胡國(guó)喜

（河南省工業(yè)科技學(xué)校，河南 新鄉(xiāng) 453000）

0 引 言

隨著電力電子領(lǐng)域技術(shù)的快速發(fā)展，相應(yīng)電路的診斷方式也逐漸向自動(dòng)化和智能化方向演變。傳統(tǒng)診斷方式的缺陷較多，需要等設(shè)備已經(jīng)損壞再實(shí)施維修工作，并且需要定期對(duì)設(shè)備進(jìn)行檢驗(yàn)維護(hù)。由于這兩方面的不足，導(dǎo)致相關(guān)企業(yè)的經(jīng)濟(jì)損失、人員的人身傷害。因此，電力電子電路的診斷向智能化發(fā)展是該領(lǐng)域發(fā)展的必然趨勢(shì)和時(shí)代選擇[1]。其中，小波演變有著較高的時(shí)域區(qū)域性，因噪聲導(dǎo)致誤報(bào)率相對(duì)較高；支持向量機(jī)（Support Vector Machine）雖然具有較好的實(shí)用性，但是僅適合小樣本診斷，如果樣本數(shù)量過多，正確率將受到負(fù)面影響；AEMA（Auto Regression Moving Average，ARMA）譜估計(jì)方式，雖然診斷率良好、適用性較強(qiáng)，但是仍然局限于時(shí)域中[2]。本文充分利用現(xiàn)代化BP神經(jīng)網(wǎng)絡(luò)，對(duì)電力電子電路基本故障進(jìn)行有效分析和處理分類，繼而實(shí)現(xiàn)快速精準(zhǔn)挖掘故障并實(shí)施深度處理的功能[3]。依照BP神經(jīng)網(wǎng)絡(luò)基本工作原理，綜合研究以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的智能化電力電子電路故障提取方式，將該方式有效利用在三相整流電路相關(guān)的故障檢測(cè)診斷中，具有可視性、簡(jiǎn)單化、診斷效率質(zhì)量較高的優(yōu)勢(shì)。此外，該方法還具有大幅度普適性，適用于多種類電力電子電路產(chǎn)品診斷。

1 整流電路基本故障解析

1.1 故障模式

立足于三相橋型電力電子電路診斷，在全時(shí)間段內(nèi)的某一隨機(jī)時(shí)刻，均具有兩個(gè)晶閘管共同通導(dǎo)，組成電流基本回路架構(gòu)。其中每間隔π/3進(jìn)行換相操作一次，換相過程始終保持在共陽/陰極之間來回進(jìn)行，該管的通導(dǎo)順序?yàn)镵T1→KT2→KT3→KT4→KT5→KT6。整流橋輸出方向電壓ud為測(cè)試點(diǎn)，能夠有效反饋電路運(yùn)行狀態(tài)；電壓電流測(cè)試相對(duì)容易，不進(jìn)行詳細(xì)描述。因此，本文僅將ud作為分析處理基本點(diǎn)。

電路運(yùn)行表明，大部分故障呈現(xiàn)晶閘管損傷，并以晶閘管短路較為普遍，因此對(duì)該部分進(jìn)行分析。

有且最多只有兩個(gè)晶閘管產(chǎn)生損壞現(xiàn)象，因此其中包括兩個(gè)全部損壞或一個(gè)正常運(yùn)行一個(gè)已經(jīng)損壞的情況。故障A：每個(gè)晶閘管均狀態(tài)良好，能夠正常運(yùn)行。故障B：有一個(gè)晶閘管出現(xiàn)問題，也就是KT1、KT2、KT3、KT4、KT5、KT6中的一個(gè)損壞。

故障C：有兩個(gè)晶閘管出現(xiàn)問題，也就是KT1、KT2、KT3、KT4、KT5、KT6中的任意兩個(gè)組合發(fā)生損壞。

經(jīng)過分析不難發(fā)現(xiàn)，該部分故障種類大致有5種，每種均含有6個(gè)子級(jí)類型。即以6位標(biāo)號(hào)方式便能夠融括全部電路故障類別。

