单相三电平逆变器谐波检测的小波神经网络算法研究

合集下载

基于改进型小波神经网络的谐波检测方法

述方法具有收敛速度快，检测精度高的优点。
关键词$谐波小、波神经网路;神经网络；自相关;收敛;优化
D O I ：10.19753/j.issn1001-1390.2019. 010. 019
中图分类号:T M 933
文献标识码：A
文章编> $ 1001-1390(2019)10-0118-04
Abstract：Witli theuse of high power devices，resulting in a large number of harmonics in power grid，which threat tlie
safety of equipment. This
paper proposes the use of
第56卷第 10期 2019年 5 月 2 5 日
电测与仪表
Electrical Measurement & Instrumentation
Vol. 56 No. 10 May. 25,2019
基于改进型小波神经网络的谐波检测方法！
李圣清，王飞刚，朱晓青 (湖南工业大学电气与信息工程学院，湖南株洲 412007)
Harmonic detection method based on improved wavelet neural network
(School of Electrical and Information ELingSihneenegrqinign，g，HWuananng UFeniivgearnsigt，y ZohfuTeXcihanooqloi^nygy， Zhuzhou 412007，Hu'nan，China)
wavelet neural network (W N N ) algorithm

用于电力系统谐波检测的深度学习神经网络方法

用于电力系统谐波检测的深度学习神经网络方法摘要：神经网络的快速发展，使得神经网络在很多领域得到应用。

许多论著提及将神经网络运用在电力系统谐波检测上。

在众多的神经网络方法中，深度学习神经网络（DLNN）脱颖而出。

本文意在阐述深度学习神经网络的基本思想和基本算法，以及探讨深度学习神经网络在电力系统谐波检测方面的应用。

并在Matlab中对其算法进行验证。

对于推广深度学习神经网络在电力系统其他方面的应用具有一定的积极意义。

关键词：谐波检测，神经网络，深度学习，Matlab引言：近年来，随着电力系统的深入研究，电力电子器件在工业上和家庭中的广泛运用，电力系统的谐波危害受到越来越多的关注。

谐波的存在使得变压器产生附加损耗，降低电能转换效率；对于电动机，谐波电流正序分量和负序分量引起的磁通势与基波磁通势相互作用会产生不同频率的转矩分量，电动机受到扭力对的影响，产生设备疲劳，抖动，轴承磨损等问题；谐波的存在往往使电压波形变成尖顶波，电容器的电抗与频率成反比，电压值增大可能引起绝缘介质放电，导致电容器因过电流而被击穿。

深入、快速、实时的检测电力系统中的谐波，也变得越来越重要。

为采取措施抑制谐波具有指导性的意义。

1方法综述：目前，国内外主要采用以下几种谐波检测方法：1.1基于滤波器的谐波检测早期谐波电流检测基本通过模拟滤波器实现的。

输入的模拟电流信号通过放大器，进入一组并联的固定频率带通滤波器，这些滤波器的中心频率是基波的整数倍，将滤波后的信号同时显示到滤波器中，通过观察滤波器得到谐波电流。

