熱門搜索:大學畢業論文 碩士畢業論文 博士畢業論文 碩士英語論文 碩士mba論文 無憂論文網

當前位置:無憂論文網 > 職稱論文 > 碩士電力工程論文 >

基于集成分類的電力電子變流電路故障診斷方法研究

  • 發布日期:2017-04-11
  • 責任編輯:lgg
  • 論文字數:38694
  • 點擊:
  • 論文編號:
  • 論文類型:
  • 論文價格:150
1  緒論
 
1.1  課題研究的背景及意義
電力電子應用技術是一門利用功率開關器件實現不同規格電能轉換的新興技術。1974 年,美國的 W. Newell 用如圖 1.1 所示的倒三角圖形對電力電子學進行描述,認為其是由電力學、電子學和控制理論三個學科交叉而形成的,主要包含微電子、電路、電機學、自動控制等多學科知識[1]。電力電子技術主要分為電力電子器件制造技術和變流技術,其中變流技術是電能變換與控制的核心技術,主要類型有 DC-DC 電路、DC-AC電路、AC-DC 電路、直流調速系統、交流調速系統以及鎳氫電池、配網靜止補償器、VSC-HVDC、混合動力汽車等。 隨著電力電子技術的不斷發展以及電力電子裝置市場的不斷擴大,變流技術在工業、能源、交通、國防等各個領域發揮著越來越重要的作用。據統計,發達國家約有 75%的電能是經過電力電子變流技術后使用的,預計很快將達到 95%以上[2]。由于電力電子變流技術在各個應用領域使用的廣泛性和重要性,使得對這些含有變流電路裝置的可靠性要求越來越高[3]。若不能及時對變流電路發生的故障進行正確診斷和修復,輕則造成波形畸變、系統不穩定,重則直接停機,甚至對設備和人員造成傷害,帶來巨大經濟損失和事故。尤其在航空、國防等對設備可靠性要求很高的應用領域,更需要保證變流電路裝置在發生故障時得到及時準確的診斷。因此,對電力電子變流電路故障提出智能、快速、精準的診斷方法具有十分重要的意義。 電力電子變流電路發生的故障形式大致可歸納為參數型和結構型兩種[4]。其中參數型故障主要是電路元件或支路拓撲參數發生變化,這類故障發生概率小,且可通過完善控制電路性能來有效避免。而結構型故障一般是指器件內部的損壞,包括鋁鍵合引線脫落、鍵合線根部斷裂、鋁金屬化的重建。結構型故障將直接導致器件內部斷路或脈沖丟失,造成器件出現通斷異常。 
.........
 
1.2  國內外故障診斷研究現狀和常用方法 
早期的故障診斷技術由于機器結構單一,只能設計簡單的專家系統或直接通過維修員測量來實現一些簡單的故障檢驗。20 世紀 60 年代,大量學者開始研究故障診斷技術相關理論并逐漸使其形成一門綜合性技術。我國也在上世紀 70 年代末開始對故障診斷技術展開了積極的研究,在故障診斷技術理論方面已接近世界水平[5]。從故障診斷技術層面來看,美國占有領先地位,例如美國機械工程師學會(American Society of Mechanical Engineers,ASME)和美國宇航局(NASA)。歐洲一些工業國家的故障診斷研究和開發也有了廣泛進展,且具有各自的專長和特色,取得了一定的成果[6-8]。從上世紀 80 年代開始,國內各大院校和科研所等積極開展了對故障診斷技術的研究。其中,清華大學、西安交通大學、華中科技大學、哈爾濱工業大學、湖南大學、重慶大學、南京理工大學等高校的研究成果較為先進。如清華大學、北京電力科學研究所與陡河電廠聯合開發的大型汽輪發電機振動監測和故障診斷系統;華中科技大學開發的汽輪機工況監測和診斷系統“KBTGMD”等  [9]。 國內外的應用實踐表明:對于電氣設備的故障診斷,可以通過積極地掌握其運行狀態和電氣參數特性,及時的診斷與動作保護可減少突發性故障帶來的影響,提高設備的安全性和可靠性,從而增加電力系統的經濟效益。由于電力電子設備的自身特點與電力電子器件的不斷更新,狀態監測與故障診斷技術的難度不斷增大。除個別項目外,大部分電力電子變流電路故障診斷方法仍處于研究發展階段[10-11]。 故障診斷的流程如圖 1.2 所示,其中故障診斷方法大致可分為特征提取、信號處理和模式識別三大類。其中,特征提取的故障診斷方法主要是搭建數學模型,包括參數模型法和主元分析法等;信號處理方法主要對功率譜進行分析;模式識別方法主要通過機器學習算法構建分類器,包括貝葉斯、支持向量機和專家系統等優秀方法。 
.........
 
