基于優(yōu)化神經(jīng)網(wǎng)絡(luò )的三相全控整流電路故障診斷

摘要：研究了遞階遺傳算法用于神經(jīng)網(wǎng)絡(luò )的參數確定問(wèn)題，以期利用遞階遺傳算法的二級編碼結構解決以往同時(shí)優(yōu)化神經(jīng)網(wǎng)絡(luò )結構、權值、閾值效率不高的難題。此外，建立了三相橋式全控整流電路的故障模型，并對幾種常見(jiàn)故障進(jìn)行了仿真分析。最后，將自適應遞階遺傳算法用于三相橋式全控整流電路的故障診斷，仿真驗證了該方法的準確性和實(shí)用性。
關(guān)鍵詞：遞階遺傳算法；神經(jīng)網(wǎng)絡(luò )；三相橋式全控整流電路；故障診斷

0 引言
近年來(lái)，國內外有關(guān)研究人員針對電力電子電路故障診斷的研究還比較少，其中有相當一部分是基于神經(jīng)網(wǎng)絡(luò )的分析方法，雖然神經(jīng)網(wǎng)絡(luò )具有學(xué)習、泛化和容錯能力，令人欣喜，但它存在的許多缺點(diǎn)卻不容忽視，如網(wǎng)絡(luò )結構要求預知，最常用的BP學(xué)習算法在本質(zhì)上是一個(gè)梯度下降搜索算法，這使其有可能收斂于局部最小點(diǎn)。
遺傳算法(GA)是一個(gè)基于自然選擇機制的搜索算法。它同時(shí)考慮搜索空間中的多個(gè)點(diǎn)，并鼓勵不同搜索方向之間的信息交換，從而有效地減少了收斂到局部最小點(diǎn)的機率。使用GA優(yōu)化神經(jīng)網(wǎng)絡(luò )已取得了一些令人鼓舞的結果，但它們大多數只考慮神經(jīng)網(wǎng)絡(luò )的連接權重，很少提及優(yōu)化神經(jīng)網(wǎng)絡(luò )結構。
總的來(lái)說(shuō)，針對電力電子電路的故障診斷研究依然存在或多或少的不足，有待進(jìn)一步的完善和發(fā)展。遞階遺傳算法作為一種新型的基于自然選擇機制的搜索算法，與神經(jīng)網(wǎng)絡(luò )的結合很好地解決了這一難題。本文應用一種自適應遞階遺傳算法同時(shí)優(yōu)化神經(jīng)網(wǎng)絡(luò )結構和連接權重進(jìn)行三相橋式全控整流電路故障診斷。利用自適應遞階遺傳算法同時(shí)優(yōu)化神經(jīng)網(wǎng)絡(luò )結構和連接權重，很好地解決了以往利用神經(jīng)網(wǎng)絡(luò )進(jìn)行故障診斷的不足，并用三相橋式全控整流電路故障診斷仿真實(shí)例證明了該方法的正確性和有效性。

1 基于改進(jìn)遞階遺傳算法BP網(wǎng)絡(luò )分類(lèi)器的設計
1．1 遞階遺傳算法
K．F．Man等根據染色體中的基因結構存在遞階形式，即一些基因控制另一些基因的活動(dòng)，提出了遞階遺傳算法(Hierarchical Genetic Algorithm，HGA)。
為了簡(jiǎn)要說(shuō)明控制基因的活動(dòng)，用整數“1”表示每一個(gè)正在激活的控制基因；用整數“0”表示每一個(gè)沒(méi)有激活的控制基因。當控制基因用整數“1”標識時(shí)，表示其相連的下級結構的基因處于活動(dòng)狀態(tài)；當控制基因用整數“0”標識時(shí)，表示其相連的下級結構的基因處于不活動(dòng)狀態(tài)。這種遞階結構意味著(zhù)染色體比普通遺傳算法中的染色體包含的信息多，從而能夠處理更為復雜的問(wèn)題。因此，稱(chēng)編碼為遞階結構染色體的遺傳算法為遞階遺傳算法。
如圖1所示，兩條染色體各是由5個(gè)控制基因和5個(gè)整數表示的參數基因組成。

其表示分別為：

從圖1可以看出，XA，XB表示染色體的長(cháng)度分別為3和2，這意味著(zhù)在遞階染色體結構中，雖然兩條染色體的長(cháng)度相同，而其表示的長(cháng)度可能不同。因此，遞階遺傳算法能夠搜索出所有參數中適合最終目標函數的參數的長(cháng)度。而且，根據具體問(wèn)題，染色體可以設計為多級遞階結構，從而形成多層的染色體結構。
本文采用二級遞階結構染色體描述BP網(wǎng)絡(luò )結構和參數，其中，控制基因串表示隱節點(diǎn)，參數基因串表示網(wǎng)絡(luò )的權重和相應的閾值。遞階遺傳算法在操作過(guò)程中，不僅改變控制基因串的狀況，而且改變參數基因串的取值。因此，訓練過(guò)程中網(wǎng)絡(luò )參數和拓撲結構可同時(shí)優(yōu)化。