一种改进卷积神经网络的逆变器故障诊断

• 作者: 董唯光 赵丹阳 高锋阳
• 来源期刊: 电源学报
• 学科: 工学
• 关键词: 逆变器 故障诊断 正则化 自适应正则化系数 卷积神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: DC-DC变换器
• 页码范围: 124-132
• 页数: 9页
• 分类号: TM464
• 字数: 6576字
• 语种: 中文
• DOI: 10.13234/j.issn.2095-2805.2020.3.124

摘要

针对传统二极管钳位式三电平逆变器故障诊断方法存在的诊断效率低且准确率不高的问题,将一种自适应正则化系数引入卷积神经网络CNN(convolutional neural network),对逆变器进行故障诊断.在传统CNN模型引入正则化去拟合中,正则化系数常采用全局统一的常数型参数,训练过程中需不断试错且效果甚微,针对此提出根据目标损失函数梯度变化,自适应调整正则化系数的CNN模型,能够加快其在逆变器故障诊断中的收敛速度,增强模型泛化能力,提高故障识别准确率.实验表明,与传统BP神经网络和原始CNN模型相比,改进的CNN模型能对逆变器复杂故障做出实时准确诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高锋阳	兰州交通大学自动化与电气工程学院	70	222	7.0	12.0
2	董唯光	兰州交通大学自动化与电气工程学院	28	110	5.0	8.0
3	赵丹阳	兰州交通大学自动化与电气工程学院	1	0	0.0	0.0