采用新型粒子群算法的电力电子装置在线故障诊断方法

被引：15

作者：

陈如清

机构：

[1] 嘉兴学院机电工程学院

来源：

中国电机工程学报 | 2008年 / 24期

关键词：

逻辑预处理; 故障模式; 带扰动项粒子群算法; 在线故障诊断;

D O I：

10.13334/j.0258-8013.pcsee.2008.24.025

中图分类号：

TM76 [电力系统的自动化]; TP18 [人工智能理论];

学科分类号：

080802 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

分析了12脉波可控整流电路的294种故障模式,根据整流电压畸变波形提出一种特殊的故障分类方法。通过对故障电压波形的逻辑预处理得出12维故障向量及相应的故障编码。为改善粒子群算法(particle swarm optimization,PSO)的性能提出一种改进的带扰动项粒子群算法。引入进化速度因子,当粒子进化速度低于一定值时在粒子速度更新方程中添加一扰动项,算法的搜索效率和全局优化性能显著提高。将改进算法用于神经网络故障诊断建模,实验结果表明该系统具有诊断速度快、精度高的特点。适用于复杂电力电子设备或系统的故障诊断场合。

引用

页码：70 / 74

页数：5

共 7 条

[1] 基于频谱法与径向基函数网络的水电机组振动故障诊断 [J].

彭文季 ;

罗兴锜 ;

赵道利 .

中国电机工程学报, 2006, (09) :155-158

[2] 基于改进谱分析法的大功率可控整流电路故障在线诊断系统 [J].

李敏远 ;

陈如清 .

中国电机工程学报, 2004, (10) :164-169

[3] Model-based fault detection and diagnosis of HVAC systems using support vector machine method [J].

Liang, J. ;

Du, R. .

INTERNATIONAL JOURNAL OF REFRIGERATION-REVUE INTERNATIONALE DU FROID, 2007, 30 (06) :1104-1114

[4]

Fault diagnosis of rotating machinery based on auto-associative neural networks and wavelet transforms[J] . Javier Sanz,Ricardo Perera,Consuelo Huerta.Journal of Sound and Vibration . 2007 (4)

[5] Support vector machine in machine condition monitoring and fault diagnosis [J].

Widodo, Achmad ;

Yang, Bo-Suk .

MECHANICAL SYSTEMS AND SIGNAL PROCESSING, 2007, 21 (06) :2560-2574

[6]

Model-based fault-detection and diagnosis – status and applications[J] . Rolf Isermann.Annual Reviews in Control . 2005 (1)

[7]

Particle swarm optimization. Kennedy J,Eberhart R. IEEE International Conference onNeural Networks . 1995

← 1 →