论文部分内容阅读
双向DC-DC变换器是船舶直流电网重要的能量转换设备，主要用于船舶储能单元的能量控制。若其发生故障，轻则导致设备运行异常，重则危及船舶电力系统安全，造成重大安全事故。本文以船用双向全桥型DC-DC变换器的典型故障作为主要研究内容，构建概率神经网络故障诊断模型，并利用遗传-粒子群算法优化神经网络参数，实现对故障的精确诊断。本文主要研究工作如下：
首先，总结分析相关文献，根据船舶实际要求，选定变换器类型，分析双向全桥型DC-DC变换器工作原理。针对变换器中关键元件进行故障机理分析，确定故障研究类型。利用MATLAB/Simulink软件搭建船舶电力系统及双向全桥DC-DC变换器仿真模型，并采集故障参数样本。
其次，结合变换器工作原理对比分析故障与参数之间联系，选出故障参数，利用小波包分解对故障参数进行故障特征提取。然后选用主成分分析法对故障特征向量进行降维并组合，以此降低故障特征向量维数。
在研究对象无精确数学模型的条件下，利用神经网络的非线性处理、分布式并行等特性，可以实现简单、高效的故障诊断。所以，本文分别设计BP神经网络故障诊断方法和概率神经网络(Probabilistic Neural Network，PNN)故障诊断方法，利用MATLAB软件进行故障诊断仿真实验，对比故障诊断性能优劣。
最后，针对概率神经网络的选参问题，本文分别选用遗传算法、粒子群算法以及遗传-粒子群算法(Genetic Algorithm and Particle Swarm Optimization， GA-PSO)进行优化选参，对比分析三种优化算法性能优劣，遗传-粒子群算法兼顾了遗传算法的全局搜索能力以及粒子群算法的快速收敛性，且不易陷于局部极值而早熟。最终，设计基于GA-PSO-PNN的故障诊断方法，并对比分析BP神经网络、概率神经网络以及GA-PSO-PNN这3种故障诊断方法针对双向全桥型DC-DC变换器的故障诊断性能。
首先，总结分析相关文献，根据船舶实际要求，选定变换器类型，分析双向全桥型DC-DC变换器工作原理。针对变换器中关键元件进行故障机理分析，确定故障研究类型。利用MATLAB/Simulink软件搭建船舶电力系统及双向全桥DC-DC变换器仿真模型，并采集故障参数样本。
其次，结合变换器工作原理对比分析故障与参数之间联系，选出故障参数，利用小波包分解对故障参数进行故障特征提取。然后选用主成分分析法对故障特征向量进行降维并组合，以此降低故障特征向量维数。
在研究对象无精确数学模型的条件下，利用神经网络的非线性处理、分布式并行等特性，可以实现简单、高效的故障诊断。所以，本文分别设计BP神经网络故障诊断方法和概率神经网络(Probabilistic Neural Network，PNN)故障诊断方法，利用MATLAB软件进行故障诊断仿真实验，对比故障诊断性能优劣。
最后，针对概率神经网络的选参问题，本文分别选用遗传算法、粒子群算法以及遗传-粒子群算法(Genetic Algorithm and Particle Swarm Optimization， GA-PSO)进行优化选参，对比分析三种优化算法性能优劣，遗传-粒子群算法兼顾了遗传算法的全局搜索能力以及粒子群算法的快速收敛性，且不易陷于局部极值而早熟。最终，设计基于GA-PSO-PNN的故障诊断方法，并对比分析BP神经网络、概率神经网络以及GA-PSO-PNN这3种故障诊断方法针对双向全桥型DC-DC变换器的故障诊断性能。