1.2快速傅里叶变换（FFT）分析法输入模拟电流信号，对模拟电流信号进行采样，获得样本集后进行快速傅里叶变换，通过FFT后得到各次谐波电流的幅值，频率和相位。

1.3基于小波变换的谐波检测小波变换是一种在傅里叶变换基础上发展而来的办法。

小波变换有很好的频域分辨率和时域分辨率。

1.4基于神经网络的谐波检测利用人工神经网络构建电网谐波在线检测系统模型，通过采样存储器以及神经网络在线监测电路，取得谐波信号。

基于SOM神经网络的三电平逆变器的故障诊断

1.2 三电平逆变器故障特征提取
根据小波包的一系列特性，利用小波包对信号进行分解，再对其分解系数进行重构，得到各频带的能量值。在各频带的电压能量中，包含了其相应的故障信息，由此，提出“能量—故障”模式诊断识别方法[7-8]。本文采用小波包两层分解后各频带的能量作为相应故障模式的输入向量，将三电平逆变器的单相故障进行编码，利用小波包原理对相应的故障桥电压进行能量提取，其特征向量如表1所示。
通过对图3与图4的比对，可以发现Sa2单管开路与Sa1、Sa2同时开路时的桥臂电压Vao具有相同的电平逻辑特征。因此，只应用小波包变换单独提取中点桥臂Vao各频段能量系数不能区分这两类故障模式。
经仿真研究实验分析，Sa2单独开路时与Sa1、Sa2同时开路时的上桥臂电压与下桥臂电压其电平逻辑区分较为明显，那么其波形所含能量值也就不同。所以，同时提取桥臂电压Vao、Vbo和Vco各频带能量系数可以很好地表示各种故障模式。
目前国内外学者针对多电平逆变器的故障诊断都有较为深入的研究。有学者提出运用变换器交流侧PWM电压UPWM和电流的极性来判断功率开关管的故障[2]，该方法的诊断速度快，可靠性也高，但其诊断结果无法精确定位具体发生故障的功率管。此外，一些学者对于逆变器故障诊断，提出了基于模型的故障诊断方法[3-4]，引入键合图等建模方法对其进行建模，其方法提高了诊断正确率，但其分析过程比较复杂。
从表2中可以看出，SOM网络除了第三组测试样本的诊断结果与三电平逆变器的实际故障不符合以外，其余诊断结果完全正确。从中可以得出，SOM网络具有较强的学习泛化能力。对已经学习过的样本，识别率为100%。因此，SOM神经网络能够较好地识别三电平逆变器的各类开路故障，较好地完成逆变器的故障诊断。
4 结论
当功率开关管同时有两个出现开路故障时，存在两种情况：一类是两个开关管处于同一桥臂；第二类是两个开关管处于不同的桥臂。对于第二类情况，相当于某个桥臂的单个开关管开路，因此，本文仅分析第一类情况。以桥臂a为研究对象，可以分为6种故障模式。考虑到主电路存在对称性，因此本文就只给出了Sa1和Sa2、Sa1和Sa3、Sa1和Sa4、Sa2和Sa3同时开路时的中点臂电压Vao的波形，。

基于FFT和小波变换的电力系统谐波检测方法研究

基于FFT和小波变换的电力系统谐波检测方法研究摘要：在电力系统中，谐波问题是一个不可忽视的存在。

有效地检测和分析电力系统中的谐波是确保系统稳定运行和提高供电质量的重要措施。

本文针对电力系统谐波检测问题，研究了基于FFT和小波变换的方法，通过对电力系统中的电流和电压进行谐波分析，实现对谐波的准确检测和定位。

关键词：谐波检测；FFT；小波变换；电力系统；电流；电压1. 介绍电力系统是现代社会运行的重要基础设施，然而在其运行过程中，谐波问题产生的影响不可忽视。

谐波是指频率是电力频率整数倍的电量，由于谐波的存在，电力系统中的各种电气设备可能会受到影响，引起电压波形失真、设备损坏以及通信干扰等问题。

因此，对电力系统中的谐波进行准确检测和分析是确保系统稳定运行和提高供电质量的重要措施。

2. 方法原理2.1 FFT快速傅里叶变换（FFT）是一种将时域信号转换为频域信号的方法，通过FFT可以将电力系统中的电流和电压信号转换为频谱图，并从频谱图中获得谐波的频率和幅度信息。

2.2 小波变换小波变换是一种时频分析方法，相较于FFT，小波变换可以提供更多的时间和频率信息，它能够有效地捕捉瞬态信号和非平稳信号的特征。

通过小波变换，电力系统中的电流和电压信号可以被分解为时频平面上的小波系数，从而得到谐波的时频分布。

3. 研究内容3.1 数据采集与预处理通过现场采集电力系统中的电流和电压数据，并对数据进行预处理，包括去除杂散干扰、去除直流分量等，以减小数据噪声对谐波检测的影响。

