基于优化神经网络的三相全控整流电路故障诊断

3 三相桥式全控整流电路的故障诊断
图5所示为三相桥式全控整流电路原理图。考虑到实际系统运行时出现故障的情况，同时为简化分析过程，假定整流电路晶闸管故障分为单管故障或两支管子同时故障共22种，要使神经网络能区分所有的故障，必须对这些故障类型进行编码，用六位编码表示，也就是神经网络的输出。每位编码对应一个晶闸管，所有晶闸管均正常时对应编码为000000。

以A相电压正向过零处为基准，对控制角从0～120°每隔7．5°依次对22种故障状态下的输出电压ud进行一个周期(20 ms)的数据采集，采集到的数据个数为50个，以此组成训练样本，共有22×17=374个样本。用同样的方法对控制角从6．5～113．5°每隔10．7°对ud进行采样，以获得测试样本。根据主成分分析特征提取的算法对训练和测试样本进行故障特征提取，获取的新样本从50维降为10维，大大减少了神经网络的计算量，改善了网络的复杂程度。
本文运用Matlab工具箱，采用自适应递阶遗传算法对神经网络进行了优化。得到了神经网络的最简结构(隐含层神经元个数m=14)和最优的权值、阈值。优化后的神经网络训练误差曲线如图6所示。

采用测试样本数据对所训练好的BP神经网络进行仿真验证，分别选用负载变化、输入电压变化得到的特征向量数据去验证已建立的BP神经网络，故障诊断正确率达到97．67％，并且故障诊断有误都发生在负载和输入电压同时变化时。

4 结论
本文将一种自适应递阶遗传算法应用于神经网络的优化，解决了以往神经网络结构、权值、阈值同时优化效率不高的难题。通过仿真实验，证明了算法的准确性和实用性，并将优化的神经网络用于三相桥式全控整流电路的故障诊断，得到了令人满意的结果。