摘要：本文以三相桥式整流电路为分析对象，提出了针对直流脉动电压频谱数据的PNN故障诊断法。该故障诊断法以输出电压快速傅立叶变换后产生的幅值频谱和相位频谱为故障特征量，故障识别环节通过概率神经网络 （PNN）对测得的数据进行训练和测试，从而对整流电路故障实现精确诊断。通过硬件电路进行试验并对故障特征量进行提取和验证，利用MATLAB仿真对PNN进行编程，完成对标准样本的训练，并用随机测试样本检验 PNN诊断效果，基于诊断结果分析了该算法的优缺点及适用范围。

    0 引言
    电力电子技术不仅是现代工业系统的重要组成部分，也是电气自动化行业发展的关键。研究电力电子电路的故障问题，有助于对电力电子及电力传动中的各类元器件故障进行预测、判别、诊断和修复，对电力工业及其相关行业意义重大。电力电子故障诊断技术主要包括故障测试点选取、故障信号处理及特征提取、故障分类识别等步骤。以整流电路为例，故障诊断系统一般以直流侧输出的脉动电压为故障测试点，即在电路故障状态下，提取输出电压进行信号处理，产生对应的故障特征。故障诊断的核心技术体现在故障信号处理和模式识别两个环节，传统的电力电子故障诊断系统多以小波变换或频谱分析作为信号处理算法，以故障字典、BP网络、支持向量机等作为故障特征分类和识别的算法。
    小波变换、频谱分析因具有编程简单、运算量小、应用成熟、普适性强等优点，而在故障信号处理方面作为主要算法长期占据重要地位。在故障模式识别环节，由于对算法的要求较为灵活，因此不断涌现新的相关分析方法，如RBF网络L71、混杂系统181等。本文正是在故障模式识别环节上进行创新，引入人工神经网络算法中的概率神经网络（PNN），它由RBF网络改善得来，可产生更强大的聚类识别功能。选取电力电子技术中最常用的三相整流桥作为模型电路，对其进行故障诊断试验；以整流电路输出电压为故障测试点，以频谱分析为信号处理算法，以PNN为故障分类及识别算法，精确、全面地对模型电路的故障进行系统分析。

    1 模型电路分析
    1.1三相桥式整流电路
    下面以带阻感性负载的三相桥式整流电路工作在触发角a=60°的情况为例进行分析。图1为三相桥式整流电路结构图。

三相全控桥电路输出电压ua的平均值UdL1d为：

    式中，U2为变压器二次侧电压有效值，取220V.
    1.2故障类别
    下面以整流系统故障中最常见的晶闸管异常通断为例进行分析。根据晶闸管异常断开或短路的位置不同，对应的输出电压谐波频谱不同，可对三相整流电路晶闸管故障进行分类。为使步骤更简明清晰，在此只列举V1/V2/V3/V4/V5/V6/ （VIV4）/（V3V6）/（V5V2）异常断路等9种晶闸管故障情况进行分析。

[1] [2] [3]  下一页