信息融合技术通常是指在原始信息经过特征提取之后，对特征信息进行融合的一种方法。由于在检测系统中，各信息源提供的环境信息具有一定程度的不确定性，对这些不确定性信息的融合过程实质上是一个不确定性推理的过程。目前，对于电路故障的诊断多以选择节点电压、支路电流和温度为融合对象，该类对象的运行状态及各种故障征兆之间存在着一定的因果联系，这种关系很难用表达式表达出来。神经网络是一个非线性的大规模连续时间自适应信息处理系统，可根据当前系统所接受的样本的相似性，确定分类标准，同时可采用特定的学习算法获取知识，得到不确定性推理机制，进而对电路运行状态的不确定性模式能较好的识别出来。据此本文提出可采用神经网络与信息融合技术相结合应用在电力电子电路的故障诊断系统中，其系统设计如图1所示。
上图的系统控制流程为：先对待测电路电压和电流进行检测，获取数据并进行采样，将采样后的数据分别用小波变换的方法进行预处理，提取出故障特征。再用主成分分析的方法实现数据压缩和消冗处理，将得到的电压特征矢量和电流特征矢量进行关联处理，形成联合故障特征矢量，送入神经网络信息融合分类器进行故障模式识别，获取诊断结果。系统中的神经网络信息融合分类器采用具有输入层、隐层和输出层的改进型BP神经网络的拓扑结构。隐层的激励函数采用tan-sigmoid函数，输出层的激励函数采用log-sigmoid函数。文中对于特征信息的关联，这里采用电流信息和电压信息间隔交叉的方式，如下图所示，这种特征信息融合的方法的优点是：简单易行，极易通过编程实现，且提高了故障诊断率。
上一篇：多单元耳塞解析
