摘要：研究了遞階遺傳算法用于神經(jīng)網(wǎng)絡(luò)的參數(shù)確定問題，以期利用遞階遺傳算法的二級編碼結(jié)構(gòu)解決以往同時優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、權(quán)值、閾值效率不高的難題。此外，建立了三相橋式全控整流電路的故障模型，并對幾種常見故障進(jìn)行了仿真分析。最后，將自適應(yīng)遞階遺傳算法用于三相橋式全控整流電路的故障診斷，仿真驗(yàn)證了該方法的準(zhǔn)確性和實(shí)用性。
關(guān)鍵詞：遞階遺傳算法；神經(jīng)網(wǎng)絡(luò)；三相橋式全控整流電路；故障診斷

0 引言
近年來，國內(nèi)外有關(guān)研究人員針對電力電子電路故障診斷的研究還比較少，其中有相當(dāng)一部分是基于神經(jīng)網(wǎng)絡(luò)的分析方法，雖然神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)、泛化和容錯能力，令人欣喜，但它存在的許多缺點(diǎn)卻不容忽視，如網(wǎng)絡(luò)結(jié)構(gòu)要求預(yù)知，最常用的BP學(xué)習(xí)算法在本質(zhì)上是一個梯度下降搜索算法，這使其有可能收斂于局部最小點(diǎn)。
遺傳算法(GA)是一個基于自然選擇機(jī)制的搜索算法。它同時考慮搜索空間中的多個點(diǎn)，并鼓勵不同搜索方向之間的信息交換，從而有效地減少了收斂到局部最小點(diǎn)的機(jī)率。使用GA優(yōu)化神經(jīng)網(wǎng)絡(luò)已取得了一些令人鼓舞的結(jié)果，但它們大多數(shù)只考慮神經(jīng)網(wǎng)絡(luò)的連接權(quán)重，很少提及優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。
總的來說，針對電力電子電路的故障診斷研究依然存在或多或少的不足，有待進(jìn)一步的完善和發(fā)展。遞階遺傳算法作為一種新型的基于自然選擇機(jī)制的搜索算法，與神經(jīng)網(wǎng)絡(luò)的結(jié)合很好地解決了這一難題。本文應(yīng)用一種自適應(yīng)遞階遺傳算法同時優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和連接權(quán)重進(jìn)行三相橋式全控整流電路故障診斷。利用自適應(yīng)遞階遺傳算法同時優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和連接權(quán)重，很好地解決了以往利用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷的不足，并用三相橋式全控整流電路故障診斷仿真實(shí)例證明了該方法的正確性和有效性。

1 基于改進(jìn)遞階遺傳算法BP網(wǎng)絡(luò)分類器的設(shè)計
1．1 遞階遺傳算法
K．F．Man等根據(jù)染色體中的基因結(jié)構(gòu)存在遞階形式，即一些基因控制另一些基因的活動，提出了遞階遺傳算法(Hierarchical Genetic Algorithm，HGA)。
為了簡要說明控制基因的活動，用整數(shù)“1”表示每一個正在激活的控制基因；用整數(shù)“0”表示每一個沒有激活的控制基因。當(dāng)控制基因用整數(shù)“1”標(biāo)識時，表示其相連的下級結(jié)構(gòu)的基因處于活動狀態(tài)；當(dāng)控制基因用整數(shù)“0”標(biāo)識時，表示其相連的下級結(jié)構(gòu)的基因處于不活動狀態(tài)。這種遞階結(jié)構(gòu)意味著染色體比普通遺傳算法中的染色體包含的信息多，從而能夠處理更為復(fù)雜的問題。因此，稱編碼為遞階結(jié)構(gòu)染色體的遺傳算法為遞階遺傳算法。
如圖1所示，兩條染色體各是由5個控制基因和5個整數(shù)表示的參數(shù)基因組成。

其表示分別為：

從圖1可以看出，XA，XB表示染色體的長度分別為3和2，這意味著在遞階染色體結(jié)構(gòu)中，雖然兩條染色體的長度相同，而其表示的長度可能不同。因此，遞階遺傳算法能夠搜索出所有參數(shù)中適合最終目標(biāo)函數(shù)的參數(shù)的長度。而且，根據(jù)具體問題，染色體可以設(shè)計為多級遞階結(jié)構(gòu)，從而形成多層的染色體結(jié)構(gòu)。
本文采用二級遞階結(jié)構(gòu)染色體描述BP網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)，其中，控制基因串表示隱節(jié)點(diǎn)，參數(shù)基因串表示網(wǎng)絡(luò)的權(quán)重和相應(yīng)的閾值。遞階遺傳算法在操作過程中，不僅改變控制基因串的狀況，而且改變參數(shù)基因串的取值。因此，訓(xùn)練過程中網(wǎng)絡(luò)參數(shù)和拓?fù)浣Y(jié)構(gòu)可同時優(yōu)化。