《电力电子电路故障诊断技术》已发展完善的电力电子电路故障智能诊断方法为目的，针对电力电子电路故障诊断中的故障特征提取和识别两个关键技术问题进行了深入的研究和分析，在讲解基本原理和基本方法的基础上，辅以一定的故障诊断实例，使读者学习起来更能结合实际。具体内容包括：电力电子电路故障诊断基本概念与特点，、波形直接分析和神经网络相结合、统计分析与神经网络相结合、小波分析与神经网络相结合、主元分析与支持向量机相结合、S变换域支持向量机相结合以及基于相似度的电力电子电路故障诊断方法。这些算法逼近通过了理论上的分析，还通过了仿真实验予以验证。

　　《电力电子电路故障诊断技术》适合大专院校电力电子专业的师生学习使用，也可供从事电力电子电路研发、分析的工程技术人员参考。

1

1.1故障诊断常用的方法4

1.2电力电子电路故障的特点10

参考文献12

第二章基于波形直接分析的电力电子电路故障诊断方法15

2.1引言17

2.2BP神经网络17

2.2.1网络模型17

2.2.2BP算法18

2.2.3LM学习算法20

2.2.4神经网络的设计21

2.3基于神经网络的电力电子电路故障诊断方法23

2.3.1故障模型23

2.3.2故障模型分析24

2.3.3基于神经网络的电力电子电路故障诊断方法26

2.3.4仿真实验分析27

2.4本章小结32

参考文献32

第三章基于主元分析的电力电子电路故障诊断方法35

3.1引言37

3.2主元分析原理37

3.2.1原理概述38

3.2.2奇异值分解41

3.2.3主元数的确定42

3.3基于主元分析的故障特征提取43

3.4基于主元分析神经网络的故障诊断45

3.5实验验证45

3.6本章小结50

参考文献50

第四章基于小波包分析和神经网络的电力电子电路故障诊断方法53

4.1引言55

4.2小波包分析理论55

4.2.1小波变换定义55

4.2.2多分辨率分析57

4.2.3小波包分析58

4.3电力电子电路故障的特征提取59

4.3.1基于能量分布的特征提取原理59

4.3.2基于小波包分析的电力电子电路故障特征提取60

4.4实验验证61

4.4.1十二脉波可控整流电路及故障分析61

4.4.2基于小波包分解的能量分布69

4.4.3实验结果分析72

4.5本章小结77

参考文献78

第五章基于支持向量机的电力电子电路故障诊断方法79

5.1引言81

5.2支持向量机81

5.2.1最优分类面82

5.2.2广义最优分类面(线性不可分情况)84

5.2.3支持向量机84

5.3支持向量机的多故障分类算法的研究86

5.4基于小波包分析和SVM的电力电子电路故障诊断方法88

5.4.1基于小波包分析和SVM的电力电子电路故障诊断方法88

5.4.2训练性能分析与故障诊断90

5.5基于PCA和支持向量机的电力电子电路故障诊断方法93

5.5.1故障诊断方法93

5.5.2仿真实验分析95

5.6本章小结100

参考文献100

第六章基于S变换的电力电子电路故障诊断方法103

6.1引言105

6.2S变换原理105

6.3基于S变换和支持向量机的电力电子电路故障诊断方法106

6.3.1基于S变换的故障特征提取107

6.3.2支持向量机在故障类型识别中的应用112

6.4仿真实验结果分析114

6.5本章小结117

参考文献118

第七章基于相似度的电力电子电路故障诊断方法119

7.1引言121

7.2WignerVille分布121

7.2.1WignerVille的定义和性质121

7.2.2电力电子电路故障信号的WignerVille分布122

7.3基于相似度的电力电子电路故障诊断方法123

7.3.1基于WignerVille分布的相似度的定义124

7.3.2仿真结果分析130

7.4本章小结135

参考文献135

后记137