[发明专利]基于天牛须优化深度置信网络算法的电力电子电路故障诊断方法

权利要求书

1.一种基于天牛须优化深度置信网络算法的电力电子电路故障诊断方法，其特征在于,包括以下步骤：

1）采集三相PWM整流器在不同开关器件开路故障模式下的直流侧母线输出电流信号，作为原始数据集；

2）利用经验模态分解提取不同开关器件开路故障模式下的输出电流信号的本征模态函数分量，并计算每阶分量的包括时域、频域和能量的电力电子电路故障特征，构造原始故障特征集；

3）通过极端树算法计算各个原始故障特征的重要性，进行故障特征选择，以去除原始故障特征集中的冗余和干扰特征，并进行归一化处理，作为故障特征集，并将故障特征集按照特定比例分为训练集和测试集；

4）采用深度信念网络作为分类器，利用天牛须算法优化深度信念网络的结构，得到隐含层单元数目，并设定网络的输入层、隐藏层和输出层的节点个数；

5)利用训练集训练优化后的深度信念网络，再利用测试集进行验证得到故障识别结果。

2.根据权利要求1所述的基于天牛须优化深度置信网络算法的电力电子电路故障诊断方法，其特征在于，步骤2）中，各个本征模态函数分量分别包含了电流信号不同时间特征尺度大小的成份，残余分量代表电流信号的平均趋势，反映电力电子电路故障的特征信息。

3.根据权利要求1所述的基于天牛须优化深度置信网络算法的电力电子电路故障诊断方法，其特征在于，步骤3）中的极端树算法具体通过基尼指数计算决策树节点的纯度来衡量特征重要性。

4.根据权利要求1所述的基于天牛须优化深度置信网络算法的电力电子电路故障诊断方法，其特征在于，经过筛选后的故障特征集具体包括能量、复杂度、均值、均方根值、标准差、偏度、峰度、波形指标、裕度指标、脉冲指标、峰值指标、峭度指标、重心频率、均方频率、均方根频率、频率方差、频率标准差。

5.根据权利要求1所述的基于天牛须优化深度置信网络算法的电力电子电路故障诊断方法，其特征在于，深度信念网络由多个受限玻尔兹曼机堆叠而成，独立的受限玻尔兹曼机个体由两层神经元构成，包括显层神经元和隐层神经元，显层神经元用于接收输入，隐层神经元用于提取特征。

6.一种基于天牛须优化深度置信网络算法的电力电子电路故障诊断系统，其特征在于，包括：

原始数据集采集模块，用于采集三相PWM整流器在不同开关器件开路故障模式下的直流侧母线输出电流信号，作为原始数据集；

原始故障特征集构造模块，用于利用经验模态分解提取不同开关器件开路故障模式下的输出电流信号的本征模态函数分量，并计算每阶分量的包括时域、频域和能量的电力电子电路故障特征，构造原始故障特征集；

故障特征集筛选模块，用于通过极端树算法计算各个原始故障特征的重要性，进行故障特征选择，以去除原始故障特征集中的冗余和干扰特征，并进行归一化处理，作为故障特征集，并将故障特征集按照特定比例分为训练集和测试集；

深度信念网络构建模块，用于采用深度信念网络作为分类器，利用天牛须算法优化深度信念网络的结构，得到隐含层单元数目，并设定网络的输入层、隐藏层和输出层的节点个数；

训练测试模块，用于利用训练集训练优化后的深度信念网络，再利用测试集进行验证得到故障识别结果。

7.根据权利要求6所述的基于天牛须优化深度置信网络算法的电力电子电路故障诊断系统，其特征在于，经过筛选后的故障特征集具体包括能量、复杂度、均值、均方根值、标准差、偏度、峰度、波形指标、裕度指标、脉冲指标、峰值指标、峭度指标、重心频率、均方频率、均方根频率、频率方差、频率标准差。

8.一种计算机程序存储介质，其特征在于，其计算机程序可被处理器执行，该计算机程序执行如权利要求1-5中任一项所述的多基于天牛须优化深度置信网络算法的电力电子电路故障诊断方法。