徐祥辉，加玛力汗·库马什

（新疆大学 电气工程学院，新疆 乌鲁木齐 830047）

随着科技进步，社会生产和生活中出现了大量的电力电子装置，在其优越的性能博得人们广泛认同时，它的易故障率和故障隐蔽性也引起了极大关注。复杂的非线性电力电子装置数学模型建立复杂可移植性弱，更增加了故障诊断智能化的难度[1]。近年来国内外很多专业人士都致力于电力电子智能故障诊断的研究，很多理论趋于完善，如基于信号处理的傅里叶分析法、沃尔什分析法、小波分析法，基于故障树分析法等。但是在故障有效信息提取和类型识别上仍然存在很多值得改进和研究的地方。小波包分析能对信号的故障特征分量进行更为精细的分析，它将频带进行多次划分，对多分辨率分析没有细分的高频部分进一步分解，并能够根据被分析信号的特征自适应地选择相应频带，使之与信号频谱相匹配，从而提高时频分辨率[2-5，8]。Elman神经网络[5]在前馈网络的隐含层中增加一个承接层，作为一步延时算子以达到记忆目的，从而使系统具有适应时变特性的能力，能直接反应动态过程系统的特性。由电力电子原件构成的12脉冲整流电路发生故障时，一些原件工作在异常状态或者不工作，此时电路的输出波形会出现相应异常波动，本文采用小波包分析法对信号进行小波包分解，再重构深度分解的局部信息。重构信号中含有丰富的细节信息，将其进行归一化处理后作为Elman神经网的输入样本。……