发明名称 |
一种基于小波与神经网络的逆变器低频噪声故障诊断方法 |
摘要 |
本发明是一种基于小波与神经网络的逆变器低频噪声故障诊断方法,其特点是:包括以下步骤:分别对正常及故障逆变器进行无源测试数据输出,通过对输出的正常信号和故障信号分别进行小波变换并分解,将能量转换后得到的数值矩阵差值处理作为特征量,将特征量输入进神经网络进行训练,并对神经网络的输出做出判断实现故障等级的裁定。具有方法科学合理,适用,诊断准确且速度快等优点。 |
申请公布号 |
CN104318305B |
申请公布日期 |
2017.02.01 |
申请号 |
CN201410605501.2 |
申请日期 |
2014.10.30 |
申请人 |
东北电力大学 |
发明人 |
陈晓娟;申雅茹;陈东阳;吴洁;李建坡;李楠;姜万昌 |
分类号 |
G06N3/02(2006.01)I;G06N3/08(2006.01)I;G06F19/00(2011.01)I |
主分类号 |
G06N3/02(2006.01)I |
代理机构 |
吉林市达利专利事务所 22102 |
代理人 |
陈传林 |
主权项 |
一种基于小波与神经网络的逆变器低频噪声故障诊断方法,其特征在于,步骤如下:1)分别对无故障状态、有故障状态的待测逆变器进行数据采集,提取信号并滤波;2)将滤波后的信号分别进行小波变换,利用阈值函数进行去噪,将数据中高频信号进行滤波处理,并将信号分解为尺度系数a<sub>j</sub>与小波系数d<sub>j</sub>,其中j=1,2,…,J,J为分解的最高层数;3)分别将最高层数的尺度系数与各层次的小波系数进行能量转换并加和处理,得到<img file="FDA0001115220640000011.GIF" wi="588" he="126" />得到分别代表正常值矩阵与故障值矩阵的E<sub>n</sub>和E<sub>f,i</sub>,其中,i为故障逆变器个数;4)将能量值矩阵进行差值处理得到特征量ΔE<sub>i</sub>=E<sub>f,i</sub>‑E<sub>n</sub>,i为故障逆变器个数;5)将4)中特征量ΔE<sub>i</sub>输入到神经网络进行训练得到故障识别能力,根据逻辑输出及故障对应状态进行故障诊断,输出的二进制数值分别代表故障类型:00‑逆变器正常;01‑逆变器亚健康状态;10‑软故障预警状态;11‑硬故障可排除状态。 |
地址 |
132012 吉林省吉林市船营区长春路169号 |