【项目实战-MATLAB】：基于BP神经网络的三相逆变器故障诊断研究

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．