康洪铭，李光升，谢永成，魏宁

KANG Hong-ming，LI Guang-sheng，XIE Yong-cheng，WEI Ning

（装甲兵工程学院控制工程系，北京 100072）

(Department of Mechanical Engineering，Academy of Armored Forced Engineering，Beijing 100072，China)

1 引言

目前，为满足现代装甲车辆不断增加的用电需求而采用了无刷爪极交流电机和由硅整流二极管组成的风冷三相桥式整流器[1]，其整流器是将发电机的交流输出转换成直流电压，为全车电气和电子设备提供稳定恒压电源。为保障电源系统的可靠性及供电品质，对整流器开展故障诊断方法研究具有重要的实际应用价值。

自组织特征映射神经网络（SOM）特别适合于解决故障分类和识别方面的应用问题，属于前向神经网络类型，它能将任意输入模式在输出层映射成一维或二维离散图形，并保持其拓扑结构不变。通过对输入模式的自组织学习，在竞争层将分类结果表示出来，是一种无监督的聚类算法，网络收敛速度快[2]。Elman型回归神经网络是一种典型的动态网络，它在 BP基础上增加了承接层，用来记忆隐含层单元前一时刻的输出值并返回给输入，实现延时和存储，具有适应时变特性的能力[3]。充分发挥该两种网络的特点并在整流器故障诊断中灵活应用对其自动化、智能化诊断具有重要意义。

2 故障分类策略设计

对于整流装置的故障诊断，文献[4]采用了支持向量机方法，文献[5]采用了免疫算法，文献[6]采用了小波神经网络方法，这些文献通过傅立叶变换或小波变换等方法提取整流输出电压频谱特征或能量特征，但只能定位某一模式故障（如单管开路）；文献[7]直接采用对各类故障电压波形采样电压幅值的方法，虽然能够定位到具体故障（如D1开路），但是单一考虑电压值，实际运用过程中误差较大。……