The invention relates to a three-phase bridge rectifier fault diagnosis method, terminal equipment and storage medium. The method includes: collecting output voltage data of three-phase rectifier circuit corresponding to all fault types as training data set; constructing sparse self encoder model, optimizing the model parameters of sparse self encoder model through training data set and artificial bee colony algorithm; All the data in the training data set are extracted by the sparse self encoder model after training, and the SVM model is trained by the extracted data; the fault types of the three-phase rectifier circuit voltage data are judged by the sparse self encoder model and the SVM model after training. The invention has the advantages of high diagnosis accuracy and good robustness.
【技术实现步骤摘要】
一种三相桥式整流器故障诊断方法、终端设备及存储介质
本专利技术涉及整流器
,尤其涉及一种三相桥式整流器故障诊断的方法、终端设备及存储介质。
技术介绍
三相桥式整流器是重要的电力电子变换器之一,可以直接用于将交流电转换为直流电,更可以作为整流和逆变系统的初始电路,但由于工作环境恶劣,整流设备老化、电力过载、工作失误等自然及非自然因素的影响,会发生不同程度的故障。故障诊断包含特征提取和类型识别两个关键技术。目前,特征提取代表性的方法有:主成分分析法、离散小波变化法、小波阈值去噪法、小波包分解等,这些方法已经广泛应用于电力系统故障诊断中的特征提取。然而现有的特征提取方法过分依赖于先验知识,先验知识直接决定着故障诊断的质量。
技术实现思路
为了解决上述问题,本专利技术提出了一种三相桥式整流器故障诊断方法、终端设备及存储介质。具体方案如下:一种三相桥式整流器故障诊断方法,包括以下步骤:S1:设定三相整流电路的故障类型,采集所有故障类型对应的三相整流电路的输出电压数据作为训练数据集;S2:构建稀疏自编码器模型,通过训练数据集和人工蜂群算法对稀疏自编码器模型的模型参数进行优化训练,使得训练后的稀疏自编码器模型对应的误差函数的值最小;S3:通过训练后的稀疏自编码器模型对训练数据集中的所有数据进行特征提取,并构建支持向量机模型,通过特征提取后的数据对支持向量机模型进行训练,使得训练后的支持向量机模型输出的故障类型与数据原始的故障类型相一致;S4:通过训练后的稀疏 ...
【技术保护点】
1.一种三相桥式整流器故障诊断方法,其特征在于,包括以下步骤:/nS1:设定三相整流电路的故障类型,采集所有故障类型对应的三相整流电路的输出电压数据作为训练数据集;/nS2:构建稀疏自编码器模型,通过训练数据集和人工蜂群算法对稀疏自编码器模型的模型参数进行优化训练,使得训练后的稀疏自编码器模型对应的误差函数的值最小;/nS3:通过训练后的稀疏自编码器模型对训练数据集中的所有数据进行特征提取,并构建支持向量机模型,通过特征提取后的数据对支持向量机模型进行训练,使得训练后的支持向量机模型输出的故障类型与数据原始的故障类型相一致;/nS4:通过训练后的稀疏自编码器模型和支持向量机模型对三相整流电路电压数据的故障类型进行判断。/n
【技术特征摘要】
1.一种三相桥式整流器故障诊断方法,其特征在于,包括以下步骤:
S1:设定三相整流电路的故障类型,采集所有故障类型对应的三相整流电路的输出电压数据作为训练数据集;
S2:构建稀疏自编码器模型,通过训练数据集和人工蜂群算法对稀疏自编码器模型的模型参数进行优化训练,使得训练后的稀疏自编码器模型对应的误差函数的值最小;
S3:通过训练后的稀疏自编码器模型对训练数据集中的所有数据进行特征提取,并构建支持向量机模型,通过特征提取后的数据对支持向量机模型进行训练,使得训练后的支持向量机模型输出的故障类型与数据原始的故障类型相一致;
S4:通过训练后的稀疏自编码器模型和支持向量机模型对三相整流电路电压数据的故障类型进行判断。
2.根据权利要求1所述的三相桥式整流器故障诊断方法,其特征在于:稀疏自编码器模型的模型参数包括输入层和中间层之间的连接权重和偏置,中间层和重构层之间的连接权重和偏置。
3.根据权利要求1所述的三相桥式整流器故障诊断方法,其特征在于:步骤S2中对模型参数的优化训练包括四个阶段:初始化阶段、工蜂优化阶段、观察蜂优化阶段和侦查蜂优化阶段;
在初始化阶段,随机生成NP个待优化解θl,d作为模型参数的初始值:
θl,d=θd,min+rand·[θd,max-θd,min]
其中,θd,max和θd,min分别表示待优化解的最大值和最小值,ra...
【专利技术属性】
技术研发人员:王荣杰,曾广淼,韩冉,周海峰,
申请(专利权)人:集美大学,
类型:发明
国别省市:福建;35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。