陳丹江 葉銀忠

（1.上海海事大學(xué) 上海 200135 2.浙江萬里學(xué)院 寧波 315100 3.上海應(yīng)用技術(shù)學(xué)院 上海 200235）

1 引言

多電平技術(shù)是一種通過改變變換器自身拓?fù)浣Y(jié)構(gòu)來實(shí)現(xiàn)高壓大功率輸出的新型變換器。與傳統(tǒng)的兩電平電路相比，由于輸出電壓電平數(shù)增加，輸出波形具有更好的諧波頻譜，每個(gè)開關(guān)器件所承受的電壓應(yīng)力較小[1-5]。但是多電平電路由于使用了數(shù)量較多的開關(guān)器件，也致使電路的可靠性相應(yīng)降低。任何一個(gè)器件故障都可能導(dǎo)致整個(gè)電路停止工作，有時(shí)甚至?xí)绊懙狡渌娐返陌踩?，造成?yán)重事故或不可估量的經(jīng)濟(jì)損失[6]。

目前國(guó)內(nèi)外針對(duì)二極管中點(diǎn)鉗位（Neutral-Point Clamped，NPC）逆變器的故障診斷問題已開展了不少研究。例如，文獻(xiàn)[7]分析了NPC三電平逆變器在單個(gè)功率器件開路故障下的電路工作情況及故障表現(xiàn)形式，并由此提出根據(jù)檢測(cè)逆變器輸出側(cè)PWM電壓波形和輸出電流極性來診斷功率管開路故障的故障診斷方案。該方法具有診斷迅速、可靠性高的優(yōu)點(diǎn)，但其診斷結(jié)果并沒有精確定位到某個(gè)器件，需要再進(jìn)行人工查找。文獻(xiàn)[8]對(duì)文獻(xiàn)[7]的一個(gè)問題進(jìn)行了修正，指出NPC逆變器的鉗位二極管和內(nèi)管的故障表現(xiàn)形式是不同的，從而也是可以加以區(qū)分的，并進(jìn)行了實(shí)驗(yàn)驗(yàn)證。文獻(xiàn)[9]針對(duì)NPC逆變器單個(gè)功率器件開路故障，提出利用三相電流波形的電流軌跡方法來進(jìn)行故障診斷。文獻(xiàn)[10]把每相的橋臂中點(diǎn)和直流電壓中心點(diǎn)之間的電壓（leg-voltage）和正常情況下的電壓進(jìn)行比較，利用比較結(jié)果進(jìn)行單個(gè)功率器件故障的診斷。

但是，目前的研究工作基本上只考慮單個(gè)器件開路的故障模式。從可靠性角度看，單純研究單個(gè)器件開路故障顯然不夠全面，因此，為了提高三電平逆變器的可靠性，本文引入兩個(gè)器件同時(shí)開路的故障模式。針對(duì)三電平逆變器單個(gè)功率器件開路和兩個(gè)功率器件同時(shí)開路的多種故障模式，本文提出了一種新的故障診斷方法，該方法對(duì)逆變器的多個(gè)橋臂電壓進(jìn)行快速傅里葉變換，提取故障特征，并利用一個(gè)多神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行故障診斷。圖1為本文研究的三電平逆變器的主電路拓?fù)洹?/p>

圖1 三電平逆變器主電路拓?fù)銯ig.1 Topology of three level inverter

2 故障特征分析

圖1 所示的三電平逆變器主電路的單個(gè)橋臂簡(jiǎn)化圖如圖2 所示。考慮到三電平逆變器主要應(yīng)用在變頻器等三相三線的場(chǎng)合，三相負(fù)載中性點(diǎn)n 和電容電壓中點(diǎn)o 不進(jìn)行連接。所以，本文研究的對(duì)象比以往的研究有進(jìn)一步拓展。首先，定義三個(gè)橋臂電壓如下：

“中橋臂電壓”，即橋臂中點(diǎn)a 和電容電壓中點(diǎn)o 之間的電壓，記為Vao。下文簡(jiǎn)稱為橋臂電壓，亦即文獻(xiàn)[10]中的leg-voltage。

