資源描述:
《基于量子神經(jīng)網(wǎng)絡(luò)的電力電子電路故障診斷》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于量子神經(jīng)網(wǎng)絡(luò)的電力電子電路故障診斷 量子神經(jīng)網(wǎng)絡(luò)就是將量子力學(xué)的思想引入到神經(jīng)網(wǎng)絡(luò)的研究之中,與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比,量子神經(jīng)網(wǎng)絡(luò)的并行處理能力更強,數(shù)據(jù)集的處理更加高效快速,本文主要就基于量子神經(jīng)網(wǎng)絡(luò)的電力電子電路故障診斷方法進行簡單的分析介紹?! 娟P(guān)鍵詞】量子力學(xué)神經(jīng)網(wǎng)絡(luò)電力電子電路故障診斷雙橋12相脈波整流電路 現(xiàn)階段,大多數(shù)電力電子電路故障診斷都利用人工神經(jīng)網(wǎng)絡(luò)來實現(xiàn),這種故障診斷方法具有許多的優(yōu)勢,近年來應(yīng)用越發(fā)的深入,但隨之而來也凸顯了許多不足之處,比如數(shù)據(jù)量較大時,處理速度比較慢,記憶容量比較有限,接收新的信息時候可能會發(fā)生突變性失憶等等,因此,行業(yè)內(nèi)相關(guān)學(xué)者在經(jīng)濟的探索
2、新的神經(jīng)網(wǎng)絡(luò)理論及結(jié)構(gòu)。量子神經(jīng)網(wǎng)絡(luò)是20世紀(jì)末期出現(xiàn)的一種新的神經(jīng)網(wǎng)絡(luò),相比于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò),數(shù)據(jù)處理能力明顯增強,穩(wěn)定性及可靠性也很高,將其應(yīng)用于電力電子電路故障診斷之中優(yōu)勢明顯,下文主要就量子神經(jīng)網(wǎng)絡(luò)進行簡單的介紹,重點分析基于量子神經(jīng)網(wǎng)絡(luò)電力電子電路故障診斷的方法?! ?量子神經(jīng)網(wǎng)絡(luò)概述 量子神經(jīng)網(wǎng)絡(luò)是經(jīng)典神經(jīng)網(wǎng)絡(luò)與量子計算結(jié)合起來的產(chǎn)物,一般來說,主要有兩種結(jié)合形式。 ?。?)?⒘孔蛹撲憷礪垡?入到神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及訓(xùn)練的過程中?! 。?)設(shè)計神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法及拓?fù)浣Y(jié)構(gòu)設(shè)計過程中借用量子理論中的一些原理及概念。 本文主要介紹一種在四層前向BP網(wǎng)絡(luò)基礎(chǔ)上與量子計算理論結(jié)合形成的四層量
3、子BP神經(jīng)網(wǎng)絡(luò)。該神經(jīng)網(wǎng)絡(luò)中,采用許多個傳統(tǒng)的激勵函數(shù)疊加形成了隱層量子神經(jīng)元激勵函數(shù),該激勵函數(shù)可以將決策的不確定性數(shù)據(jù)進行合理的分配,不確定性數(shù)據(jù)分配到不同的故障模式之后故障診斷的不確定度自然會有所降低,也就是說準(zhǔn)確率有所升高。使用這種故障診斷方法能夠?qū)⒊闃訑?shù)據(jù)中存在的模糊性自動診斷出來,如果特征矢量處于交叉類邊界之中,神經(jīng)網(wǎng)絡(luò)能夠?qū)⒃撎卣魇噶糠峙涞剿邢嚓P(guān)的類中,如果分類時特征矢量不存在模糊性,同樣分到對應(yīng)的類中。這種故障診斷方法之下,特征矢量與故障類之間的對應(yīng)關(guān)系能夠精確的反映出來,診斷效率明顯提高。量子神經(jīng)網(wǎng)絡(luò)主要分為輸入層、輸出層、第一隱層、第二隱層四層結(jié)構(gòu),輸入層設(shè)為X=(X1,
