探究电力电子电路多源特征层融合故障诊断方法

李志伟

【摘要】在电力电子电力诊断过程中，可以利用多源信息特征层融合的诊断方法。融合对象为待测电路的节点电压和重要支路电流，利用小波变换和主成分分析等方式，可以预处理数据，也可以提取数据的特征，利用神经玩过的推理分类作用，确定故障诊断结果。本文主要论述了电力电子电路多源特征层融合故障诊断方法，保证电路诊断率极大的提升。

【关键词】电力电子电路 多源特征层融合 故障诊断 诊断方法

诊断需的信息反馈具有模糊性和不确定性，诊断单一对象的某个方面，无法将对象的整体状态反映出来。在实际诊断过程中，需要考虑到设备运行环境和自身机构的复杂性。而利用单一的传感器也无法将整个设备的运行状态信息表现出来，因此需要组合运用多个传感器，实时检测和诊断设备。利用多源特征层融合故障诊断方法可以保障诊疗效果，获得更佳的处理效果。

1.概述多源特征层融合故障诊断方法

在上世纪80年代已经开始利用多源特征层融合故障诊断方法，在1995年开始真正的合并利用信息融合和故障诊断。后来相关研究人员不断增加，人们开始关注多源特征层融合故障诊断。对于这类研究，更多的是关注融合算法和结构，根据融合结构包括多级信息和层次结构信息以及组合神经网络等方面的诊断。在融合算法角度，融合故障诊断包括贝叶斯理论和模糊集理论等。在传播推进系统和电力系统当中广泛利用多源信息融合故障诊断法，经常利用的包括发电机组和燃油发动机以及液压系统等。在实际利用的时候，利用小波变换和故障主成分分析等方法，优化电力电子电路系统的时候可以选择更多的途径，提高人们生产和生活的高效性和便捷性，可以安全应用各种设备。

2.多源特征层融合故障诊断方法的具体操作

2.1小波变换

小波变换在时频域可以将信号的局部特征表现出来，在低频当中，频率分辨率比较高，而时间分辨率比较高。在高频部位，如果时间分辨率比较高，而频率分辨率却比较高，利用小波分级的方式可以使特征矢量的维数由此极大的减少。

在变换正交小波的过程中，因此每次只是分解低频部分，而小波变换的时候，需要分解低频和高频的部分，因此每个小波包的信息的频率带都是特定的。在提取故障特征的时候，要准确选择小波分解层数，如果具有较少的分解层数，那么故障层数就无法被有效的提取，如果过多，就会增大特征的向量维数，降低诊断速度。

2.2分析故障主成分

故障主成分分析法也被叫作是PCA，在统计学当中广泛利用线性变换法，利用基本设计理念，可以整合很多相关性指标数据，建立新的综合性指标，各个指标之间不能存在关联，这样才可以对于原来的相关性指标起到替代作用。利用故障主成分分析法提取本集的主元，使样本维数由此降低，还是进行最优压缩。优化主成分分析法当中的特征降维法，可以使分类器的测试速度和分类速度不断提升，与此同时样本的实际分布特点不会因此发生改变，样本各类数据信息可以得到保证。特征向量经过小波变换之后，维数通常都比较高，各个分量的关联性比较强，导致数据信息当中具有很多信息冗余的问题，这样不利于分类故障。利用主成分分析法，可以将冗余彻底消除，使信息特征矢量维数由此降低。

2.3热证融合

通过主成分分析之后，可以获取电压特征矢量和电流特征矢量，对于电压和电流信息利用小波包的变换分解，每个小波包具有针对性的频率样本信息，可以逐个对应相同小波包频率带的电压和电流，使电压信息和电流信息的互补性由此提升，可以采取间隔交叉方式试验特征层的融合情况。

2_4利用神经网络分类器

在故障诊断的时候，比较广泛应用多层传感器的反响传播算法，也被称作是BP网络。但是BP网络收敛速度比较慢，很难确定隐层和隐形节点的个数。因此在故障诊断过程中，不断优化和改良BP网络，当今已经开始利用改进型的BP网络，也就是神经网络，利用各层的BP网络拓扑结构构件神经网络，利用函数方面，隐层神经函数通常I青况下采取tan sigm-oid函数，输出层利用log-hgmoid函数。函数trainbpx通过动量法和学习率的自使用调整策略，使学习速度不断提升，同时也可以获得更加可靠的算法。

对应神经网络输入层节点数量和输入特征向量维数，利用N表示出来，对应输出层节点数和故障模式数目，利用M表示出来，隐层神经元数目的计算公式为：N+M+a（a=1～10），如果无法满足网络训练的要求，就要是隐层神经元树木逐个减少或者逐个增加，通过计算确定准确的隐层神经元个数。

3.多源特征层融合故障诊断结果分析

多源特征层融合故障诊断结果更加准确，通过对比分析，利用多源特征层融合故障诊断方法之后，可以明显降低故障误诊率，同时也可以极大的故障准确率。这是因为多源特征层融合之后，各个信源的信息可以相互补偿，使诊断系统信息准确性极大程度的提高，保证系统信息更加精确。

信息融合对象关系到到诊断结果，因此利用多源特征层融合故障诊断方法的时候需要选择合适的融合对象，保障诊断效果的准确性。根据待测电路工作原理，选择合适的融合对象，要尽可能的包括各种故障特征信息。

结束语：

多源特征层融合故障诊断方法近些年不断优化，但是还是存在一些问题，因此在未来发挥在那过程中，需要融合智能化的数据信息技术，提高融合算法的便捷性，保證融合结果评价的准确性，使故障诊断率得到更大程度的提高。