基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的三相全控整流電路故障診斷

以A相電壓正向過(guò)零處為基準(zhǔn)，對(duì)控制角從0～120°每隔7．5°依次對(duì)22種故障狀態(tài)下的輸出電壓ud進(jìn)行一個(gè)周期(20 ms)的數(shù)據(jù)采集，采集到的數(shù)據(jù)個(gè)數(shù)為50個(gè)，以此組成訓(xùn)練樣本，共有22×17=374個(gè)樣本。用同樣的方法對(duì)控制角從6．5～113．5°每隔10．7°對(duì)ud進(jìn)行采樣，以獲得測(cè)試樣本。根據(jù)主成分分析特征提取的算法對(duì)訓(xùn)練和測(cè)試樣本進(jìn)行故障特征提取，獲取的新樣本從50維降為10維，大大減少了神經(jīng)網(wǎng)絡(luò)的計(jì)算量，改善了網(wǎng)絡(luò)的復(fù)雜程度。
本文運(yùn)用Matlab工具箱，采用自適應(yīng)遞階遺傳算法對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行了優(yōu)化。得到了神經(jīng)網(wǎng)絡(luò)的最簡(jiǎn)結(jié)構(gòu)(隱含層神經(jīng)元個(gè)數(shù)m=14)和最優(yōu)的權(quán)值、閾值。優(yōu)化后的神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線如圖6所示。

采用測(cè)試樣本數(shù)據(jù)對(duì)所訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真驗(yàn)證，分別選用負(fù)載變化、輸入電壓變化得到的特征向量數(shù)據(jù)去驗(yàn)證已建立的BP神經(jīng)網(wǎng)絡(luò)，故障診斷正確率達(dá)到97．67％，并且故障診斷有誤都發(fā)生在負(fù)載和輸入電壓同時(shí)變化時(shí)。

4 結(jié)論
本文將一種自適應(yīng)遞階遺傳算法應(yīng)用于神經(jīng)網(wǎng)絡(luò)的優(yōu)化，解決了以往神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、權(quán)值、閾值同時(shí)優(yōu)化效率不高的難題。通過(guò)仿真實(shí)驗(yàn)，證明了算法的準(zhǔn)確性和實(shí)用性，并將優(yōu)化的神經(jīng)網(wǎng)絡(luò)用于三相橋式全控整流電路的故障診斷，得到了令人滿意的結(jié)果。