论文部分内容阅读
本文以级联式变频器的功率器件开路故障为研究对象。首先阐述了级联式变频器结构及其工作原理，为了确定变频器故障诊断特征信息的来源，在MATLABSimulink下搭建了级联式变频器的仿真模型，对变频器功率器件开路故障进行了仿真。通过对仿真输出信号的分析，确定将变频器输出电压作为故障特征信息的来源，并运用小波包频带能量分析技术进行故障特征提取，构造特征向量作为神经网络的输入向量。 其次，针对BP神经网络在级联式变频器故障诊断中存在的一些不足：网络训练速度慢，容易陷入局部极小值等，引入RBF神经网络来弥补BP神经网络在级联式变频器故障诊断中的不足，将RBF神经网络和BP神经网络相结合，组成组合神经网络。通过仿真和实验分析，验证了该方法的可靠性和有效性。为了提高对级联式变频器故障诊断的准确性和实时性，提出了将遗传算法和RBF-BP组合神经网络相结合的方法。该方法利用遗传算法对传统组合神经网络进行优化，即对组合神经网络的网络权值和阈值的初始化进行优化，寻找最优网络权值和阈值，从而提高级联式变频器故障诊断的实时性和准确性。通过仿真和实验分析，结果表明改进的组合神经网络对级联式变频器故障诊断的准确性和实时性明显提高。 最后，基于对级联式变频器故障诊断的常用方法，结合本文中提出的优化组合神经网络故障诊断方法，在MATLABGUI环境下设计了一个级联式变频器故障诊断系统。实验结果表明该系统能够有效的对级联式变频器进行故障诊断。