【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 T1load T2load T3load 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 ;     endendfprintf('识别率是 %3.3f%%',100 * hitNum / s2 );%% 测试load T1_WRONG.matload bpnetwt1=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 ) ) ;endif Index==1    disp('故障T1');endif Index==2    disp('故障T2');endif Index==3    disp('故障T3');endif 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。