基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的逆變電路故障診斷

廖俊勃，帕ξ來·馬合木提，蔡鑫，周浩

(新疆大學(xué)電氣工程學(xué)院，新疆烏魯木齊830047)

基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的逆變電路故障診斷

廖俊勃，帕ξ來·馬合木提，蔡鑫，周浩

(新疆大學(xué)電氣工程學(xué)院，新疆烏魯木齊830047)

針對BP神經(jīng)網(wǎng)絡(luò)魯棒性、容錯(cuò)性不強(qiáng)的問題，提出雙向BP神經(jīng)網(wǎng)絡(luò)，更直接地建立與先前狀態(tài)的映射關(guān)系；利用量子粒子群算法(QPSO)優(yōu)化雙向BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，克服其學(xué)習(xí)算法復(fù)雜、收斂速度慢的缺點(diǎn)，來得到精度更高的網(wǎng)絡(luò)。將改進(jìn)的雙向BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于逆變電路的故障診斷，測試結(jié)果表明該算法比雙向BP神經(jīng)網(wǎng)絡(luò)具有更強(qiáng)的收斂性和精確率，為逆變電路的故障診斷提出一個(gè)新的思路。

雙向BP神經(jīng)網(wǎng)絡(luò)；量子粒子群算法；逆變電路；故障診斷

隨著電力電子技術(shù)的迅猛發(fā)展，電力電子技術(shù)設(shè)備廣泛應(yīng)用于國防軍事和工業(yè)生產(chǎn)。同時(shí)電力電子電路的故障問題也越來越突出，電力電子設(shè)備一旦發(fā)生故障，可能造成裝置或系統(tǒng)的損壞甚至威脅到生命財(cái)產(chǎn)安全。設(shè)計(jì)合理的診斷方案來解決電力電子電路中出現(xiàn)的問題是現(xiàn)代研究的重點(diǎn)。吳小華[1]提出一種基于BP神經(jīng)網(wǎng)絡(luò)的電力電子逆變系統(tǒng)故障診斷，并且以DSP為核心的在線故障檢測與診斷系統(tǒng)，對逆變器主電路開關(guān)管進(jìn)行開路故障診斷，但是其缺點(diǎn)是神經(jīng)網(wǎng)絡(luò)的泛化能力不夠，故障診斷率不高。張洪濤[2]提出一種基于小波分析和神經(jīng)網(wǎng)絡(luò)的逆變器開路故障診斷方法，有較高的精度和實(shí)時(shí)性，但不能進(jìn)行故障元件的精確定位。標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)引入逆變電路故障診斷中取得了較好的效果，但當(dāng)故障模式較多時(shí)，網(wǎng)絡(luò)結(jié)構(gòu)較為復(fù)雜，尤其是遇到復(fù)合故障時(shí)，分辨效果較差。

本文構(gòu)造雙向BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，提出一種量子粒子群算法(QPSO)。QPSO算法解決了粒子群(PSO)算法搜索空間有限、搜索精度不高、易陷入極小值等缺點(diǎn)，用來優(yōu)化雙向BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值，并將其應(yīng)用于逆變電路的故障診斷，結(jié)合了QPSO和BP算法的優(yōu)點(diǎn)，具有訓(xùn)練快速和全局收斂的優(yōu)點(diǎn)。

1 雙向BP神經(jīng)網(wǎng)絡(luò)

雙向BP神經(jīng)網(wǎng)絡(luò)相比于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)更直接地建立與先前狀態(tài)之間的映射關(guān)系，使相鄰層的兩個(gè)神經(jīng)元之間存在兩個(gè)相反方向的連接，其拓?fù)浣Y(jié)構(gòu)如圖1所示。

圖1 雙向BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

雙向BP神經(jīng)網(wǎng)絡(luò)是由前向傳播過程和反向傳播過程構(gòu)成[3]，前向傳播就是經(jīng)典的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程。