“上橋臂電壓”，即au點(diǎn)和o 點(diǎn)之間的電壓，記為auoV。

“下橋臂電壓”，即ad點(diǎn)和o 點(diǎn)之間的電壓，記為 adoV。

圖2 三電平逆變器單個(gè)橋臂簡(jiǎn)化圖Fig.2 Simple bridge of three level inverter

2.1 單個(gè)功率器件開路的情況

共考慮Sa1～Sa4、VDa5、VDa6等六個(gè)功率器件單獨(dú)開路的情況?？紤]到電路的對(duì)稱性，只分析Sa1、Sa2和VDa5三個(gè)器件的開路情況，它們代表了單個(gè)器件開路的典型故障。

利用PSIM 軟件進(jìn)行仿真，設(shè)輸入直流電壓Ud為100V，每相負(fù)載為8Ω電阻串聯(lián)20mH 電感，功率器件采用理想開關(guān)和二極管。圖3a～3d 分別為無故障以及三種典型故障的橋臂電壓仿真波形。

圖3 單個(gè)功率器件開路時(shí)橋臂電壓仿真波形Fig.3 Simulation waveforms of bridge voltage when single device open

比較圖3 中的正常模式下的波形與各種故障模式下的波形可以發(fā)現(xiàn)，故障只導(dǎo)致了區(qū)域A 中的橋臂波形在電平上發(fā)生了變化，這種電平特性反映了各種故障模式的特征，可以作為故障診斷的依據(jù)。然而，僅僅根據(jù)電平邏輯，是不足以完全實(shí)現(xiàn)多故障模式的精確診斷的。根據(jù)頻譜分析原理[11]，不同的周期信號(hào)將含有不同的諧波分量，這些諧波分量包含了豐富的信息。因此，完全可以應(yīng)用橋臂電壓波形的頻譜分析結(jié)果來構(gòu)成故障的特征信息，以實(shí)現(xiàn)上述故障模式的診斷。本文也將應(yīng)用這類故障特征，并將在第3 節(jié)詳述。

2.2 兩個(gè)功率器件同時(shí)開路

兩個(gè)功率器件開路有兩種情況：一是兩個(gè)器件處于同一個(gè)橋臂，比如Sa1和Sa3；二是兩個(gè)器件處在不同的橋臂上，比如a 相橋臂的Sa1和b 相橋臂的Sb1。對(duì)于后者，相當(dāng)于某個(gè)橋臂上的單個(gè)器件開路，可以利用上節(jié)所述的特征通過相應(yīng)橋臂上的橋臂電壓加以區(qū)分。此處僅分析第一種情況。以橋臂a 為例，此時(shí)共有6 種不同的故障模式，即Sa1和Sa2、Sa1和Sa3、Sa1和Sa4、Sa2和Sa3、Sa2和Sa4、Sa3和Sa4同時(shí)開路。由于電路的對(duì)稱性，只需分析前4 種情況即可，它們代表了兩個(gè)器件同時(shí)開路的典型故障。利用PSIM 仿真，得到這4 種典型故障的波形圖，如圖4 所示。

圖4 兩個(gè)功率器件同時(shí)開路時(shí)橋臂電壓仿真波形Fig.4 Simulation waveforms of bridge voltage when two devices open at the same time

對(duì)比圖3 和圖4 可以發(fā)現(xiàn)，Sa2單獨(dú)開路（見圖3c）與Sa1和Sa2同時(shí)開路（見圖4a）的橋臂電壓具有相同的電平邏輯特征。根據(jù)電路的對(duì)稱性可以得知，Sa3單獨(dú)開路與Sa3和Sa4同時(shí)開路的橋臂電壓具有相同的電平邏輯特征。

現(xiàn)對(duì)圖3c 和圖4a 兩種情況進(jìn)行分析?？紤]圖2 上半橋臂中a 點(diǎn)和o 點(diǎn)之間的通路（即只分析Sa1、Sa2和VDa5，以及對(duì)應(yīng)的續(xù)流二極管），可以得出，當(dāng)a 相電流ia＞0 時(shí)，有兩種工作狀態(tài)，分別如圖5a 和5b 所示；當(dāng)電流ia＜0 時(shí)，電流只能流過VDa1和VDa2，如圖5c 所示。當(dāng)Sa2單獨(dú)開路時(shí)，工作狀態(tài)1 和2 都不可能實(shí)現(xiàn)，只可能出現(xiàn)工作狀態(tài)3；同樣當(dāng)Sa1和Sa2同時(shí)開路時(shí)，也只能出現(xiàn)工作狀態(tài)3。因此，電路工作原理分析表明，在Sa2單獨(dú)開路與Sa1和Sa2同時(shí)開路兩種故障模式下，橋臂電壓Vao是相同的。這意味著，只利用橋臂電壓無法實(shí)現(xiàn)這兩種故障模式的分離。

