摘 要：提出一種基于PCA-神經網絡的電力電子整流裝置故障診斷方法。首先對故障信號用主元分析法（PCA）提取特征向量，然后用神經網絡進行訓練和測試。通過三相可控整流電路晶閘管斷路故障診斷實驗結果表明，該方法能夠簡化神經網絡的結構，提高網絡的訓練速度，并獲得了很好的診斷效果。 關鍵詞：故障診斷;神經網絡;主元分析 Abstract: ault diagnosis method for power electronics rectifier based on PCA-Neural Network was proposed. First extract the feature vector from the fault signal with the principal component analytic （PCA） method, and then use neural network training and testing. Experimental result of thyristor open circuit fault diagnosis in power electronics rectifier showed that this method can simplify the structure of the neural network, improve the training speed of the network, have obtained very good diagnostic effect. Key words: Fault diagnosis;Neural Network; Principle Component Analysis 1 前言 　　隨著電力電子技術的迅猛發(fā)展，實現(xiàn)能量變換的電力電子整流裝置，由于其效率高、控制靈活方便、易實現(xiàn)等優(yōu)點[1]，使其的應用日益廣泛，同時電力電子整流裝置的故障問題也越來越突出，因此在電力電子整流裝置中應用自動故障診斷技術，是有其現(xiàn)實意義和經濟意義的，開展相關的理論和方法研究尤為重要。本文提出了一種基于主成分分析和神經網絡相結合的電力電子整流裝置故障診斷方法，該方法結合兩種理論各自的優(yōu)點，首先對不同類型的故障信號進行主成分變換，提取故障特征向量送入到神經網絡中進行分類決策。 詳情請點擊：基于PCA-NN的電力電子整流裝置故障診斷