(1)輸入層各節(jié)點(diǎn)的輸出為：

(2)隱層和輸出層輸入分別為：

反向傳播過程主要討論其權(quán)值調(diào)整，即：

(1)隱層到輸出層前向權(quán)值：

(2)隱層到輸出層后向權(quán)值：

(3)輸入層到隱層前向權(quán)值：

(4)輸入層到隱層后向權(quán)值：

雙向BP神經(jīng)網(wǎng)絡(luò)在節(jié)點(diǎn)數(shù)不變的情況下，引入先前時(shí)刻狀態(tài)，建立了反向連接，使其具有更強(qiáng)的魯棒性、容錯(cuò)性和逼近能力，但BP神經(jīng)網(wǎng)絡(luò)收斂速度慢、局部極值等缺點(diǎn)仍未消除。

2 改進(jìn)的雙向BP神經(jīng)網(wǎng)絡(luò)

2.1 量子粒子群算法

PSO是一種進(jìn)化計(jì)算技術(shù)[4]，在對動(dòng)物集群活動(dòng)行為觀察的基礎(chǔ)上，利用群體中的個(gè)體對信息的共享使整個(gè)群體的運(yùn)動(dòng)在問題求解空間中產(chǎn)生從無序到有序的演化過程，從而獲得最優(yōu)解，基于PSO的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法已經(jīng)得到了廣泛的應(yīng)用[5-7]。由于粒子具有量子的行為，可以在整個(gè)可行解空間中進(jìn)行搜索，解決了PSO算法搜索空間有限、搜索精度不高、易陷入極小值等缺點(diǎn)。根據(jù)這種思想提出QPSO[8]，對整個(gè)PSO算法進(jìn)行搜索策略的改變，并且進(jìn)化方程中不需要速度向量，使其形式更簡單，參數(shù)更少，更易于控制。

在QPSO中，假設(shè)了每個(gè)粒子的量子態(tài)，制定了波函數(shù)來描述粒子的狀態(tài)，并通過Monte Carlo方法來解得粒子在空間某一點(diǎn)出現(xiàn)的概率密度[9]。

引入一個(gè)全局點(diǎn)mbest來計(jì)算粒子的迭代變量L，定義了所有粒子的局部最好位置的平均值。

2.2 用QPSO改進(jìn)雙向BP神經(jīng)網(wǎng)絡(luò)

雙向BP神經(jīng)網(wǎng)絡(luò)雖然改進(jìn)了標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)，但是隨著規(guī)模變大，函數(shù)變復(fù)雜，BP神經(jīng)網(wǎng)絡(luò)的缺陷仍然存在，通過QPSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，相比PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，能得到全局最優(yōu)解。

本文采用的雙向BP神經(jīng)網(wǎng)絡(luò)的隱藏層和輸出層的作用函數(shù)為Sigmoid函數(shù)，用QPSO優(yōu)化雙向BP神經(jīng)網(wǎng)絡(luò)時(shí)，粒子群的位置向量是所訓(xùn)練的雙向BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閥值。輸入訓(xùn)練樣本進(jìn)行訓(xùn)練，對每一個(gè)網(wǎng)絡(luò)訓(xùn)練集上產(chǎn)生的均方差進(jìn)行計(jì)算：

QPSO算法改進(jìn)雙向BP神經(jīng)網(wǎng)絡(luò)的步驟：

步驟1：根據(jù)給定的輸入特征參數(shù)樣本數(shù)據(jù)設(shè)定其神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。

步驟2：選定粒子數(shù)，初始化粒子的mbest和pbest，并開始對輸入樣本進(jìn)行訓(xùn)練。

步驟3：根據(jù)雙向BP神經(jīng)網(wǎng)絡(luò)的算法和公式(13)計(jì)算粒子的適應(yīng)度函數(shù)，以此來評價(jià)每一個(gè)粒子，經(jīng)過不斷的對比和更新得到mbest和pbest。

