[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

摘要

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。

主权项

1.一种基于高阶神经网络的Buck变换器的故障诊断方法，其特征在于，所述方法包括：采集Buck变换器在6种工作模式下的运行数据；所述运行数据包括Buck变换器运行时的电感电流、输出电压；根据所述运行数据获取高阶神经网络的训练样本，所述训练样本包括工作模式及所述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；利用所述训练样本训练高阶神经网络，所述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；根据所述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；所述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。