基于PSO-RBF监测预测模型的电力电子电路

• 作者: 叶银忠 王绅宇 陈丹江
• 来源期刊: 上海应用技术学院学报（自然科学版）
• 学科: 工学
• 关键词: 故障状态预测 RBF神经网络 粒子群算法 电力电子电路
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 第九届全国技术过程故障诊断与安全性学术会议
• 页码范围: 162-166,172
• 页数: 6页
• 分类号: TP206.3
• 字数: 3732字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7333.2015.02.013

摘要

针对现有电力电子电路故障状态预测技术的不足,提出将电路特征性能参数与粒子群算法(PSO)优化的径向基函数(RBF)神经网络相结合,对电力电子电路进行故障状态监测预测.以电源电路中Buck电路为例,选择电路输出电压作为监测信号,提取输出电压平均值及纹波电压值作为电路特征性能参数,并利用改进后的RBF神经网络实现状态预测.结果表明,利用PSO改进后的RBF神经网络对电路输出平均电压和纹波电压的预测比单纯RBF神经网络预测的结果更加精准,能够跟踪电源电路状态特征性能参数的变化趋势,有效实现电力电子电路状态监测和预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈丹江	浙江万里学院电子信息学院	22	190	6.0	13.0
2	叶银忠	上海应用技术学院电气与电子工程学院	45	354	9.0	17.0
3	王绅宇	上海应用技术学院电气与电子工程学院	1	0	0.0	0.0