| 主权项 |
一种基于神经网络的PWM整流器故障诊断系统，其特征在于，包括如下步骤：一) 收集整流器运行参数的历史数据，包括整流器正常运行数据与整流器故障数据；二) 整理所述步骤A) 整流器运行参数历史数据并形成样本，样本的格式为：每一条数据按输入‑ 输出对模式组织，输入为整流器运行参数，输出为整流器定子电流，样本分为训练样本和检测样本两部分；三) 根据所述步骤B) 的样本设计神经网络的结构；四) 使用所述步骤C) 神经网络对实时检测数据滤波消除检测噪声，复制神经网络，生成神经网络1和神经网络2，由神经网络2 先学习检测样本，将神经网络2 的输出作为神经网络1的输出期望值，根据神经网络2 对样本的学习结果更新神经网络权值，继续学习检测样本，同时提取神经网络1 输入层的输出权值向量，作为故障检测样本；五) 提取神经网络1 的输入层权值向量W1·，并针对其建立PCA 模型，对PCA 模型计算出相应的检测指标T2统计量和SPE，根据SPE 的值是否超出控制限判断整流器运行状态；六) 整理正常状态下和故障状态下样本输入时神经网络1 的输入层权值向量W1·形成的故障检测样本；七) 用六) 中的检测样本对五) 所得故障诊断模型进行反复检验，如果检验效果良好，则诊断模型有效，可以用于故障诊断，否则，则重新根据四)、五) 和六) 进行训练建模；八) 实时读取整流器的最新运行参数，将这些参数输入到所述神经网络中，将神经网络1的输出权值向量输入故障诊断模型，计算所得PCA 检测指标SPE 和T2是否满足置性指标。 |
