基于粒子群神经网络的级联式变频器故障诊断

摘要

研究级联式变频器功率管开路故障准确诊断问题,级联式变频器是一个复杂的非线性系统而且功率管开路故障的隐蔽性高难以被发现,传统的BP神经网络具有收敛速度慢和易陷入局部极小值的缺点,难以准确的判断出故障.为了提高级联式变频器故障诊断的精确度,提出了一种粒子群(PSO)优化BP神经网络的故障诊断方法,同时针对粒子群算法易早熟且后期迭代精度不高等缺陷,并对惯性权重和学习因子进行了改进,并对部分粒子进行了变异.然后利用改进的粒子群算法优化BP神经网络的权值和阈值.仿真结果表明,利用改进PSO算法优化的神经网络极大的提高了级联式变频器故障诊断的精度和速度.