电力电子电路故障的ST和QNN诊断

电力电子电路的故障模式间普遍存在交叉重叠,针对这种现象,本文提出了将S变换和量子神经网络相结合的新方法。首先,采用主元分析和S变换对各故障模式进行特征提取,由于S变换的窗函数宽度随着频率的变化而变化,能提取各故障的时间-频率特性,并将它们的差别最大化。再用量子神经网络进行诊断,由于量子神经网络能够自动检测抽样数据中存在的模糊性,并能够自适应的学习量化存在的模糊性的故障诊断方法,因此量子神经网络具备一种固有的模糊性,能将不确定性数据合理的分配到各故障模式中。实验结果表明:本文提出的方法具有收敛速度更快、性能更高,鲁棒性更好的特点,且故障诊断准确率更高。