[发明专利]一种基于高阶神经网络的Buck变换器的故障诊断方法

说明书

本发明公开了基于高阶神经网络的Buck变换器的故障诊断方法，属于电力变换器故障诊断领域。该方法包括采集Buck变换器的运行数据；根据运行数据获取高阶神经网络的训练样本；建立Buck变换器的工作模式与高阶神经网络的输出数据的映射关系；利用训练样本训练高阶神经网络；将待检测时刻Buck变换器的电感电流和输出电压输入训练后的高阶神经网络得到待检测时刻的输出数据；根据Buck变换器的工作模式与高阶神经网络的输出数据之间的映射关系，获取待检测时刻的Buck的变换器工作模式；解决了BP神经网络进行故障诊断时网络层数难以确定、网络训练速度慢的问题；达到了提高Buck变换器故障诊断的实时性和实用性的效果。

技术领域

本发明实施例涉及电力变换器故障诊断领域，特别涉及一种基于高阶神经网络的Buck变换器的故障诊断方法。

背景技术

Buck变换器是一种常用的电力变换器，因其具有高效率、低噪声等一系列优点，在工业、新能源、农业等领域都有着重要的应用。为了保证Buck变换器所在系统能够正常工作，需要对Buck变换器进行故障故障诊断。

电力变换器的故障诊断方法主要包括基于解析模型的故障诊断方法、基于知识的故障诊断方法、基于信号处理的故障诊断方法。基于神经网络的故障诊断方法是一种基于知识的故障诊断方法。基于神经网络的故障诊断方法无需建立精确的数学模型，克服了电力变换器建模困难的问题，在电力变换器故障诊断领域有着广泛的应用。BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络，具有非线性映射和良好的容错能力，但是基于BP神经网络的故障诊断方法存在容易陷入局部最小值、网络层数难以确定、网络训练速度慢等问题。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种基于高阶神经网络的Buck变换器的故障诊断方法。该技术方案如下：

第一方面，提供了一种基于高阶神经网络的Buck变换器的故障诊断方法，该方法包括：

采集Buck变换器在6种工作模式下的运行数据；运行数据包括Buck变换器运行时的电感电流、输出电压；

根据运行数据获取高阶神经网络的训练样本，训练样本包括工作模式及工作模式对应的电感电流、输出电压；

建立Buck变换器的工作模式与高阶神经网络的输出数据之间的映射关系；

利用训练样本训练高阶神经网络，高阶神经网络的输入数据为Buck变换器运行时的电感电流、输出电压；

将待检测时刻Buck变换器的电感电流和输出电压输入经过训练后的高阶神经网络，得到待检测时刻的高阶神经网络的输出数据；

根据Buck变换器的工作模式与高阶神经网络的输出数据之间的映射关系，获取待检测时刻的高阶神经网络的输出数据对应的Buck的变换器工作模式，Buck变换器的工作模式用于指示Buck变换器是否出现故障；

其中，高阶神经网络的输出数据为：

y_M(t)表示t时刻高阶神经网络输出层的第M个节点的输出数据，g(·)表示求积层神经元的活化函数，f(·)表示求和层神经元的活化函数，x_i(t)表示t时刻高阶神经网络的第i个输入数据，表示求和层与输出层的连接权值，表示输入层与求和层的连接权值，M＝1，2，3。

可选的，利用训练样本训练高阶神经网络，包括：

初始化设置高阶神经网络，高阶神经网络包括2个求和神经元、3个求积神经元；

在第k次训练中，将第k次训练的输入数据输入高阶神经网络，得到高阶神经网络的实际输出数据；