【技术实现步骤摘要】
一种基于粒子群优化的神经网络的整流电路故障诊断方法
本专利技术涉及一种整流电路故障诊断方法，尤其是涉及一种基于粒子群优化的神经网络的整流电路故障诊断方法。
技术介绍
目前整流电路的故障诊断方法有基于解析模型的故障诊断方法、基于知识的故障诊断法和基于信号处理的故障诊断方法，其中基于知识的故障诊断方法多使用BP神经网络，专家系统故障，模糊控制等方法。利用现有的这些技术对三相整流电路的故障诊断，基于信号的故障诊断方法在面对复杂的非线性的电路时获得准确的特征信号比较难已实现。基于解析模型的故障诊断方法中解析模型不容易找到，对这种方法的应用具有很大的限制作用。模糊理论的方法过于依赖知识库，且不具备学习能力，专家系统诊断方法知识更新能力差，局限性太大，BP神经网络在实际使用中存在网络训练时学习速度慢，容易出现局部收敛的问题。
技术实现思路
本专利技术的目的就是为了解决BP神经网络在三相整流电路故障诊断中存在的网络训练时学习速度慢，容易出现局部收敛的问题而提供一种基于粒子群优化的神经网络的整流电路故障诊断方法。...
【技术保护点】
1.一种基于粒子群优化的神经网络的整流电路故障诊断方法，其特征在于，包括：对三相整流电路进行故障编码，采用输出端电压的直流分量、基波幅值、二次谐波幅值和三次谐波幅值作为特征信号，导入到神经网络的输入层，利用训练好的神经网络进行故障诊断和定位，所述的神经网络的初始权值和阈值通过粒子群算法进行优化。/n
【技术特征摘要】
1.一种基于粒子群优化的神经网络的整流电路故障诊断方法，其特征在于，包括：对三相整流电路进行故障编码，采用输出端电压的直流分量、基波幅值、二次谐波幅值和三次谐波幅值作为特征信号，导入到神经网络的输入层，利用训练好的神经网络进行故障诊断和定位，所述的神经网络的初始权值和阈值通过粒子群算法进行优化。
2.根据权利要求1所述的一种基于粒子群优化的神经网络的整流电路故障诊断方法，其特征在于，所述的神经网络为三层神经网络，输入层节点数由输入网络的样本决定，输出层节点数由网络的期望值决定，隐含层节点数由网络的多次验证确定。
3.根据权利要求2所述的一种基于粒子群优化的神经网络的整流电路故障诊断方法，其特征在于，所述的粒子群算法的适应度函数由神经网络的均方差确定，由输入网络的样本与输出网络的期望计算粒子群体中每个粒子个体的适应度数值，将神经网络的全局最优值作为粒子的当前值，神经网络在下一次迭代时的最优值为粒子个体当前的极值。
4.根据权利要求1所述的一种基于粒子群优化的神经网络的整流电路故障诊断方法，其特征在于，采用八位的二进制编码的方式对三相整流电路的63种故障进行编码，其中，63种故障分为12大类，每大类...
【专利技术属性】
技术研发人员：顾勇，陈国初，张永明，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海;31
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。