2  電力電子變流電路故障建模與信號提取 
 
2.1  電力電子變流電路故障簡介
電力電子變流電路主要由主電路、控制電路和驅動電路等多個部分組成。其中,主電路起到最重要的作用,對其可靠性的要求也最高。在實際工業調查中,圖 2.1 為電力電子變流電路中各類元件發生故障的概率分布。可以看出,電力電子器件是最容易失效的部件。這些電力電子器件主要包括主電路中各種功率半導體器件,由此針對電力電子主電路中各種功率半導體器件的故障診斷方法研究更具有實際意義。功率半導體器件發生的故障類型分為參數型和結構型兩種。在結構型故障中,結構型開路故障由于不可逆的失效機理會產生最為嚴重的影響,而且其發生的概率具有偶然性和未知性,更需要得到及時準確的診斷。本文選擇三相六脈沖整流電路中晶閘管的開路故障作為故障診斷方法的研究對象。 
.........
 
2.2  三相六脈沖整流電路故障類別編號 
三相橋是目前應用最為廣泛的整流電路,由兩組三相半波整流電路串聯組成。如圖2.2 所示,共陰極組為陰極連接的 3 只晶閘管(T1、T3、T5),共陽極組為陽極連接的 3只晶閘管(T2、T4、T6)。共陰極組輸出電壓是輸入電壓的正半周的包絡線,共陽極組則是輸出負半周的包絡線,總電壓是正、負兩個電壓的串聯值。 根據圖 2.2 中 6 個晶閘管的排列位置,對三相六脈沖整流電路中晶閘管開路故障的故障類別進行編號。考慮到晶閘管可能發生的故障情況,按照 0 只晶閘管故障、1 只晶閘管故障、同相 2 只晶閘管故障、同橋 2 只晶閘管故障以及交叉 2 只晶閘管進行分類,共分為 5 種故障類型。由于 3 只及 3 只以上晶閘管同時發生故障的概率很小,本文不考慮此類故障。如表 2.1 所示,按照故障類型依次對故障類別編號,得到 22 種故障類別。 
...........
 
3   集成學習技術的分析與研究 .... 22 
3.1   集成學習技術簡介 ......... 22 
3.2   經典集成學習算法介紹 ........... 23
3.2.1   Boosting 算法介紹 ........ 23 
3.2.2   Bagging 算法介紹 ......... 24 
3.2.3   Boosting 算法與 Bagging 算法的比較 ....... 25 
3.3   本章小結 ..... 26 
4   基于 BP-Adaboost 分類器的變流電路故障診斷方法 .... 27 
4.1   BP 神經網絡簡介 ........... 27 
4.1.1   人工神經網絡 ...... 27 
4.1.2   BP 神經網絡 ........ 28 
4.2   BP-Adaboost 分類器構建 ........ 29
4.4   本章小結 ..... 42 
5   基于分類間隔改進隨機森林的變流電路故障診斷方法 .......... 43 
5.1   決策樹簡介 ........... 43
5.2   隨機森林模型搭建 ......... 45 
5.3   基于分類間隔改進的隨機森林分類器構建 ......... 50
5.4   算例分析 ..... 55 
5.5   本章小結 ..... 57 
 