1.2 故障分析

對(duì)三相橋型電流進(jìn)行模擬仿真，如圖1所示。利用仿真模型得出故障電壓ud波形。

圖1 三相橋型電流進(jìn)行模擬仿真圖

圖2為無故障電路輸出圖，圖3為故障電路輸出圖，其屬性是當(dāng)出發(fā)點(diǎn)A發(fā)生改變時(shí)，波形將隨之發(fā)生改變。

圖2 無故障電路輸出圖

圖3 故障電路輸出圖

2 立足于BP神經(jīng)網(wǎng)絡(luò)的智能化電力電子電路故障診斷

2.1 故障診斷

BP神經(jīng)網(wǎng)絡(luò)技術(shù)誕生于20世紀(jì)90年代，是一種依照誤差方向傳導(dǎo)基礎(chǔ)算法訓(xùn)練的全方位、多層次前饋智能網(wǎng)絡(luò)，是現(xiàn)階段應(yīng)用最為普遍的神經(jīng)網(wǎng)絡(luò)技術(shù)之一。BP網(wǎng)絡(luò)能夠有效學(xué)習(xí)與存儲(chǔ)輸出和輸入映射關(guān)系，不需要提前展現(xiàn)相關(guān)數(shù)學(xué)方程[4]。

BP神經(jīng)網(wǎng)絡(luò)和現(xiàn)階段較為流行的其他類型神經(jīng)網(wǎng)絡(luò)有所區(qū)別，并主要體現(xiàn)在隱含層中。對(duì)于具有兩個(gè)甚至更多隱含層的神經(jīng)網(wǎng)絡(luò)，其激活函數(shù)功能是一種二次性質(zhì)的重疊函數(shù)[5]。因該模型較為穩(wěn)定，所以相對(duì)于線性區(qū)別更加準(zhǔn)確可靠，魯棒性質(zhì)也更加明顯優(yōu)異。此外，因激活函數(shù)具有可微性和連貫性，所以可以用梯度方式實(shí)施修正公式的計(jì)算工作，以反向傳導(dǎo)方式予以驗(yàn)證。

在實(shí)施正式網(wǎng)絡(luò)訓(xùn)練前，必須對(duì)網(wǎng)絡(luò)結(jié)構(gòu)加以確立。在此期間，選用BP神經(jīng)網(wǎng)絡(luò)，基本層數(shù)為5層。其中故障種類代碼數(shù)位決定輸出層點(diǎn)位數(shù)量，即輸出節(jié)點(diǎn)等于6；由于隱層特殊性質(zhì)，隱層節(jié)點(diǎn)不具有固定規(guī)律，盡可以利用不斷試驗(yàn)加以改進(jìn)。在選擇隱層節(jié)點(diǎn)的過程中，當(dāng)節(jié)點(diǎn)為9時(shí)較為理想。此處，在A=0°和A=30°時(shí)，全部故障類型作為訓(xùn)練標(biāo)本（見表1），其中前10組數(shù)據(jù)訓(xùn)練，后5組數(shù)據(jù)測(cè)試，訓(xùn)練誤差（見圖4）。

圖4 訓(xùn)練誤差

表1 訓(xùn)練樣本數(shù)據(jù)表

2.2 故障驗(yàn)證

在故障檢測(cè)時(shí)期，首先選擇表1中后5組為輸入，進(jìn)行事實(shí)驗(yàn)證。然后將該5組數(shù)據(jù)送入訓(xùn)練完成的BP神經(jīng)網(wǎng)絡(luò)中，經(jīng)過處理再與后5組進(jìn)行對(duì)比，得出真實(shí)結(jié)果。

3 結(jié) 論

本文提出基于BP神經(jīng)網(wǎng)絡(luò)的智能化電力電子電路故障檢測(cè)方式，與其他傳統(tǒng)檢測(cè)方式對(duì)比，具有更高的檢測(cè)質(zhì)量和效率，并且適用范圍廣闊、穩(wěn)定性可靠性較強(qiáng)。