步驟4：判斷是否滿足算法的終止條件(達(dá)到最小誤差要求)，若滿足則轉(zhuǎn)到步驟6，若不滿足則轉(zhuǎn)到步驟5。

步驟5：按量子粒子群計(jì)算模型生成新的個(gè)體，轉(zhuǎn)到步驟3。

步驟6：輸出當(dāng)前具有最優(yōu)適應(yīng)度的粒子參數(shù)結(jié)果。

3 改進(jìn)的雙向BP神經(jīng)網(wǎng)絡(luò)在逆變電路中的應(yīng)用

以三相橋式電壓源逆變電路為例，其電路結(jié)構(gòu)如圖2所示。

逆變電源上的開關(guān)原件通常有獨(dú)立的基極驅(qū)動(dòng)電路驅(qū)動(dòng)，驅(qū)動(dòng)電路單元的故障通常表現(xiàn)為驅(qū)動(dòng)電源失效，元件擊穿或開路，逆變電源在實(shí)際運(yùn)用中出現(xiàn)比較多的故障往往是功率半導(dǎo)體元件(IGBT)的斷路與短路故障[11-12]。由于篇幅原因，在本論文中僅對單個(gè)IGBT開路故障做一分析。

對三相橋式逆變電路的故障分類進(jìn)行編碼，使用六位編碼(X1X2X3X4XX5X6)表示，其中=1或0。故障代碼的高三位代表故障類型，低三位代表故障晶閘管的位置(正常表示為：001000)，如表1所示。

圖2 三相橋式電壓源逆變電路結(jié)構(gòu)圖

表1 故障分類表示

式中：、分別為轉(zhuǎn)換前和轉(zhuǎn)換后的值；、分別為樣本的最大值和最小值。

搜索400組確定的逆變電路故障數(shù)據(jù)，選取300組作為網(wǎng)絡(luò)訓(xùn)練樣本，100組用于識別逆變電路故障。其訓(xùn)練樣本如表2所示。

表2 網(wǎng)絡(luò)訓(xùn)練樣本組成

選用三層雙向BP神經(jīng)網(wǎng)絡(luò)，由診斷實(shí)例可知，需要4個(gè)輸入層神經(jīng)元和6個(gè)輸出層神經(jīng)元。神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元數(shù)的確定沒有明確的理論依據(jù)可尋，只能通過選取不同的隱含層神經(jīng)元對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，根據(jù)訓(xùn)練結(jié)果確定最佳的隱含層神經(jīng)元數(shù)。隱層節(jié)點(diǎn)數(shù)太多或太少，都會使得迭代次數(shù)增加，而且隱層節(jié)點(diǎn)數(shù)太多，會使網(wǎng)絡(luò)復(fù)雜化。考慮各種因素，經(jīng)過一系列的仿真實(shí)驗(yàn)進(jìn)行對比，選擇隱層節(jié)點(diǎn)數(shù)為9的神經(jīng)網(wǎng)絡(luò)。本文QPSO算法中參數(shù)β從0.9到0.3線性減小，網(wǎng)絡(luò)誤差精度取0.001，學(xué)習(xí)速率為0.01。分別用雙向BP神經(jīng)網(wǎng)絡(luò)和QPSO改進(jìn)的雙向BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練結(jié)果如圖3、圖4所示。

對比圖3、圖4的仿真結(jié)果可輕易發(fā)現(xiàn)，在逆變電路的故障診斷中QPSO改進(jìn)雙向BP神經(jīng)網(wǎng)絡(luò)的算法收斂速度比雙向BP神經(jīng)神經(jīng)網(wǎng)絡(luò)的算法曲線快，當(dāng)達(dá)到相同的精度時(shí)改進(jìn)雙向BP神經(jīng)網(wǎng)絡(luò)的算法次數(shù)為49次，而QPSO改進(jìn)的雙向BP神經(jīng)網(wǎng)絡(luò)只需17次。

圖3 QPSO優(yōu)化的雙向BP神經(jīng)網(wǎng)絡(luò)的算法曲線

圖4 雙向BP神經(jīng)網(wǎng)絡(luò)的算法曲線

采用已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，對樣本庫中的100個(gè)檢驗(yàn)樣本進(jìn)行故障診斷，識別結(jié)果如表3所示。

表3 各部分故障比較

由表3可以看出QPSO-BBPNN算法具有優(yōu)越性，總的正確率達(dá)到了94.9%，與雙向BP神經(jīng)網(wǎng)絡(luò)(正確率為87.0%)相比，表現(xiàn)出強(qiáng)烈的泛化能力，證明了基于QPSO改進(jìn)的雙向BP神經(jīng)網(wǎng)絡(luò)對逆變電路的故障診斷是有效的，而且比雙向BP神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確率更高。