3.2 FFT谐波检测将预处理后的电流和电压信号进行FFT变换，得到频谱图。

根据谐波的频率范围，选取相应的频率段进行谐波检测，通过查找频谱图中的频率峰值来确定谐波的频率和幅度。

3.3 小波谐波检测将预处理后的电流和电压信号进行小波变换，得到小波系数图。

根据谐波频率的不同特征，选取合适的小波基函数进行小波变换，并通过阈值判决方法确定谐波的时频分布。

4. 结果与分析通过对不同电力系统中的电流和电压信号进行谐波检测，得到了谐波的频率和幅度信息。

基于小波神经网络的逆变器功率开关故障诊断

基于小波神经网络的逆变器功率开关故障诊断崔博文【摘要】针对逆变器经常出现的功率开关器件开路故障问题,提出了一种基于小波分析和神经网络的逆变电路功率器件开路故障检测和诊断方法.利用小波递归方法对逆变器输出电流信号进行分析处理,实现了逆变器故障检测.通过小波多尺度分析,获得了信号各层细节系数及其能量,对能量进行归一化处理,得到不同故障状态的故障特征,将其作为BP神经网络输入,通过观察网络输出实现了功率器件开路故障分离.仿真结果表明,该方法可以实现功率开关器件故障检测与分离.【期刊名称】《集美大学学报（自然科学版）》【年(卷),期】2017(022)001【总页数】7页(P46-52)【关键词】小波;神经网络;逆变器;故障诊断【作者】崔博文【作者单位】集美大学轮机工程学院,福建厦门361021【正文语种】中文【中图分类】TM464工业应用中的变频调速系统通常由电力电子变换器、控制器及电动机等组成，这类变频调速系统对于发生在整流、逆变及控制器环节中的任何故障都很敏感，任何一个环节一旦发生故障都会导致变频调速系统性能变坏，甚至系统崩溃 [1]。

一般地讲，故障有电力电子电路故障、控制器故障、传感器故障及冷却系统故障，电力电子电路故障指电力电子变换器故障，一般分为参数性故障和结构性故障，参数性故障指由于电路元件参数(如电感、电容等)偏离正常值一定范围而导致的参数值变化，结构性故障指由于功率开关器件出现短路、开路而导致电力电子电路拓扑发生变化的故障[2]。

研究表明[3]，工业驱动系统中的电压源逆变器37.9%的故障发生在功率开关器件电路部分，而Schwab研究发现[4]，逆变器中功率开关器件故障率远高于其他器件。

最新研究也表明[5]，变频调速系统中逆变电路功率开关元件故障占整个驱动系统故障的82.5%，是驱动系统中最易发生故障的薄弱环节。

功率开关器件开路故障会造成故障桥臂无法向电动机正常供电，使得与该桥臂相连接的电机绕组与电源断开，形成缺相故障，如果不采取适当的措施，电动机缺相运行会造成电机烧毁，引发重大事故[6]。

基于小波变换与神经网络的输电线路故障诊断方法研究

基于小波变换与神经网络的输电线路故障诊断方法研究发布时间：2021-11-10T07:27:07.323Z 来源：《河南电力》2021年7期作者：林佳铭[导读] 随着我国社会的高度发展以及科技的持续进步，电力已经成为人民文明的动力之源，也是二次能源以及各个行业界内的主要动力。

电力系统的安全稳定运行的重要因素之一是输电线路的稳定可靠工作。

由于目前我国输电线路的覆盖面积越广、分布点多以及接线方式复杂，由此造成故障现象经常出现。

一旦输电线路出现故障，不仅仅影响到电能的正常且稳定的输送，还将可能会引起大型电网事故，出现大面积的停电，严重还将造成地域性的电力输电系统解列。

林佳铭（福州大学福建福州 350000）摘要：随着我国社会的高度发展以及科技的持续进步，电力已经成为人民文明的动力之源，也是二次能源以及各个行业界内的主要动力。

电力系统的安全稳定运行的重要因素之一是输电线路的稳定可靠工作。

由于目前我国输电线路的覆盖面积越广、分布点多以及接线方式复杂，由此造成故障现象经常出现。

因此，对输电线路的故障诊断技术展开相关研究是十分有必要的。

通过针对所提的输电线路故障复合诊断方法进行深入研究，有效采集输电线路出现故障时的特征信号，进而对故障进行有效的诊断和分析，全面综合分析接地故障，准确诊断出故障相，可以对输电线路的稳定和安全运行提供重要的理论支撑。

