电力电子电路故障诊断技术

电力电子电路故障诊断技术
出版时间 ： 2016年版
内容简介
　　《电力电子电路故障诊断技术》已发展完善的电力电子电路故障智能诊断方法为目的，针对电力电子电路故障诊断中的故障特征提取和识别两个关键技术问题进行了深入的研究和分析，在讲解基本原理和基本方法的基础上，辅以一定的故障诊断实例，使读者学习起来更能结合实际。具体内容包括：电力电子电路故障诊断基本概念与特点，、波形直接分析和神经网络相结合、统计分析与神经网络相结合、小波分析与神经网络相结合、主元分析与支持向量机相结合、S变换域支持向量机相结合以及基于相似度的电力电子电路故障诊断方法。这些算法逼近通过了理论上的分析，还通过了仿真实验予以验证。《电力电子电路故障诊断技术》适合大专院校电力电子专业的师生学习使用，也可供从事电力电子电路研发、分析的工程技术人员参考。
目录
1 1.1 故障诊断常用的方法 4 1.2 电力电子电路故障的特点 10 参考文献 12 第二章 基于波形直接分析的电力电子电路故障诊断方法 15 2.1 引言 17 2.2 BP神经网络 17 2.2.1 网络模型 17 2.2.2 BP算法 18 2.2.3 L M 学习算法 20 2.2.4 神经网络的设计 21 2.3 基于神经网络的电力电子电路故障诊断方法 23 2.3.1 故障模型 23 2.3.2 故障模型分析 24 2.3.3 基于神经网络的电力电子电路故障诊断方法 26 2.3.4 仿真实验分析 27 2.4 本章小结 32 参考文献 32 第三章 基于主元分析的电力电子电路故障诊断方法 35 3.1 引言 37 3.2 主元分析原理 37 3.2.1 原理概述 38 3.2.2 奇异值分解 41 3.2.3 主元数的确定 42 3.3 基于主元分析的故障特征提取 43 3.4 基于主元分析 神经网络的故障诊断 45 3.5 实验验证 45 3.6 本章小结 50 参考文献 50 第四章 基于小波包分析和神经网络的电力电子电路故障诊断方法 53 4.1 引言 55 4.2 小波包分析理论 55 4.2.1 小波变换定义 55 4.2.2 多分辨率分析 57 4.2.3 小波包分析 58 4.3 电力电子电路故障的特征提取 59 4.3.1 基于能量分布的特征提取原理 59 4.3.2 基于小波包分析的电力电子电路故障特征提取 60 4.4 实验验证 61 4.4.1 十二脉波可控整流电路及故障分析 61 4.4.2 基于小波包分解的能量分布 69 4.4.3 实验结果分析 72 4.5 本章小结 77 参考文献 78 第五章 基于支持向量机的电力电子电路故障诊断方法 79 5.1 引言 81 5.2 支持向量机 81 5.2.1 最优分类面 82 5.2.2 广义最优分类面 (线性不可分情况) 84 5.2.3 支持向量机 84 5.3 支持向量机的多故障分类算法的研究 86 5.4 基于小波包分析和SVM 的电力电子电路故障诊断方法 88 5.4.1 基于小波包分析和SVM 的电力电子电路故障诊断方法 88 5.4.2 训练性能分析与故障诊断 90 5.5 基于PCA和支持向量机的电力电子电路故障诊断方法 93 5.5.1 故障诊断方法 93 5.5.2 仿真实验分析 95 5.6 本章小结 100 参考文献 100 第六章 基于S变换的电力电子电路故障诊断方法 103 6.1 引言 105 6.2 S变换原理 105 6.3 基于S变换和支持向量机的电力电子电路故障诊断方法 106 6.3.1 基于S变换的故障特征提取 107 6.3.2 支持向量机在故障类型识别中的应用 112 6.4 仿真实验结果分析 114 6.5 本章小结 117 参考文献 118 第七章 基于相似度的电力电子电路故障诊断方法 119 7.1 引言 121 7.2 Wigner Ville分布 121 7.2.1 Wigner Ville的定义和性质 121 7.2.2 电力电子电路故障信号的 Wigner Ville分布 122 7.3 基于相似度的电力电子电路故障诊断方法 123 7.3.1 基于 Wigner Ville分布的相似度的定义 124 7.3.2 仿真结果分析 130 7.4 本章小结 135 参考文献 135 后记 137