标签：逆变器 故障诊断 神经网络 BP f% net MATLAB
基于BP神经网络的三相逆变器故障诊断研究
下载链接：https://download.csdn.net/download/qq_45047246/63961644?spm=1001.2014.3001.5503
摘要：针对三相桥式逆变电路为研究对象，建立了仿真模型，并对逆变器主电路开关器件的开路故障进行仿
真，提出了基于BP神经网络的故障诊断方法，确定了网络的结构和参数，并以此训练网络．仿真试验结果表明，
该神经网络具有很好的故障识别能力，所选择的基于BP神经网络的三相逆变器故障诊断系统是可行的．
关键词：三相逆变器；MATLAB；BP神经网路；故障诊断
SIMULINK模型搭建
序号
1 T1
2 T2
3 T3
4 T4
5 T5
6 T6
1
2
3
4
5
6
BP神经网络
BP网络是一种多层前馈型神经网络，它不是一种特定的神经网络结构的名称，而是一种学习算法，即误差反向传播．
BP神经网络通常有1个或多个隐层，图1所示是一个典型的BP网络拓扑结构图，由输入层、2个隐层和输出层组成，学习算法是误差反向传播算法．
clc;
clear;
load('irisdata.mat');
%读取训练数据
%[f1,f2,f3,f4,class] = textread('trainData.txt' , '%f%f%f%f%f',150);
f1=[setosa(:,1);versicolour(:,1);virginica(:,1)];
f2=[setosa(:,2);versicolour(:,2);virginica(:,2)];
f3=[setosa(:,3);versicolour(:,3);virginica(:,3)];
f4=[setosa(:,4);versicolour(:,4);virginica(:,4)];
class=[ones(50,1);ones(50,1)*2;ones(50,1)*3];
p= [f1 , f2 , f3 , f4 ]';
%特征值归一化
[input,minI,maxI] = premnmx( [f1 , f2 , f3 , f4 ]') ;
%构造输出矩阵
s = length( class) ;
output = zeros( s , 3 ) ;
for i = 1 : s
output( i , class( i ) ) = 1 ;
end
%创建神经网络
net = newff( minmax(input) , [10 3] ); %, { 'logsig' 'purelin' } , 'traingdx' ) ;
%设置训练参数
net.trainparam.show = 50 ;
net.trainparam.epochs = 500 ;
net.trainparam.goal = 0.01 ;
net.trainParam.lr = 0.01 ;
%开始训练
net = train( net, input , output' ) ;
%读取测试数据
% [t1 t2 t3 t4 c] = textread('testData.txt' , '%f%f%f%f%f',150);
t1=f1;
t2=f2;
t3=f3;
t4=f4;
c=class;
%测试数据归一化
testInput = tramnmx ( [t1,t2,t3,t4]' , minI, maxI ) ;
%仿真
Y = sim( net , testInput ) ;
%统计识别正确率
[s1 , s2] = size( Y ) ;
hitNum = 0 ;
for i = 1 : s2
[m , Index] = max( Y( : , i ) ) ;
if( Index == c(i) )
hitNum = hitNum + 1 ;
end
end
sprintf('识别率是 %3.3f%%',100 * hitNum / s2 )
结语
介绍了一种采用BP神经网络进行三相逆变器电路进行故障诊断的方法，仿真试验的结果表明文中所采用的方法具有很高的正确率，采用BP神经网络可以满足故障诊断的要求．该方法同样适用于其他电力电子电路的故障诊断．
标签：逆变器,故障诊断,神经网络,BP,f%,net,MATLAB 来源： https://blog.csdn.net/qq_45047246/article/details/122266964
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。