关键词：小波变换；神经网络；输电线路；复合诊断前言：随着国民生活水平的不断提高以及社会的持续发展，电力系统稳定工作的重要性越来越突出。

如今，电力供应充足并且稳定可靠是国家与人民经济可持续快速发展的基础。

我国的电力系统处于高速发展阶段，网架结构越来越可靠，同时也日益复杂化。

其中，高压输电线路在电力系统中起着至关重要的作用，类似人类血液大动脉的重要性，是电能传输的重要纽带。

基于神经网络算法的电力谐波分析方法的研究论文

基于神经网络算法的电力谐波分析方法的研究论文摘要：目前常用的谐波分析算法存在着计算精度低、计算量大等缺点，本文提出并研究了一种基于傅立叶基神经网络的谐波分析方法。

利用傅立叶基神经网络模型进行谐波分析可以有效地提高神经网络的收敛速度和计算精度，减小了计算量。

并通过仿真，验证了利用该算法进行谐波分析可快速获得电力系统的基波及各次谐波高精度的幅值和相位。

关键词：神经网络;谐波分析;梯度下降法;权值向量一、引言近年来，随着电力电子技术的广泛应用，电力系统谐波污染日益严重，已成为电能质量的公害。

目前常用的谐波分析算法存在着计算精度低、计算量大等缺点，本文提出一种基于傅立叶基神经网络的谐波分析方法，利用该方法可快速获得电力系统的基波及各次谐波高精度的幅值和相位。

本文构建了基于傅立叶基神经网络模型，采用梯度下降法作为权值调整算法，通过神经网络训练即可获得神经网络权值，从而获得电力系统谐波的幅值和相位。

仿真结果表明，利用基于傅立叶基神经网络算法进行谐波分析可快速获得电力系统的基波及各次谐波高精度的幅值和相位。

二、基于傅立叶基神经网络算法的谐波检测原理(一)傅立叶基神经网络模型的'构建一个具有各次谐波的周期信号可表示为：N My(t)=∑An sin(2nfnt+尹。

)+∑B.sin(2n厶f+‰) (1)式中，石为第n次整数谐波的频率;f为第m次间谐波的频率a设采样周期为￡，则式(1)可离散化为：y(k)= Aa +∑[Aj sinW,cos(jtookTs)+Aj cos~sin(jtuokT)]+l1(2)∑[B, sin够cos(co,kT.)]+旦cosrp,sin(cq kT,)l-l式中∞0为电力系统基波角频率;j为谐波次数;为第f次间谐波的角频率;ki+J 采样点序列号。