4、X1,……XN),輸出層設(shè)為Y=(Y1,Y1,……YN),Sigmoid函數(shù)為層間的傳遞函數(shù),三層的權(quán)值分別為w1k,b,w2m,k,w3s,m,神經(jīng)元個數(shù)分別為K、M、S,量子間隔大小與待診斷故障元件的數(shù)目相同。基于量子神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法之中神經(jīng)元之間的權(quán)值更新與常規(guī)的BP算法中的一致,權(quán)值變化及誤差反向傳播都采用的是梯度下降法,實際的應(yīng)用過程中為了防止陷入局部極小值,往往需要將自適應(yīng)學(xué)習(xí)速率法及附加動量引入其中,確保網(wǎng)絡(luò)能夠滑過局部極小值迅速收斂?! ?基于量子神經(jīng)網(wǎng)絡(luò)的電力電子電路故障診斷方法 本文主要以雙橋12相脈波整流電路為研究對象,驗證基于量子神經(jīng)網(wǎng)絡(luò)的故障診斷方法的效果。圖1所
5、示為雙橋12相脈波整流電路圖。實際的故障診斷過程中首先使用電路仿真軟件模擬該電路可能會出現(xiàn)的各種故障,得到對應(yīng)的故障信號,將這些信號作為輸入樣本數(shù)據(jù),對應(yīng)的故障類型則作為網(wǎng)絡(luò)輸出數(shù)據(jù),使用量子神經(jīng)網(wǎng)絡(luò)將故障信號及故障類型之間的映射關(guān)系分析、存儲起來,最后測試訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)并觀察試驗的結(jié)果?! ?.1量子神經(jīng)網(wǎng)絡(luò)的輸入樣本設(shè)計 在雙橋12相脈波整流電路中,設(shè)置其控制觸發(fā)角為0°,實驗時只考慮電路中晶閘管開路的現(xiàn)象,然后使用ORCAD軟件模擬該電路的各種故障。當(dāng)電路中發(fā)生某一種故障之后,選擇一個周期的電路的負(fù)載電壓作為樣本,取樣的時間為0.1ms,一個周期的時長為20ms,因此,每組有200個
6、樣本數(shù)據(jù),將這些數(shù)據(jù)歸一化處理之后可以得到量子神經(jīng)網(wǎng)絡(luò)的輸入樣本?! ‰p橋12相脈波整流電路晶閘管開路故障主要是電路中一個或者兩個橋臂不導(dǎo)通,極少會出現(xiàn)三個或是四個橋臂同時不導(dǎo)通的現(xiàn)象。設(shè)該電路中有兩個晶閘管同時出現(xiàn)故障,左右兩部分電路沒有同時故障,則該電路可能會存在包括無故障在內(nèi)的7大類31小類故障。比如,接到同一項電壓的V1V3或V7V9或V5V11同時發(fā)生故障,兩只交叉的晶閘管V1V11或V1V7或V5V3或V5V7或V9V3或V9V11同時發(fā)生故障、同一半橋的兩種晶閘管V2V6或V2V10或V6V10或V8V12或V8V4或V12V4同時發(fā)生故障等等,將所有的31小類故障分析出來之后編
7、號,每個故障對應(yīng)一個Y1Y2Y3Y4Y5Y6的六位編碼,其中Y1Y2Y3表示大類,Y4Y5Y6表示小類,比如001001表示第一大類第一小類,與每組特征信號對應(yīng)的故障編碼為網(wǎng)絡(luò)目標(biāo)輸出樣本?! ?.2實驗結(jié)果 本次實驗中共有200個輸入節(jié)點,6個輸出節(jié)點,反復(fù)實驗之后,第一隱層取80層,第二隱層取100層,各層的激活函數(shù)為σ(t)=1/(1+e-t),初始權(quán)值隨機給出。 網(wǎng)絡(luò)訓(xùn)練的誤差結(jié)果如圖