4 結(jié)論

本文采用QPSO算法對雙向BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，不僅使改進(jìn)的雙向BP神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)速率上比常規(guī)的雙向BP神經(jīng)網(wǎng)絡(luò)有了很大的提高，而且使其收斂性更好。改進(jìn)的雙向BP神經(jīng)網(wǎng)絡(luò)提高了逆變電路故障診斷的準(zhǔn)確性和可靠性，為逆變電路的故障診斷提供了一種可靠的方法。

[1]吳小華,史忠科,張曉斌.基于DSP三相逆變電路在線故障診斷研究設(shè)計(jì)[J].電力電子技術(shù),2004,38(2):37-39.

[2]張洪濤，安慶.基于小波變換和神經(jīng)網(wǎng)絡(luò)的逆變電路故障診斷方法[J].計(jì)算機(jī)測量與控制,2010,18(6):1273-1276.

[3]邵克勇,李飛,蔣北艷,等.基于改進(jìn)遺傳算法的雙向BP神經(jīng)網(wǎng)絡(luò)控制[J].化工自動(dòng)化及儀表,2010,37(10):18-21.

[4]EBERHART R C,SHI Y H.Particle swarm optimization:developments,applications and resources[C]//Proceedings of the 2001 Congress on Evolutionary Computation.Piscataway:IEEE Press, 2001.

[5]李祚泳,汪嘉楊,郭淳.PSO算法優(yōu)化BP網(wǎng)絡(luò)的新方法及仿真實(shí)驗(yàn)[J].電子學(xué)報(bào),2008,36(11):2224-2228.

[6]潘昊,侯清蘭.基于粒子群算法的BP網(wǎng)絡(luò)學(xué)習(xí)研究[J].計(jì)算機(jī)工程與應(yīng)用,2006,42(16):41-43.

[7]江麗,王愛平.基于粒子群與BP混合算法的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法[J].計(jì)算機(jī)應(yīng)用,2012,32:13-15.

[8]SUN J,XU W B.A global search strategy of quantum-behaved particle swarm optimization[C]//Proceedings of IEEE Conference on Cyberence on Cybernetics and Intelligent Systems.USA:IEEE Press, 2004:111-116.

[9]FANG W,SUN J,DING Y R,et al.A review of quantum-behaved particle swarm optimization[J].IEEE Technical Review,2010,27(4): 336-348.

[10]SUN J,FENG B,XU W.Particle swarm optimization with particles having quantum behavior[J].IEEE,2004(1):325-331.

[11]湯清泉,顏世超,盧松升,等.三電平逆變器的功率管開路故障診斷[J].中國電機(jī)工程學(xué)報(bào),2008,28(21):26-32.

[12]張?zhí)m紅,胡育文,黃文新.三相變頻驅(qū)動(dòng)系統(tǒng)中逆變器的故障診斷與容錯(cuò)技術(shù)[J].電工技術(shù),2004,19(12):1-9.

Fault diagnosis of inverter circuit based on improved bidirectional BP neural network

LIAO Jun-bo,PAZILAT Mahemuti,CAI Xin,ZHOU Hao

A kind of bidirectional BP neural network(BBPNN)was proposed aiming at BP neural network which robustness and fault tolerance was not strong.Reverse connection was established between adjacent layer neurons directly to draw the previous state variables of the system into the network.In order to overcome learning algorithm complexity and slow convergence,quantum particle swarm optimization(QPSO)was used to optimize weights and thresholds of BP neural network.In this way,the network could be obtained with higher accuracy.Improved bidirectional BP neural network was applied to the inverter circuit fault diagnosis.Test results show that the algorithm has stronger convergence and accuracy than BBNPP.A new way for the inverter circuit fault diagnosi was proposed.

bidirectional BP neural network;quantum particle swarm optimization;inverter circuit;fault diagnosis

TM 464

A

1002-087 X(2015)03-0574-04

2014-08-07

國家自然科學(xué)基金(61364010)

廖俊勃(1987—)，男，陜西省人，碩士，主要研究方向?yàn)檫^程檢測、診斷與控制技術(shù)(含風(fēng)力發(fā)電)。