[发明专利]基于多源信号和RBF神经网络的ATRU系统故障分级诊断方法

摘要

本发明公开了一种基于多源信号和RBF神经网络的ATRU系统故障分级诊断方法，涉及故障诊断技术领域。本发明采用的系统特征为ATRU输入电流、输出电压、第二整流桥输入电流。利用输入电流特征进行前级故障诊断，将ATRU故障划分为3个故障子集；建立基于ATRU输入电流特征、输出电压特征、第二整流桥输入电流特征的3个独立RBF神经网络，进行后级故障定位；通过以上两级诊断可完成ATRU不同故障的准确诊断。本发明基于以上3个系统特征，结合电路结构，可达到故障的准确定位，与仅采用输入电流特征或输出电压特征相比，诊断准确率高，抗噪声干扰能力强，诊断效率高。

主权项

1.基于多源信号和RBF神经网络的ATRU系统故障分级诊断方法，其特征在于：利用输入电流、输出电压、第二整流桥输入电流三个系统特征建立基于径向基函数RBF神经网络和该三个系统特征的两级12脉自耦变压整流器ATRU故障诊断模型，开展两级故障诊断方法研究：(1)输入电流特征定义为向量I_in＝[I_a‑ave，I_b‑ave，I_c‑ave]，I_a‑ave，I_b‑ave，I_c‑ave表示变压器输入三相电流平均值，输出电压特征定义为向量U_o＝[U_o‑ave]，U_o‑ave表示输出电压平均值，第二整流桥输入电流特征定义为向量I_s＝[I_max‑as，I_max‑bs，I_max‑cs]，I_max‑as，I_max‑bs，I_max‑cs表示第二整流桥输入三相电流峰值；(2)第一级故障诊断以输入电流特征向量I_in为诊断依据，将ATRU的97种故障分为3个故障子集；针对不同故障子集，进行第二级诊断，针对故障子集1，建立基于第二整流桥输入电流特征向量I_s的RBF神经网络Net1进行故障定位，针对故障子集2，建立基于输入电流特征向量I_in和输出电压特征向量U_o的RBF神经网络Net2进行故障定位，针对故障子集3，建立基于输入电流特征向量I_in的RBF神经网络Net3进行故障定位。