探究電力電子電路多源特征層融合故障診斷方法

李志偉

【摘要】在電力電子電力診斷過程中，可以利用多源信息特征層融合的診斷方法。融合對象為待測電路的節點電壓和重要支路電流，利用小波變換和主成分分析等方式，可以預處理數據，也可以提取數據的特征，利用神經玩過的推理分類作用，確定故障診斷結果。本文主要論述了電力電子電路多源特征層融合故障診斷方法，保證電路診斷率極大的提升。

【關鍵詞】電力電子電路 多源特征層融合 故障診斷 診斷方法

診斷需的信息反饋具有模糊性和不確定性，診斷單一對象的某個方面，無法將對象的整體狀態反映出來。在實際診斷過程中，需要考慮到設備運行環境和自身機構的復雜性。而利用單一的傳感器也無法將整個設備的運行狀態信息表現出來，因此需要組合運用多個傳感器，實時檢測和診斷設備。利用多源特征層融合故障診斷方法可以保障診療效果，獲得更佳的處理效果。

1.概述多源特征層融合故障診斷方法

在上世紀80年代已經開始利用多源特征層融合故障診斷方法，在1995年開始真正的合并利用信息融合和故障診斷。后來相關研究人員不斷增加，人們開始關注多源特征層融合故障診斷。對于這類研究，更多的是關注融合算法和結構，根據融合結構包括多級信息和層次結構信息以及組合神經網絡等方面的診斷。在融合算法角度，融合故障診斷包括貝葉斯理論和模糊集理論等。在傳播推進系統和電力系統當中廣泛利用多源信息融合故障診斷法，經常利用的包括發電機組和燃油發動機以及液壓系統等。在實際利用的時候，利用小波變換和故障主成分分析等方法，優化電力電子電路系統的時候可以選擇更多的途徑，提高人們生產和生活的高效性和便捷性，可以安全應用各種設備。

2.多源特征層融合故障診斷方法的具體操作

2.1小波變換

小波變換在時頻域可以將信號的局部特征表現出來，在低頻當中，頻率分辨率比較高，而時間分辨率比較高。在高頻部位，如果時間分辨率比較高，而頻率分辨率卻比較高，利用小波分級的方式可以使特征矢量的維數由此極大的減少。

在變換正交小波的過程中，因此每次只是分解低頻部分，而小波變換的時候，需要分解低頻和高頻的部分，因此每個小波包的信息的頻率帶都是特定的。在提取故障特征的時候，要準確選擇小波分解層數，如果具有較少的分解層數，那么故障層數就無法被有效的提取，如果過多，就會增大特征的向量維數，降低診斷速度。

2.2分析故障主成分

故障主成分分析法也被叫作是PCA，在統計學當中廣泛利用線性變換法，利用基本設計理念，可以整合很多相關性指標數據，建立新的綜合性指標，各個指標之間不能存在關聯，這樣才可以對于原來的相關性指標起到替代作用。利用故障主成分分析法提取本集的主元，使樣本維數由此降低，還是進行最優壓縮。優化主成分分析法當中的特征降維法，可以使分類器的測試速度和分類速度不斷提升，與此同時樣本的實際分布特點不會因此發生改變，樣本各類數據信息可以得到保證。特征向量經過小波變換之后，維數通常都比較高，各個分量的關聯性比較強，導致數據信息當中具有很多信息冗余的問題，這樣不利于分類故障。利用主成分分析法，可以將冗余徹底消除，使信息特征矢量維數由此降低。

2.3熱證融合

通過主成分分析之后，可以獲取電壓特征矢量和電流特征矢量，對于電壓和電流信息利用小波包的變換分解，每個小波包具有針對性的頻率樣本信息，可以逐個對應相同小波包頻率帶的電壓和電流，使電壓信息和電流信息的互補性由此提升，可以采取間隔交叉方式試驗特征層的融合情況。

2_4利用神經網絡分類器

在故障診斷的時候，比較廣泛應用多層傳感器的反響傳播算法，也被稱作是BP網絡。但是BP網絡收斂速度比較慢，很難確定隱層和隱形節點的個數。因此在故障診斷過程中，不斷優化和改良BP網絡，當今已經開始利用改進型的BP網絡，也就是神經網絡，利用各層的BP網絡拓撲結構構件神經網絡，利用函數方面，隱層神經函數通常I青況下采取tan sigm-oid函數，輸出層利用log-hgmoid函數。函數trainbpx通過動量法和學習率的自使用調整策略，使學習速度不斷提升，同時也可以獲得更加可靠的算法。

對應神經網絡輸入層節點數量和輸入特征向量維數，利用N表示出來，對應輸出層節點數和故障模式數目，利用M表示出來，隱層神經元數目的計算公式為：N+M+a（a=1～10），如果無法滿足網絡訓練的要求，就要是隱層神經元樹木逐個減少或者逐個增加，通過計算確定準確的隱層神經元個數。

3.多源特征層融合故障診斷結果分析

多源特征層融合故障診斷結果更加準確，通過對比分析，利用多源特征層融合故障診斷方法之后，可以明顯降低故障誤診率，同時也可以極大的故障準確率。這是因為多源特征層融合之后，各個信源的信息可以相互補償，使診斷系統信息準確性極大程度的提高，保證系統信息更加精確。

信息融合對象關系到到診斷結果，因此利用多源特征層融合故障診斷方法的時候需要選擇合適的融合對象，保障診斷效果的準確性。根據待測電路工作原理，選擇合適的融合對象，要盡可能的包括各種故障特征信息。

結束語：

多源特征層融合故障診斷方法近些年不斷優化，但是還是存在一些問題，因此在未來發揮在那過程中，需要融合智能化的數據信息技術，提高融合算法的便捷性，保證融合結果評價的準確性，使故障診斷率得到更大程度的提高。