圖5 三電平逆變器工作狀態(tài)圖Fig.5 Diagram of three level inverter working states

綜上所述，必須引入新的故障特征信息，才能對(duì)上述所有故障加以區(qū)分。這里引入上面定義的上橋臂電壓和下橋臂電壓，圖6a 為Sa2單獨(dú)開路的上橋臂電壓，圖6b 為Sa1和Sa2同時(shí)開路的上橋臂電壓，可以看出，兩者區(qū)分還是比較明顯的。

圖6 上橋臂電壓仿真波形Fig.6 Simulation waveforms of upper bridge voltage

3 故障診斷

3.1 多神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)在不少領(lǐng)域已經(jīng)成為研究、開發(fā)和應(yīng)用的熱點(diǎn)，在電力電子電路的故障診斷中也得到了比較廣泛地應(yīng)用[12-17]。為了解決上述三電平逆變器的多模式故障診斷問題，本文提出一種多神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，圖7 為其基本框圖。

其中主神經(jīng)網(wǎng)絡(luò)的輸入為橋臂電壓Vao，用來區(qū)分表1 中11 種故障模式（包括“無故障”）；輔助神 經(jīng)網(wǎng)絡(luò)A的輸入為上橋臂電壓auoV，輔助神經(jīng)網(wǎng)絡(luò)B的輸入為下橋臂電壓adoV。表1 列出了利用主神經(jīng)網(wǎng)絡(luò)進(jìn)行區(qū)分的各種故障模式和對(duì)應(yīng)的輸出向量，表2 和表3 列出了利用輔助神經(jīng)網(wǎng)絡(luò)進(jìn)行區(qū)分的故障模式和對(duì)應(yīng)輸出向量。

圖7 多神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)框圖Fig.7 Diagram of multi neural network

表1 主神經(jīng)網(wǎng)絡(luò)區(qū)分的故障模式和輸出向量Tab.1 Fault patterns and output vectors of main neural network

表2 輔助神經(jīng)網(wǎng)絡(luò)A 區(qū)分的故障模式和輸出向量Tab.2 Fault patterns and output vectors of auxiliary neural network A

表3 輔助神經(jīng)網(wǎng)絡(luò)B 區(qū)分的故障模式和輸出向量Tab.3 Fault patterns and output vectors of auxiliary neural network B

3.2 特征提取

在圖7 中，故障信號(hào)在輸入到每個(gè)神經(jīng)網(wǎng)絡(luò)之前，都要事先經(jīng)過特征提取。本文應(yīng)用快速傅里葉變換方法，對(duì)橋臂電壓或者上下橋臂電壓進(jìn)行故障特征提取。經(jīng)頻譜分析，得到與圖3 和圖4 波形分別對(duì)應(yīng)的幅頻特性如圖8 和圖9 所示（波形的基波頻率為50Hz，載波頻率為1.5kHz）。對(duì)其他各種故障模式，均可執(zhí)行這一分析。根據(jù)電力電子電路PWM 調(diào)制電路輸出波形的特性可知[18]，三電平逆變器橋臂電壓波形進(jìn)行傅里葉展開，其幅值除了分布在基波及其倍數(shù)外，主要分布在載波頻率的整數(shù)倍及其附近。根據(jù)這個(gè)特點(diǎn)，分別為三個(gè)神經(jīng)網(wǎng)絡(luò)的輸入選取相應(yīng)的特征向量，并根據(jù)診斷結(jié)果反饋進(jìn)行反復(fù)修改，最后確定特征向量的具體選取。

圖8 圖3 波形對(duì)應(yīng)的幅頻特性Fig.8 Spectral characteristic diagram of figure 3

圖9 圖4 波形對(duì)應(yīng)的幅頻特性Fig.9 Spectral characteristic diagram of figure 4

對(duì)于主神經(jīng)網(wǎng)絡(luò)，特征向量選取直流分量、基波、兩倍基波、三倍基波、載波分量（1.5kHz）、載波分量附近（1.4kHz 和1.6kHz）、兩倍載波分量的幅值、直流分量、基波和兩倍基波的相位，共 11維。

