杨彦杰，元晶晶，张 贺

(1. 河北工业大学省部共建电工装备可靠性与智能化国家重点实验室，天津 300132；2. 河北工业大学河北省电磁场与电器可靠性重点实验室，天津 300132)

1 引言

随着电力电子技术的快速发展，三相桥式晶闸管整流电路是最广泛的功率变换装置。在励磁功率单元中，整流单元应该能够稳定地提供同步发电机的各种工况下所需要的励磁电流，从而确保了同步发电机和整个电力系统的正常运转[1]。若励磁系统长期工作在恶劣的工作环境下，极易受到损坏，对发电机的可靠运行以及维持发电机输出电能质量构成了严重威肋。因此，在励磁功率单元主回路中对晶闸管故障问题进行实时在线、准确可靠的故障诊断极为重要。

故障诊断方法可划分为数学模型[2，3]和人工智能[4，5]两种。文献[6]通过建立仿真模型获取输出电压Ud，并用傅里叶分析算法对波形分解、提取特征幅值，将其归一化后输入人工神经网络中，从而确定故障部位及故障点；文献[7]利用小波包分析方法对信号波进行分解、提取故障特征，然后利用支持向量机对故障向量进行分类，该方法可以快速有效地完成电力电子整流装置的故障诊断。但上述两种方法均要对波形进行分解、特征提取等操作，其过程相对复杂，且造成严重的误差，对分类结果也会产生较大的影响；文献[8]提出了AlexNet网络用于人脸识别，但该网络结构复杂，计算量大，结果的准确率和损失率曲线存在震荡问题。……