式(2)可进一步用傅立叶级数表示为y(k)= wo+-wj cosOcookT,)+∑M sin[(j-ⅣⅫ。

kTs]+ (3)∑w, cos(coikT,)+∑wisin(03i_^ckTs)f=1 1.^f+l由式(3)可建立傅立叶基神经网络模型如图1所示。

神经网络的电力系统谐波分析方法研究

神经网络的电力系统谐波分析方法研究报告一：神经网络在电力系统谐波分析方法研究中的应用摘要：该报告主要探讨神经网络在电力系统谐波分析方法研究中的应用。

首先，介绍了电力系统和谐波分析的基本概念和方法。

接着，分析了传统谐波分析方法存在的局限性，并进一步阐述神经网络应用于电力系统谐波分析的优势。

然后，总结了神经网络谐波分析方法的研究现状和进展，并对今后的研究方向进行了展望。

1. 电力系统和谐波分析的基本概念和方法电力系统是指由发电厂、输电线路、变电站、配电系统等组成的一整套电能传输和供电的系统。

电力系统中的谐波是指电压或电流中的一种周期性的波形，其频率为原有信号频率的整数倍，谐波是电力系统中的一种阻碍电力传输、干扰电子设备运行和造成电能损失的因素。

因此，对电力系统谐波进行分析和控制对提升电能传输的质量和稳定性、降低电网故障率、提高电力经济效益具有重要意义。

传统的谐波分析方法包括傅里叶变换、小波分析等。

其中，傅里叶变换是目前应用最为广泛且成熟的一种方法。

傅里叶变换中，将时域中的信号分解为频域中的谐波分量，来分析电力系统中的谐波情况。

小波分析是在傅里叶变换的基础上发展起来的一种非平稳信号分析方法，具有时间与频率的分辨率，可以更加准确地分析信号的非平稳性。

这些方法从理论上可以较好地描述电力系统中的谐波问题，但在实际应用中仍存在一些问题和缺陷。

2. 传统谐波分析方法存在的局限性传统的谐波分析方法存在一些不足之处。

一方面，这些方法需要对信号进行频域或时域分析后得到谐波分量信息，需要较高的计算成本和复杂的数学模型。

另一方面，对于非线性系统和复杂系统，这些方法的适用性较差，不足以满足实际应用中对谐波问题的诊断和控制需要。

为了解决传统谐波分析方法存在的局限性，这里介绍了神经网络在电力系统谐波分析中的应用。

3. 神经网络在电力系统谐波分析中的应用神经网络是模仿人类神经系统的一种模型，在模式识别、数据分析和预测等领域具有广泛的应用。

电力系统谐波检测算法研究与实现

电力系统谐波检测算法研究与实现一、本文概述随着电力电子技术的快速发展和广泛应用，电力系统中的谐波问题日益突出，谐波的存在对电力系统的安全、稳定、经济运行构成了严重威胁。

