基于竞争神经网络的逆变器状态识别方法研究

摘要

针对地铁车辆辅助逆变电路中电容软故障无明显征兆,难以识别的问题,本文提出一种基于时域参数的样本特征提取,结合模糊聚类方法建立全体样本特征的模糊相似矩阵,并采用竞争神经网络模型对滤波电容进行状态分类。实际应用时,首先建立MATLAB电路模型,分别对该电路的不同故障状态和正常状态进行仿真分析,提取输出电压信号进行时域分析得到信号特征向量,作为特征样本;其次,利用全部状态的特征样本求得模糊相似矩阵,并将其引入竞争神经网络对故障进行分类。实验表明,此方法能简单有效检测区分软硬故障,实现滤波电容状态识别,分类正确率达到93.75%。