基于HOC与Fisher判别法的电力电子电路故障诊断

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (23): 220-223.

基于HOC与Fisher判别法的电力电子电路故障诊断

姜书燕，谭阳红，杨丹，洪亚

湖南大学电气与信息工程学院，长沙 410082

出版日期:2016-12-01 发布日期:2016-12-20

Fault diagnosis of power electronic circuits based on high order cumulant and Fisher discriminant analysis

JIANG Shuyan, TAN Yanghong, YANG Dan, HONG Ya

College of Electrical and Information Engineering, Hunan University, Changsha 410082, China

Online:2016-12-01 Published:2016-12-20

摘要/Abstract

摘要： 针对电力电子电路模型具有非线性，进行故障诊断比较困难这一问题，提出了一种基于高阶累积量与Fisher判别法的故障诊断方法。首先，利用高阶累积量（HOC）对电路可测点的响应信息进行处理，将处理得到的峰度和陡度作为故障的特征向量。再利用Fisher判别分析法对故障进行模式分类，得到最终的模式识别结果。所选实例证明了高阶累积量构造的特征向量可以区分各种故障模式，Fisher判别分析法识别故障的准确率很高。

关键词: 电力电子电路, 高阶累积量, Fisher判别分析法, 故障诊断

Abstract: The fault diagnosis of power electronic circuits with nonlinear model is difficult, an analog circuit fault diagnosis method based on High Order Cumulant（HOC） and Fisher discriminant analysis is proposed. First it samples the response information of these points which can be measured, and its kurtosis and skewness can be extracted as fault feature vector by the analysis of high order cumulant. Then the fault pattern can be classified correctly by Fisher discriminant analysis. The example shows the method is validity.

Key words: power electronic circuits, high order cumulant, Fisher discriminant analysis, fault diagnosis

姜书燕，谭阳红，杨丹，洪亚. 基于HOC与Fisher判别法的电力电子电路故障诊断[J]. 计算机工程与应用, 2016, 52(23): 220-223.

JIANG Shuyan, TAN Yanghong, YANG Dan, HONG Ya. Fault diagnosis of power electronic circuits based on high order cumulant and Fisher discriminant analysis[J]. Computer Engineering and Applications, 2016, 52(23): 220-223.

[1]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[2]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[3]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[4]	钱文博，熊建斌，岑健，王颀，余得正，吴润杰. 建筑电气系统故障诊断综述[J]. 计算机工程与应用, 2021, 57(16): 27-39.
[5]	唐登平，蔡文嘉，邹立，胡翔，丁黎，王雪. 改进卷积神经网络在互感器故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(11): 239-247.
[6]	衷路生，刘东东. 多级神经网络的轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(7): 193-199.
[7]	杜小磊，陈志刚，许旭，张楠. 改进深层小波自编码器的轴承故障诊断方法[J]. 计算机工程与应用, 2020, 56(5): 263-269.
[8]	余萍，曹洁. 深度学习在故障诊断与预测中的应用[J]. 计算机工程与应用, 2020, 56(3): 1-18.
[9]	毛彪，杨松，李英顺. 改进动态因果图与模糊推理融合故障诊断方法[J]. 计算机工程与应用, 2020, 56(3): 259-265.
[10]	唐魏，郑源，潘虹，徐晶珺. 引入动态调节学习率的SAE轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(20): 264-269.
[11]	王卉，李英顺. 改进型证据更新规则的动态故障诊断算法[J]. 计算机工程与应用, 2020, 56(2): 261-265.
[12]	曹洁，赵伟吉，余萍，王进花. 改进鸟群算法优化PF的双馈发电机故障诊断[J]. 计算机工程与应用, 2020, 56(18): 229-237.
[13]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.
[14]	王得雪，林意，陈俊杰. 协同训练算法在滚动轴承故障诊断中的应用[J]. 计算机工程与应用, 2020, 56(12): 273-278.
[15]	贾宝惠，黄琳，李耀华，蔺越国. 轴承故障诊断FastICA算法性能优化方法[J]. 计算机工程与应用, 2019, 55(8): 208-214.