对电力系统谐波的有效检测与抑制成为了当前研究的热点和难点。

本文旨在深入研究和实现电力系统谐波检测算法，为电力系统的谐波治理提供理论支持和技术保障。

本文首先介绍了谐波的基本概念、产生原因及其对电力系统的影响，阐述了谐波检测的重要性和紧迫性。

接着，综述了目前国内外在谐波检测领域的研究现状和发展趋势，指出了现有算法的优点和不足。

在此基础上，本文提出了一种基于快速傅里叶变换（FFT）和小波变换（WT）相结合的电力系统谐波检测算法，并详细阐述了该算法的基本原理、实现步骤和性能优势。

本文的研究内容包括但不限于：谐波信号的数学模型建立、谐波检测算法的设计与优化、仿真实验与结果分析等方面。

通过理论分析和实验验证，本文所提算法在谐波检测的准确性、实时性和鲁棒性等方面均表现出较好的性能，为电力系统的谐波治理提供了有效的技术手段。

本文的研究成果不仅具有重要的理论价值，而且具有广泛的应用前景。

未来，我们将继续深入研究和完善谐波检测算法，推动其在电力系统中的应用和推广，为保障电力系统的安全、稳定、经济运行做出更大的贡献。

二、谐波检测算法的理论基础在电力系统中，谐波是指频率为基波频率整数倍的电压或电流分量。

谐波的存在会对电力系统的稳定性、设备的正常运行以及电能质量产生不良影响。

对电力系统中的谐波进行准确检测和分析至关重要。

谐波检测算法的理论基础主要涉及傅里叶变换、滤波器设计以及信号处理技术等方面。

傅里叶变换是谐波检测中最常用的数学工具。

通过将时域信号转换为频域信号，可以清晰地观察到各次谐波分量的幅值和相位。

快速傅里叶变换（FFT）是实际应用中最常用的算法，它能够在短时间内完成大量的数据处理，提高谐波检测的实时性。

滤波器是谐波检测中常用的硬件或软件设备，用于提取特定频率的谐波分量。

BP神经网络在三电平逆变器消谐中的应用

Ａｂｓｔｒａｃｔ：Ａｎａｐｐｒｏａｃｈｔｏｅｌｉｍｉｎａｔｅｈａｒｍｏｎｉｃｓｉｎｔｈｒｅｅ－ｌｅｖｅｌｎｅｕｔｒａｌｐｏｉｎｔｃｌａｍｐｅｄｉｎｖｅｒｔｅｒｕｓｉｎｇｂａｃｋｐｏｐｒａｇａｔｉｏｎ
ｎｅｕｒａｌｎｅｔｗｏｒｋｃａｎｂｅｃｏｍｐｌｅｔｅｄ．Ａｆｔｅｒｔｒａｉｎｉｎｇ，ｔｈｅＢＰｎｅｕｒｌａｎｅｔｗｏｒｋｃａｎｓｏｌｖｅｓｗｉｔｃｈｉｎｇａｎｇｌｅｓｏｎｌｉｎｅｈｒｔｏｕｇｈｎｏｎ —
ｍｏｄｕｌａｉｔｏｎ（ＳＨＥＰＷＭ）ｔｅｃｈｎｉｑｕｅ．Ｔｅｓｔｓａｍｐｌｅｓａｒｅａｃｑｕｉｒｅｄｂｙｍｅａｎｓｏｆｇｅｎｅｔｉｃｌｇａｏｒｉｈｍｔｏｆｌｉｎｅａｎｄｈｅｔｔｒａｉｎｉｎｇｏｆ
第４９卷第４期
２０１５年４月
电力电子技术
ＰｏｗｅｒＥｌｅｃｔｒｏｎｉｃｓ
Ｖｏ１．４９．Ｎｏ．４Ａｐｉｒｌ２０１５
ＢＰ神经网络在三电平逆变器消谐中的应用
秦昌伟，王群京，陈权，胡存刚
ｔｈｉｓａｐｐｏａｒｃｈｏｖｅｒｃｏｍｅｓｈｅｔｄｉｆｉｃｕｌｔｙｆｏｔｒａｄｉｉｔｏｎａｌｎｕｍｅｉｃｒａｌｍｅｈｏｔｄｉｎｃｈｏｏｓｉｎｇｉｎｉｔｉｌａｖｌｕａｅｏｔｓｏｌｖｅｈａｍｏｒｎｉｃｓｅ —

基于神经网络的三电平逆变器故障诊断研究

基于神经网络的三电平逆变器故障诊断研究作者：刘怡君等来源：《科技视界》2015年第15期【摘要】本文在分析三电平逆变器主电路的故障类型基础上，利用BP神经网络设计三电平逆变器故障诊断方法，即采用三层BP网络对三电平逆变器的非典型故障进行诊断，设计并构建了三电平逆变器实验平台，在该平台上模拟三电平逆变器主电路功率开关管的各种故障，验证了基于BP神经网络的故障诊断方法的可行性和正确性。

【关键词】神经网络；三电平逆变器；故障诊断【Abstract】Based on analyzing the fault type of a main circuit of a three-level inverter， the paper utilizes a fault diagnosis method for three-level inverter by BP neural network， that is to diagnose non-typical fault of three-level inverter by three-level BP network； thus a three-level inverter experimental platform is designed and established； various faults of main circuit power switch tubes of the three-level inverter is simulated based on this platform； and the feasibility and validity of the fault diagnosis method based on BP neural network is validated.【Key words】Neural network； Three-level inverter； Fault diagnosis0 引言逆变器中的功率元器件及其控制电路是最易发生故障的薄弱环节，功率变换器工作在高频状态，损耗较大，发热严重，发生故障的概率最大，而最新研究也表明：变频调速系统中功率变换器的故障占整个驱动系统故障的80%以上。

基于小波神经网络的单相三电平逆变器谐波检测

基于小波神经网络的单相三电平逆变器谐波检测马辉;王玉华;刘朋朋;贾文超【摘要】The time - varying harmonic signal was detected by wavelet neural network algorithm. Using Harr wavelet approximation time - varying amplitude and phase angle, Wavelet on the signal adaptive time —frequency characteristics of neural network is introduced to improve segmentation, neural network approximation and convergence performance;By giving the network parameters of the selected scheme, and determining the network training algorithm, the feasibility and accuracy in the MATLAB/SIMULINK environment simulation are proved.%本文采用小波神经网络(Wavelet Neural Network,WNN)算法对时变谐波信号进行检测.利用Harr小波对谐波信号的幅值和相角进行逼近；将小波对信号的自适应时频分割特性引入神经网络,提高神经网络的逼近和收敛速度；给出网络参数的选定方案；确定网络的训练算法.在MATLAB/SIMULINK环境下对该算法进行仿真,与传统的小波算法比较,该算法不仅可行,而且精确度得到提高.【期刊名称】《节能技术》【年(卷),期】2012(030)006【总页数】5页(P516-520)【关键词】小波神经网络;时变谐波检测;Harr小波变换【作者】马辉;王玉华;刘朋朋;贾文超【作者单位】长春工业大学,吉林长春130012;台州学院,浙江台州318000;长春工业大学,吉林长春130012;长春工业大学,吉林长春130012【正文语种】中文【中图分类】TM740 引言随着电力电子技术的发展，各种非线性设备如变频器、变流器、开关电源在工业领域得到大量的应用，这些设备在对信号进行变换时会对电网产生大量的谐波。