5  基于分類間隔改進隨機森林的變流電路故障診斷方法 
 
應用 Bagging 算法生成多個隨機基分類器的思想,提出了基于分類間隔隨機森林分類器的電力電子變流電路故障診斷方法。先將 Bagging 算法與決策樹相結合,通過Bagging 算法隨機生成多棵決策樹構建隨機森林。然后運用分類間隔分析每棵決策樹的診斷分類能力對隨機森林進行改進。根據分類效果的排序刪除分類不佳的決策樹,保留的決策樹具有更好的分類效果,從而構建規模更小但故障診斷能力更高的改進隨機森林,最后根據隨機森林中每棵決策樹投票得到診斷輸出。
 
5.1  決策樹簡介 
決策樹(Decision Tree)表示一類以實例為基礎的歸納學習方法。最早由 Hunt 等人提出的 CLS 算法,以及后來出現的 ID3 方法都得到了廣泛關注和運用。目前,決策樹的主流算法有 C4.5,CART 和 PUBLIC 等[63-64]。其中 ID3 和 C4.5 屬于基于信息熵分裂的決策樹;CART 屬于基于 Gini 指數分裂的決策樹。決策樹的一大優點是可以從無規律、無次序、大量的樣本集中推導出分類規則,也能表示多個 IF—Then 規則。決策樹采用一種“自頂向下、分而治之”的遞歸方式完成生長,常見的決策樹結構如圖 5.1 所示。 決策樹這種自頂向下遞歸方式的實質是將樣本數據從根節點開始排列,通過非葉子節的遞推對樣本進行分類,最終由末端葉子節點表示分類類別結果。決策樹中非葉子節點代表對樣本數據中一個屬性取值的測試,其中“YES”和“NO”代表實例集中的正例和反例,這種分類方式在解決二分類問題上存在優勢。 
.........
 
總結 
 
本文以完善與提升電力電子變流電路開路故障的高效智能診斷方法為目的,針對現有故障診斷方法在非線性、多類別分類問題中存在的不足,深入研究電力電子變流電路開路故障診斷方法,提出兩種切實可行的優化診斷方法以實現對故障的高效診斷。本文主要工作如下: 
(1)電力電子變流電路故障建模與信號提取。 以三相六脈沖整流電路中的晶閘管開路故障為研究對象,以此為基礎完成故障建模并實現軟件仿真模擬及實驗模擬。對軟件仿真模擬得到的故障波形經采樣提取訓練樣本數據,對訓練數據進行加噪處理得到仿真測試數據;而后,通過實驗平臺的搭建實現實驗測試數據的提取。樣本數據和測試數據的有效提取為后續診斷方法的實現與對比奠定良好基礎。 
(2)提出一種基于 BP-Adaboost 強分類器的變流電路故障診斷方法。 將單一 BP 神經網絡視為弱分類器,利用 Adaboost 算法對 BP 神經網絡進行迭代優化,生成五個帶權重的弱分類器組成的強分類器。結合 Adaboost 算法與 BP 神經網絡的故障診斷方法不僅有效降低了 BP 神經網絡在故障診斷中易陷入過擬合的可能性,而且對比單一 BP 神經網絡分類器具有更高的泛化能力與分類能力。仿真和實驗測試數據證明了該故障診斷方法具有泛化能力強、正確診斷率高的優點。 
(3)提出一種基于分類間隔改進隨機森林的變流電路故障診斷方法。 通過計算決策樹在隨機森林中分類間隔的度量值來衡量決策樹的分類效果,刪除分類效果欠佳的決策樹以形成規模更小、分類效果更好的隨機森林分類器。最后,利用仿真和實驗測試數據證明了該故障診斷方法診斷速率快、抗噪能力強及正確診斷率高的優點。 
.........
參考文獻(略)
發布寫論文需求
發布發表需求
發布發表轉讓

無憂論文網 網站公告

[無憂論文網]是專業論文寫作潤色及發表論文網站,提供論文精簡,論文寫作,專業輔導寫職稱論文,專業輔導寫畢業論文,專業輔導寫留學生論文等。
100%品質,100%通過,是您寫作的理想合作網站。我們的客戶風雨同舟,幫廣大客戶解決各類寫作和發表難題。

新疆时时开奖历史记录