[发明专利]基于集成学习的电力电子开关器件网络故障诊断方法

摘要

基于集成学习的电力电子开关器件网络故障诊断方法，包括以下步骤：(1)采集电力电子电路在不同开关器件故障模式下的输出电压或电流信号向量集{V_n^q}，n＝1,2,…,N；(2)利用主成分分析从信号向量V_n^q中提取故障模式F_q下的归一化故障特征向量，根据归一化故障特征向量得到归一化故障特征向量集(3)用归一化故障特征向量集依次训练k个神经网络基元分类器，设定神经网络基元分类器个数上限K＝50和系统误差阈值e₀；(4)针对待测电路重复步骤(1)(2)，得待测故障特征向量V^*，将其分别接入训练好的k个神经网络基元分类器，并利用集成学习方法得到集成识别结果。本发明可避免单一神经网络的过学习和陷入局部最小值的缺陷，提高神经网络基元分类器的分类精度。

主权项

一种基于集成学习的电力电子开关器件网络故障诊断方法，其特征在于，包括以下步骤：(1)采集电力电子电路在不同开关器件故障模式下的输出电压或电流信号向量集{V_n^q}，n＝1,2,…,N，其中V_n^q＝(v_n，1,v_n，2,...,v_n，M)^T表示在故障模式F_q下的信号向量，符号(·)^T表示转置，M表示信号向量的维数，N表示信号向量的个数；(2)利用主成分分析从信号向量V_n^q中提取故障模式F_q下的归一化故障特征向量R表示归一化故障特征向量的维数，N表示信号向量的个数，也即归一化故障特征向量的个数；根据归一化故障特征向量得到归一化故障特征向量集(3)用归一化故障特征向量集依次训练k个神经网络基元分类器，设定神经网络基元分类器个数上限K＝50和系统误差阈值e₀；(4)针对待测电路重复步骤(1)(2)，得待测故障特征向量V^*，将其分别接入训练好的k个神经网络基元分类器，并利用集成学习方法得到集成识别结果。