小波与神经网络结合用于电机在线监测与故障诊断

小波与神经网络结合用于电机在线监测与故障诊断曾秀丽;玄兆燕;于子旺【摘要】本文主要将小波与神经网络结合用于电机的在线监测与故障诊断.针对电机系统运行的关键故障,采用小波与神经网络结合的思想,将采集到的电机振动信号,进行小波处理后,通过分析观测信号在小波包某一分解层次上的不同时频分辨空间中的能量分布,进行电机运行状态的特征提取,对提取到的特征信号再用神经网络技术进行故障诊断,从而建立起电机运行状态的在线监测体系,以实现对电机故障预测及诊断,充分体现了小波神经网络在故障诊断中的优越性.【期刊名称】《制造业自动化》【年(卷),期】2010(032)009【总页数】3页(P36-38)【关键词】小波;神经网络;在线监测;故障诊断【作者】曾秀丽;玄兆燕;于子旺【作者单位】河北理工大学计算机与自动控制学院,唐山,063009;河北理工大学机械工程学院,唐山,063009;河北理工大学机械工程学院,唐山,063009【正文语种】中文【中图分类】TH1660 引言近几年来,故障诊断技术飞速发展,新的研究成果不断出现。

电机作为现代工业主要的动力设备,其影响是不言而喻的。

倘若电机出现故障,使企业的生产中断,将造成无可估量的经济损失。

因此,针对电机在线监测与故障诊断技术的研究,具有十分重要的理论价值和实践意义。

对于大中型电机的常见故障有：运动部件的质量不平衡、运动部件配合不当、轴承磨损、转轴不对中、油膜振荡及裂纹等。

这些故障最明显的特征都表现在振动信号的频率上。

对于振动信号的电机状态的在线监测和故障诊断，通常采用频谱分析与相关分析的方法。

然而大中型电机的故障机理较为复杂,其故障信号更多地表现为：1）信号是微弱信号，淹没于强背景中；2）信号的特征频率波动范围较大甚至出现跳动；3）信号瞬变、非平稳。

因而采用频谱分析与相关分析的方法很难对故障做一个准确的诊断。

大量不确定的或未知的因素可能导致：1）建立规范时存在不完全适应性；2）不能完全自动诊断，需要人工干预；3）容易出现漏检和误检等现象。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

