基于电力电子电路智能故障诊断技术研究

3.0 闻远设计 2025-03-22 96 4 13.68KB 2 页 5光币

侵权投诉

基于电力电子电路智能故障诊断技术研究

　　 0　前言

　　电力电子电路智能故障诊断技术的研究，能够突破传统电路故障诊断的束缚，在故障诊断

上技术逐渐趋向于智能化。针对于故障诊断技术的研究，在促进电力电子电路领域的发展具有

积极的意义。本文中对信息预处理中的小波分析、主成份分析进行介绍，同时还研究了红外热

像故障诊断技术和离散频谱分析技术。

　　 1　基于层次聚类神经网络故障诊断方法

　　 1.1　信息预处理中的小波分析

　　在基于层次聚类神经网络故障诊断中，信息预处理中的小波分析在电力电子电路中的故障

分析作用明显。小波分析具有很多优势，将小波分析与 DFT 进行对比，小波分析能够突破

DFT 所在时域上所不能达到的程度，没有故障检测的局限性，在很多不平稳的电气信号场所适

用。基于小波分析这样的特点，其在电气信号检测中所适应的范围比较广，针对信号系统中所

出现的诸多问题能够及时克服，例如信号系统的周期性陷波以及闪变等。小波变换能够实现多

分辨性，能够实现信号是多向观察性。小波检测技术也有一定的局限性。第一，小波变换环节

中所涉及数据计算比较多；第二，小波变换中的滤波特性较差[1]。

　　 1.2　主成份分析

　　在电力电子电路智能化的故障诊断中，需要找到故障主要问题，将次要的冗余部分剔除，

才能够将故障的在比较短的时间内解决。主成份分析方法恰好能够实现这样的诊断。主成份分

析技术能够在系统中输入的多个变量中，将变量进行变换处理，选出比较少的重要变量，该种

变量的统计方式作用比较突出，能够根据系统的变量之间的线性变化，由输入变量所形成的矩

阵的特征大小来确定坐标的变换与变量之间的压缩。在进行变量的处理环节中，需要进行变量

数据的成分预处理，并得出所需要的前几个主成份。该种方法的应用，能够在数据信息比较

多，或者是变量之间复杂度比较多时比较适用，能够有效的滤掉变量中的噪声，将主要的数据

信息凸显出来，将故障在比较短的时间内识别出来[2]。主成份分析方法的具体过程如下：

　　设系统中给定 x个样本，n个变量数据矩阵：

　　在以上矩阵中采用主成份分析的目的为，通过一个新的变量 h1 来表示 n个变

量，a1、a2...an，那么系统中的第一个成份线性公式为：h1=w1a1+w2a2+w3a3+...+w1nan，此

时w11w1=1；以此类推，第二个主成份也是通过这样方式进行表示，直到第 j个主成份也是这

样表示出来，同时需要特别注意的是第一主成份需要尽可能的覆盖更多的信息，按照以下公式

进行计算：

　　 Var（hl）=Var（wl1n）=wl1swl

　　式中的 s为原数据系统的方差-协方差矩阵，在实现最大变量的 y1 时，w1 值的最大特征根

的特征向量需要符合以下需求：

　　，其中 λ为矩阵的特征根，将特征根从λ1、λ2、λ3...λn 从大到小的排列，那么在特征根最

开始时的变量就是系统的主成份，这些主成份的存在能够将原始数据中多余的数据信息覆盖，

便于发现主要问题[3]。

　　 2　红外热像故障诊断技术分析

　　红外热像故障诊断方式在实际电力电子故障诊断中比较适用，电路运出现故障时，其表面

都会出现温差，该故障诊断技术就是基于设备线路绝对温度变化而进行故障分析。高压电气设

备中一旦出现故障，由于线路问题，线路不能正常运行导致，导致局部线路温度过高。当在物

体中内部温度高于绝对温度（-273.15℃）时，就会产生由热能而转变出来的辐射能。外温度在

500℃时，就会产生暗红色的辉光。在很多微型的电子线路中，线路出现故障人的肉眼看不

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

5 光币 4人已下载

立即下载

摘要：

基于电力电子电路智能故障诊断技术研究　　0　前言　　电力电子电路智能故障诊断技术的研究，能够突破传统电路故障诊断的束缚，在故障诊断上技术逐渐趋向于智能化。针对于故障诊断技术的研究，在促进电力电子电路领域的发展具有积极的意义。本文中对信息预处理中的小波分析、主成份分析进行介绍，同时还研究了红外热像故障诊断技术和离散频谱分析技术。　　1　基于层次聚类神经网络故障诊断方法　　1.1　信息预处理中的小波分析　　在基于层次聚类神经网络故障诊断中，信息预处理中的小波分析在电力电子电路中的故障分析作用明显。小波分析具有很多优势，将小波分析与DFT进行对比，小波分析能够突破DFT所在时域上所不能达到的程度，没...

展开>> 收起<<

基于电力电子电路智能故障诊断技术研究.docx

共2页,预览1页

还剩页未读，继续阅读

基于电力电子电路智能故障诊断技术研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: