近年来人工神经网络的理论与实践迅速发展, 它是科学家们从不同角度不断探索形成的一个多学科交叉的技术领域。从技术角度来说, 任何单一的故障诊断方法都有其优点和缺点, 为了提高故障诊断的效率, 产生了模糊神经网络、神经网络专家系统、神经网络与其它智能方法相结合的混合诊断方法, 较好地解决了故障诊断中的一些问题。
前馈型神经网络, 又称前向网络, 因其结构简单, 易于编程, 具有比反馈网络优异的分类和模式识别的能力, 被广泛应用于各种故障诊断模型中。BP神经网络是前馈型神经网络中非常重要的一种模型, 但是它存在收敛速度慢、容易陷于局部极小点等问题, 因此有必要对BP神经网络进行改进。
免疫算法是模拟自然免疫系统功能的一种新的智能方法, 在函数优化、人工神经网络设计等领域已经获得了成功的应用。免疫算法和神经网络都是受生物系统中的信息处理方式启发而建立的, 它们在数据处理方式产品与应用上有很多相同点, 从而可以相互结合, 探索出人工免疫和BP神经网络的混合算法[1]。文中以三相整流电路的故障模式识别为例, 研究免疫算法和BP神经网络的混合算法在故障诊断方面的应用。
1 基于免疫网络的故障诊断研究
现用IM-BP神经网络算法诊断电力电子电路故障。电力电子电路发生故障时, 测量点电压的值及波形都会变化。以电力电子电路常见的三相整流电路为例, 讨论电路发生故障的21种可能性: (1) 单故障:即电路中一个晶闸管单独发生故障; (2) 双故障:即电路中两只晶闸管同时发生故障;分为 (1) 同相不同组 (如V1和V4) ; (2) 同组不同相 (如V1和V3, V2和V4) ; (3) 不同组不同相 (如V1和V2, V4和V5) 。 (3) 通常三个晶闸管同时发生故障的属于小概率事件, 本文不予考虑。
通过Similink软件对工频100V三相桥式整流电路模拟仿真上述各种故障, 并在一周期内每隔一定时间对输出电压值采样, 其数据作为神经网络的训练样本集。三相电流电路原理图如图1所示。神经网络的输入节点数为20, 对应一个周期的电压信号的20个采样值, 输出结点数为6。即将期望输出向量编码为6位行向量, 对应的晶闸管故障则标记为1, 正常工作则为0, 可知无故障时的期望输出向量为[0, 0, 0, 0, 0, 0], 以此类推。神经网络的隐层节点数nl取12, 网络结构为 (20-12-6) 。神经网络的学习率η取0.8, 交叉操作比例因子α取0.5, 误差准确度为10-4。优化神经网络权值的免疫算法中的最大优化代数Tmax取500。
现对于各种故障 (其中包括正常情况) 所采集的数据, 采用相对于最大最小值之差的方法进行数据归一化处理后, 作为IM-BP神经网络的学习样本。
经过训练后, IM-BP神经网络权值训练的误差-迭代次数曲线如图2所示。
如图3所示是使用传统BP算法进行神经网络权值训练时某次陷入局部极值的误差曲线, 输入节点数、输出节点数、学习率和惯性因子的取值同上面的IM-BP算法。对两种方法所示的误差曲线比较, IM-BP神经网络收敛速度较平缓, 而传统BP神经网络算法明显在0.18左右陷入局部极值, 并且在1700次左右才开始跳出极值。
现在对传统BP神经网络算法和IM-BP神经网络算法进行比较分析, 如果传统BP神经网络算法未陷入局部极值的话, 权值训练的速度, 要大于免疫神经训练权值的速度, 因为免疫算法全局优化网络权值还需要一定的时间, 但是一旦陷入局部极小值, 将大大减慢算法的运行速度, 而IM-BP神经网络由于其具有的全局收敛特性, 能够改善传统BP算法陷入局部极小值的缺点同时也加快了算法的收敛速度。
现在对图1所示三相整流电路进行故障仿真, 设晶闸管V1和V3;V3和V4;V4和V5分别发生断路故障, 在相同的触发角下进行数据采样, 再采用相对于最大最小值之差的方法进行数据归一化处理, 分别输入已经训练好的IM-BP神经网络进行诊断。
由表1所示可以知道, 断路晶闸管对应的节点输出值全部在0.96以上, 其它正常工作晶闸管对应的节点输出值除了诊断二的输出节点5为0.0853外, 其它节点的输出值都很小, 对比非常明显, 可以准确判断出故障晶闸管的位置。
2 结语
文中针对传统BP算法容易陷入局部极小点的问题, 设计了一种基于免疫神经网络的故障诊断方法, 在网络权值调整的过程中引入了免疫算法的思想, 提出了免疫算法全局优化网络权值的算法, 最后以三相整流电路为对象进行了免疫神经网络故障诊断研究, 并与传统BP神经网络诊断方法进行比较分析, 表明免疫神经网络故障诊断方法利用免疫算法的全局收敛特性能够避免陷入局部极小值的现象, 并且在一定程度上加快了算法的运行速度。
摘要：免疫算法是模拟自然免疫系统功能的一种新的智能方法, 在函数优化、人工神经网络设计等领域已经获得了成功的应用。本文对基于免疫网络的故障诊断进行了研究。
关键词：免疫算法,电力电子电路故障
参考文献
[1] 梁新荣, 刘智勇, 毛宗源.人工免疫系统研究及其工程应用[J].计算机应用与软件, 2005, 22 (8) :19～22.
[2] 陈强, 李湘萍, 谢闯.基于人工免疫的故障检测及诊断模型[J].南方冶金学院学报, 2005, 26 (3) :31～37.
【基于免疫神经网络的电力电子电路故障诊断】相关文章：
量子神经网络的电力电子电路故障诊断分析01-21
基于BP神经网络的故障诊断09-11
基于Pspice仿真的模拟电路软故障诊断09-12
基于人工免疫系统的GIS故障监测研究09-12
高压电力电缆的故障及诊断处理分析09-12
基于数据挖掘的人力资源故障诊断技术09-27
电力系统的状态监测与故障诊断技术探讨01-19
网络控制系统的结构与故障诊断09-11