中图分类号：ＴＭ９３
文献标识码：Ｂ
文章编号：１９９４ — ３０９１（２０１３）０４ — ０６５ — ０６９
引言
随着电力电子技术的发展，各种非线性设备如变频
备在对信号进行变换时会对电网产生大量的谐波。而对谐
波的快速、精确检测是治理谐波的一项关键技术。基于
ＭＡＨｕｉ，ＷＡＮＧＹｕ — ｈｕａ，ＬｉｕＰｅｎｇ — Ｐｅｎｇ，ＪＩＡＷｅｎ — ｃｈａｏ
（１．ＣｈａｎｇｃｈｕｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｃｈｕｎ１３００００）（２．ＴａｉｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｊｉａｒｌｇ３１８０００，Ｃｈｉｎａ）
Ｒｅｓｅａｒｃｈ＆Ｄｅｓｉｇｎ研究与设计
变频陶ｗｗｗ．ｃｈｉｎａｂｉａｎｐｉｎｃｏｎｒ
ＷａｖｅｌｅｔＮｅｕｒａｌＮｅｔｗｏｒｋ
ｆｏｒＳｉｎｇｌｅＰｈａｓｅＴｈｒｅｅＬｅｖｅｌＩｎｖｅｒｔｅｒＨａｒｍｏｎｉｃＤｅｔｅｃｔｉｏｎ
研究与设计Ｒｅｓｅａｒｃｈ＆Ｄｅｓｉｇｎ
襄颇网ｗｗｗｃｈｉｎａｂｉａｎｐｉｎｃｏｎｒ
基于小波变换ｐ＿卅和神经网络的谐波检测。
卜波神经网络（ＷａｖｅｉｅｔＮｅｕｒａｌＮｅｔｗｏｒｋ，ＷＮＮ）［Ｉ是基乏变换构成的神经网络模型，即用非线性小波取代通
＃）＝
瞬时无功功率理论的谐波检测方法是目前通用的方法，但
实时性、精确度较差；基于傅里叶变换的谐波检测虽然精
器、变流器、开关电源在工业领域得到大量的应用，这些设
收稿日期：２０１３ — ０３ — １０
确度较高，但动态性能较差阿。目前对谐波检测的研究热点２０１３￣第６期・熏攘攘瓣哦Ｉ６５
ｋ个隐含层节点的阀
层到第ｋ个隐含层节表示隐含层的节点数。
是输入
参数；Ｎ
经元非线性激励函数。பைடு நூலகம்小波变换在时域和频域同时
好的局部化性质；神经网络具有自学习、自适应、鲁
容错性和推广能力，把小波变换与神经网络有机的
２小波基函数的
Ａｂｓｔｒａｃｔ：Ｔｈｅｔｉｍｅ —ｖａｒｙｉｎｇｈａｒｍｏｎｉｃｓｉｇｎａｌｗａｓｄｅｔｅｃｔｅｄｂｙｗａｖｅｌｅｔｎｅｕｒｌａｎｅｔｗｏｒｋａｌｇｏｉｒｔｈｍ．Ｔｈｅｕｓｅ
ｉｉａｒｒ小波在ｆ『０
量来，充分继承两者的优点一实时性和精确性本文
Ｅ线性小波基取代多层神经网络的神经元非线性激女，非线性小波变换具有时频局部特性和变焦特性，层前馈神经网络和小波变换有效互补，达到精确、
实时谐波检测的目的。在ＭＡＴＬＡＢ／ＳＩＭＵＬＩＮＫ环境
ｏｆＨａｒｒｗａｖｅｌｅｔａｐｐｒｏｘｉｍａｔｉｏｎｔｉｍｅ — ｖａｒｙｉｎｇａｍｐｌｉｔｕｄｅａｎｄｐｈａｓｅａｎｇｌｅ；Ｗａｖｅｌｅｔｏｎｔｈｅｓｉｇｎａｌａｄａｐｔｉｖｅｉｔｍｅ —ｆｒｅｑｕｅｎｃｙｃｈａｒａｃｔｅｉｓｒｉｃｔｓｏｆｎｅｕｒｌｎｅａｗｏｔｒｋｉｓｉｎｔｒｏｄｕｃｅｄｔｏｉｍｐｒｏｖｅｓｅｇｍｅｎｔａｔｉｏｎ，ｎｅｕｒｌｎｅａｗｏｔｒｋａｐｐｒｏｘｉｍａｔｉｏｎａｎｄｃｏｎｖｅｒｇｅｎｃｅｐｅｆｏｒｒｍａｎｃｅ；Ｇｉｖｅｎｔｈｅｎｅｗｏｔｒｋｐａｒａｍｅｔｅｒｓｏｆｔｈｅｓｅｌｅｃｔｅｄｓｃｈｅｍｅ；
ｅｎｖｉｒｏｎｍｅｎｔｓｉｍｕｌａｔｉｏｎ．
Ｋｅｙｗｏｒｄｓ：Ｗａｖｅｌｅｔｎｅｕｒａｌｎｅｗｏｔｒｋ，Ｈａｍｏｎｒｉｃｄｅｔｅｃｉｏｔｎ，Ｈａｒｒｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ
ｄｅｔｅｒｍｉｉｎｎｇｔｈｅｎｅｗｏｔｒｋｔｒａｉｎｉｎｇｌｇａｏｒｉｔｈｍ．ｐｒｏｖｉｎｇｔｈｅｆｅａｓｉｂｉｌｉｙｔａｎｄａｃｃｕｒａｃｙｉｎｔｈｅＭＡＴＬＡＢ／ＳＩＭＵＬＩＮＫ