【故障诊断分析】基于BP神经网络实现三相逆变器故障诊断研究含Matlab源码

1 简介

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.

2 部分代码

load T1
load T2
load T3
load T4
% wt=cwt（x，wname）使用wname指定的解析小波来计算cwt。
% wname的有效选项是“morse”、“amor”和“bump”，它们分别指定morse、Morlet（Gabor）和bump小波。
% 如果不指定wname，则wname默认为“morse”。
wt1=cwt(T1(1:1100,1));
wt2=cwt(T2(1:1100,1));
wt3=cwt(T3(1:1100,1));
wt4=cwt(T4(1:1100,1));
p=[wt1 wt2 wt3 wt4];
p=real(p);
class=[ones(1100,1);ones(1100,1)*2;ones(1100,1)*3;ones(1100,1)*4];
%创建BP网络
%特征值归一化
[input,minI,maxI] = premnmx(p) ;
%构造输出矩阵
s = length( class) ;
output = zeros( s , 4 ) ;
for i = 1 : s
output( i , class( i ) ) = 1 ;
end
%创建神经网络
net = newff( minmax(input) , [10 4] ); %, { 'logsig' 'purelin' } , 'traingdx' ) ;
%设置训练参数
net.trainparam.show = 50 ;
net.trainparam.epochs = 500 ;
net.trainparam.goal = 0.03 ;
net.trainParam.lr = 0.01 ;
%开始训练
net = train( net, input , output' ) ;
disp('TRAIN OK.')
save bpnet net;
load bpnet
%测试数据归一化
testInput = tramnmx ( p, 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 == class(i) )
hitNum = hitNum + 1 ;
end
end
fprintf('识别率是 %3.3f%%',100 * hitNum / s2 );
%% 测试
load T1_WRONG.mat
load bpnet
wt1=cwt(T1_WRONG(1:1100,1));
testInput = tramnmx (wt1, minI, maxI ) ;
testInput=real(testInput);
%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 ) ) ;
end
if Index==1
disp('故障T1');
end
if Index==2
disp('故障T2');
end
if Index==3
disp('故障T3');
end
if Index==4
disp('故障T4');
end

3 仿真结果

4 参考文献

[1]罗耀华, 从静. 基于BP神经网络的三相逆变器故障诊断研究[J]. 应用科技, 2010, 37(6):5.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。