RBF神经网络电力电子电路故障诊断

为检测和诊断电力电子电路中的故障，获得更高的诊断精确度，提出粒子群算法优化RBF神经网络的故障诊断方法。与基本RBF神经网络相比，粒子群RBF神经网络可以提高系统的收敛速度和精度。把通过特征提取获得的电力电子电路故障特征量作为神经网络的输入，利用训练好的粒子群优化后的RBF神经网络进行故障诊断。仿真结果表明，实际输出与期望输出基本吻合，具有良好的分类效果，能够提高诊断精确度，对于电力电子电路的故障诊断是一种有效的方法。  Abstract:    In  order  to  detect  and  diagnose  the  fault  on  power  electronic  circuit  and  to  get  higher  precision  of  diagnosis，  this  paper  puts  forward  a  method  of  power  electronic  circuit  fault  diagnosis  by  RBF  neural  network  based  on  Particle  Swarm  Optimization（PSO）.  Compared  with  the  basic  RBF  neural  network，  it  improves  convergence  speed  of  the  system.  Some  fault  characteristics  through  the  feature  extraction  were  selected  as  inputs  neural  network  for  training，and  then  the  fault  diagnosis  was  accomplished  via  the  trained  and  optimized  neural  network.  The  experimental  results  show  that  the  actual  output  as  same  as  the  expectation  output  and  this  method  gains  good  classification  results，and  it  can  improve  the  precision  of  diagnose，this  method  is  validity  for  power  electronic  circuit  diagnosis.