絡(luò)能夠更好適應(yīng)外部條件的基礎(chǔ)。

（3）輸出層，在輸出層中，來自大量神經(jīng)元的信息被傳輸，分析和加權(quán)，最終輸出所謂的輸出向量。

4 結(jié)語

神經(jīng)網(wǎng)絡(luò)模型是近年來大量應(yīng)用于電力電子電路故障診斷中的新型技術(shù)，其主要是以神經(jīng)元為單位，進(jìn)行輸入信息的交叉計(jì)算并輸出故障信息的計(jì)算結(jié)果，同時(shí)，在故障的診斷中神經(jīng)網(wǎng)絡(luò)模型能夠進(jìn)行故障信息的記憶，使得同一故障再次發(fā)生時(shí)能夠獲得較高的診斷效率。神經(jīng)網(wǎng)絡(luò)模型中的輸入與輸出節(jié)點(diǎn)能夠自由調(diào)配，這也是其能更好適應(yīng)外部環(huán)境的本質(zhì)。

參考文獻(xiàn)：

[1] 基于量子神經(jīng)網(wǎng)絡(luò)的電力電子電路故障診斷[J].李世濤，王迎暉，林月.電子技術(shù)與軟件工程.2016（24）

[2] 電力電子電路故障預(yù)測(cè)關(guān)鍵技術(shù)論述[J].王力，王旭，徐哲.通訊世界.2016（02）

（作者單位：上海理工大學(xué)機(jī)械工程學(xué)院）