對(duì)于兩個(gè)輔助神經(jīng)網(wǎng)絡(luò)，特征向量選取直流分量、基波和兩倍基波的幅值，共3 維。

根據(jù)圖7 所示結(jié)構(gòu)構(gòu)建3 個(gè)神經(jīng)網(wǎng)絡(luò)，其中主神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)為11 個(gè)，隱含層節(jié)點(diǎn)為22個(gè)，輸出層節(jié)點(diǎn)為6 個(gè)；2 個(gè)輔助神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)為3 個(gè)，隱含層節(jié)點(diǎn)為7 個(gè)，輸出層節(jié)點(diǎn)為2 個(gè)。神經(jīng)網(wǎng)絡(luò)傳遞函數(shù)均采用Sigmoid 函數(shù)，訓(xùn)練方法采用反向傳播的Levenberg-Marquardt 算法。這種算法可避免計(jì)算赫賽矩陣，從而減少訓(xùn)練中的計(jì)算量和內(nèi)存需求量[19]。

3.3 與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)比較

按照傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，利用單獨(dú)一個(gè)神經(jīng)網(wǎng)絡(luò)對(duì)表1～表3 中的故障模式進(jìn)行識(shí)別，則每種模式都必須采樣上、中、下三個(gè)橋臂電壓，按照本文主神經(jīng)網(wǎng)絡(luò)的故障特征選取方法，則設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)至少包含33 個(gè)輸入節(jié)點(diǎn)，結(jié)構(gòu)和計(jì)算量都遠(yuǎn)比本文提出的多神經(jīng)網(wǎng)絡(luò)復(fù)雜。

首先從結(jié)構(gòu)上來說，33 個(gè)輸入節(jié)點(diǎn)的神經(jīng)網(wǎng)絡(luò)，按照經(jīng)驗(yàn)來說，隱含層節(jié)點(diǎn)數(shù)為（33×2+1=67）個(gè)節(jié)點(diǎn)[20]，輸出同樣為6 個(gè)節(jié)點(diǎn)，因此，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)是一個(gè)33×67×6的結(jié)構(gòu)，比多神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)要龐大很多。

其次從計(jì)算量上來說，設(shè)i、j、k分別為三層神經(jīng)網(wǎng)絡(luò)的輸入層、隱含層和輸出層節(jié)點(diǎn)數(shù)，根據(jù)人工神經(jīng)網(wǎng)絡(luò)的基本原理[21]，設(shè)傳遞函數(shù)為Sigmoid函數(shù)

則神經(jīng)網(wǎng)絡(luò)運(yùn)算一遍需要的乘法（或除法）次數(shù)為(i+3)×j=(j+3)×k，加法（或減法）次數(shù)為(i+1)×j=(j+1)×k，另外還需要j+k次指數(shù)運(yùn)算。圖10 比較了傳統(tǒng)單個(gè)神經(jīng)網(wǎng)絡(luò)和本文提出的多神經(jīng)網(wǎng)絡(luò)各運(yùn)算一遍需要的運(yùn)算次數(shù)。圖中對(duì)所有運(yùn)算次數(shù)進(jìn)行了歸一化處理，其中黑色表示傳統(tǒng)單個(gè)神經(jīng)網(wǎng)絡(luò)乘法、加法和指數(shù)運(yùn)算的歸一化次數(shù)，灰色和白色表示本文提出的多神經(jīng)網(wǎng)絡(luò)的各運(yùn)算次數(shù)，其中灰色表示只用到主神經(jīng)網(wǎng)絡(luò)的情況，白色的表示同時(shí)用到主神經(jīng)網(wǎng)絡(luò)和輔助神經(jīng)網(wǎng)絡(luò)的情況。

圖10 傳統(tǒng)單個(gè)神經(jīng)網(wǎng)絡(luò)和多神經(jīng)網(wǎng)絡(luò)的運(yùn)算次數(shù)比較Fig.10 Calculation times between single neural network and multi neural network

4 實(shí)驗(yàn)和診斷結(jié)果

構(gòu)建三電平逆變器的實(shí)際電路，主要參數(shù)如下：輸入直流電壓 90 ～110V，輸入電容采用兩個(gè)1 000μF、耐壓450V的電解電容串聯(lián)，主開關(guān)采用IRF640，鉗位二極管采用FR307，負(fù)載為每相8Ω電阻和 20mH 電感串聯(lián)。驅(qū)動(dòng)和控制信號(hào)利用TMS320F2812 產(chǎn)生，采用載波同相層疊方式，調(diào)制波為50Hz 正弦波，載波頻率為1.5kHz，DSP 產(chǎn)生的驅(qū)動(dòng)信號(hào)經(jīng)過總線驅(qū)動(dòng)器74HC245 后，由TLP250芯片隔離放大驅(qū)動(dòng)功率開關(guān)。圖11 為單個(gè)器件開路的橋臂電壓波形及其頻譜，圖12 為兩個(gè)器件同時(shí)開路的橋臂電壓波形及其頻譜。為了便于相互比較，所有8 個(gè)圖中的坐標(biāo)單位保持一致，其中橋臂電壓波形縱軸為20V/格，橫坐標(biāo)為4ms/格，頻譜波形縱坐標(biāo)為5V/格，橫坐標(biāo)為500Hz/格。

圖11 單個(gè)器件開路時(shí)橋臂電壓實(shí)驗(yàn)波形及其頻譜Fig.11 Experimental waveforms and their spectrums of bridge voltage when single device open

圖12 兩個(gè)器件同時(shí)開路時(shí)橋臂電壓實(shí)驗(yàn)波形及其頻譜Fig.12 Experimental waveforms of bridge voltage and their spectrums when two devices open at the same time

針對(duì)表1～表3 中的13 種故障模式，改變NPC逆變器的輸入直流電壓，分別取90V、100V 和110V三種電壓，每種電壓下取SPWM 波形的調(diào)制比從0.2 到1，間隔為0.1，因此每種故障可得到27 組原始數(shù)據(jù)。

利用三個(gè)LEM 電壓傳感器LV28-P 對(duì)上、中、下三個(gè)橋臂電壓進(jìn)行隔離采樣，采樣得到的數(shù)據(jù)經(jīng)過AD 口輸入到DSP2812，然后對(duì)數(shù)據(jù)進(jìn)行FFT 變換并輸入到已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行診斷。把其中調(diào)制比為0.5、0.7 和0.9的數(shù)據(jù)作為測(cè)試樣本，其余的作為訓(xùn)練樣本。表4 為多神經(jīng)網(wǎng)絡(luò)的診斷結(jié)果，表中還對(duì)原始數(shù)據(jù)加入10%的白噪聲進(jìn)行對(duì)比。從表4 可以看出，除了加入10%白噪聲時(shí)主神經(jīng)網(wǎng)絡(luò)的精度為96.77%，其余的都是100%。這里精度γ定義為

表4 多神經(jīng)網(wǎng)絡(luò)的診斷結(jié)果Tab.4 Diagnosis result of multi neural network

5 結(jié)論

本文提出了一種多神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，實(shí)現(xiàn)了三電平NPC 逆變器的單個(gè)器件開路、多個(gè)器件同時(shí)開路等多種不同故障模式的診斷。算法結(jié)構(gòu)簡(jiǎn)單，計(jì)算量小，易于在實(shí)際應(yīng)用中實(shí)現(xiàn)。為了實(shí)現(xiàn)難區(qū)分故障模式的分離，本文利用了上、中、下橋臂電壓來提取故障特征。實(shí)驗(yàn)診斷結(jié)果表明，本文提出的方法可以診斷出多種故障模式，并可精確定位到具體的故障器件，診斷精度高，抗噪聲干擾能力強(qiáng)。

[1]Hochgraf C,Lasseter R,Divan D,et al.Comparison of multilevel inverters for static Var compensation[C].IEEE Conference on Industrial Applications,1994:921-928.

[2]Menzies R W,Steimer P,Steinke J K.Five level GTO inverters for large induction motor drives[C].IEEE Institute for Advanced Studies Annual Meeting,1993:593-601.

[3]Stemmler H.Power electronics in electric traction applications[C].IEEE Annual Conference of the Industrial Electronics Society,1993:707-713.

[4]Steimel A.Electric railway traction in europe[J].IEEE Transactions on Industry Applications,1996,2:7-17.

[5]Jih Sheng Lai,Fang Zheng Peng.Multilevel converters-a New breed of power converters[J].IEEE Transactions on Industry Applications,1996,32:509-517.

[6]Ceballos S,Pou J,Robles E,et al.Three-leg fault-tolerant neutral-point-clamped converter[C].IEEE International Symposium on Industrial Electronics,2007:3180-3185.

[7]湯清泉,顏世超,盧松升,等.三電平逆變器的功率管開路故障診斷[J].中國(guó)電機(jī)工程學(xué)報(bào),2008,28(21):26-32.Tang Qingquan,Yan Shichao,Lu Songsheng,et al.Open-circuit fault diagnosis of transistor in three-level inverter[J].Proceedings of the CSEE,2008,28(21):26-32.

[8]周京華,劉輝臣,姚亞蘭,等.三電平大功率變頻器故障特征及診斷方法研究[J].電力電子技術(shù),2009,43(6):1-3.Zhou Jinghua,Liu Huichen,Yao Lanya,et al.Research on the faults characteristics and the fault diagnosis methods of three-level high-power inverter[J].Power Electronics,2009,43(6):1-3.

[9]Ho In Son,Tae Jin Kim,Dae Wook Kang,et al.Fault diagnosis and neutral point voltage control when the 3-level inverter faults occur[C].Power Electronics Specialists Conference,2004:4558-4563.

[10]Jae Chul Lee,Tae Jin Kim,Dae Wook Kang,et al.A control method for improvement of reliability in fault tolerant NPC inverter system[C].37th IEEE Power Electronics Specialists Conference,2006:1-5.

[11]胡廣書.數(shù)字信號(hào)處理——理論、算法與實(shí)現(xiàn)[M].北京:清華大學(xué)出版社,2003.

[12]蘇鵬聲,王志強(qiáng),姜建國(guó).用人工神經(jīng)網(wǎng)絡(luò)診斷電力電子電路主回路故障[J].清華大學(xué)學(xué)報(bào)(自然科學(xué)版),1999,39(3):19-22.Su Pengsheng,Wang Zhiqiang,Jiang Jianguo.Fault diagnosis of power electronic circuits using artificial neural networks[J].Journal of Tsinghua University(Science & Technology),1999,39(3):19-22.

[13]龍伯華,譚陽紅,許慧.基于量子神經(jīng)網(wǎng)絡(luò)的電力電子電路故障診斷[J].電工技術(shù)學(xué)報(bào),2009,24(10):170-175.Long Bohua,Tan Yanghong,Xu Hui.Fault diagnosis of power electronic circuits based on quantum neural network[J].Transactions of China Electrotechnical Society,2009,24(10):170-175.

[14]馬成才,顧曉東.基于神經(jīng)網(wǎng)絡(luò)組與故障分級(jí)的故障診斷[J].系統(tǒng)工程與電子技術(shù),2009,31(1):225-228.Ma Chengcai,Gu Xiaodong.Fault diagnosis with fault gradation using neural network group[J].Systems Engineering and Electronics,2009,31(1):225-228.

[15]蔡金錠,付中云.粒子群_神經(jīng)網(wǎng)絡(luò)混合算法在三相整流電路故障診斷中的應(yīng)用[J].電工電能新技術(shù),2006,25(4):23-26.Cai Jinding,Fu Zhongyun.Application of particle group and neural network hybrid algorithm in fault diagnosis of three2phase rectification circuit[J].Advanced Technology of Electrical Engineering and Energy,2006,25(4):23-26.

[16]喬維德.基于改進(jìn)粒子群算法神經(jīng)網(wǎng)絡(luò)的電力電子電路故障診斷[J].電氣傳動(dòng)自動(dòng)化,2008,30(5):29-31.Qiao Weide.Fault diagnosis of power electronic circuits based on improved PSO algorithm neural network[J].Electric Drive Automation,2008,30(5):29-31.

[17]王云亮,孟慶學(xué).基于小波包能量法及神經(jīng)網(wǎng)絡(luò)的電力電子裝置故障診斷[J].電氣自動(dòng)化,2009,31(2):25-27,45.Wang Yunliang,Meng Qingxue.Fault diagnosis of power electronic device based on wavelet packet energy method and neural network[J].Electrical Automation,2009,31(2):25-27,45.

[18]林渭勛.現(xiàn)代電力電子技術(shù)[M].北京:機(jī)械工業(yè)出版社,2006.

[19]聞新.Matlab 神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用[M].北京:科學(xué)出版社,2003.

[20]周東華,葉銀忠.現(xiàn)代故障診斷與容錯(cuò)控制[M].北京:清華大學(xué)出版社,2000.