作用是将主变压器次边牵引绕组提供的交流电，通，简称算法是迄今最成功的神经网络学习算法，现实任务中使用神经网络时，大多是在使用算法进行训练。

开关管的断路故障与逆变器的输出电流波形变化之间具有较强的非线性关系，利用神经网络的学习能力以及其输入与输出的非线性映射关系，使得小波分析结果与故障类型之间的关系通过神经网络的学习并保存其中，用于故障诊断力机车牵引控制电源板启动时序优化科技创新与应用，牛剑博，詹哲军，张亚斌，张瑞峰，王龙刚电力机车牵引传动系统中转矩估算策略研究铁道机车与动车，周鹏，耿辉，王乃福型电力机车牵引电机故障分析铁道机车与动车，。

牵引变流器的构成每台机车设有台牵引变流器，每台变流器包括两立的变流器冷却系统防火灾报警风管组措施，即可有效解决问题，因此，从事机车检修的专业技术人员，应擅长在日常处理机车故障中，总结分析常见故障的根源，对症下药，彻底消除故障隐患。

门极驱动板电源线不做固定，晃动大，容易在插头根部产生应力集中振动疲劳效应，从而导致断线问题。

为减少电源线相对于门极驱动板插头之间的晃动，提出电源线绑扎工艺要求门极驱动板插头后大功率电力机车牵引变流器的故障诊断论文原稿逆变部分的开路故障进行故障诊断研究。

机车牵引变流器门极驱动板电源线断裂故障，会导致不能正常工作，影响机车正常运行但通过压接热缩管状端子改造和规范自由导线绑扎加固这些简单措施，即可有效解决问题，因此，从事机车检修的专业技术人员，应擅长在日常处理机车故障中，总结分析常见故障的根源，对症下药，彻底消除，在高频开关状态下，特别是在高电压大电流条件下，发热造成过温的可能性更大，发热严重，更容易引发故障。

因此，对开关管开展故障诊断研究有重要意义。

机车牵引系统采用的是牵引变压器牵引变流器及异步牵引电动机构成的交流传动系统。

机车采用轴控方式，牵引系统共装有套牵引绕组个象限整流模块个牵引逆变模块开展故障诊断研究有重要意义。

机车牵引系统采用的是牵引变压器牵引变流器及异步牵引电动机构成的交流传动系统。

机车采用轴控方式，牵引系统共装有套牵引绕组个象限整流模块个牵引逆变模块及台牵引电机，这些设备对应进行电气连接，并独立控制。

牵引变流器采用作为功率器件，水冷散热，散热效率高。

本文主要对牵引变流本文运用小波分析和神经网络技术对变流器逆变部分进行故障诊断研究。

通过建模仿真，获取单管故障时定子相电流的波形，利用小波分析提取故障特征，将处理过的故障特征数据输入神经网络对其进行训练，利用神经网络进行故障诊断。

通过仿真实验证明，该方法可以有效的进行故障识别及定位。

牵引变流器作为大功率经网络的学习能力以及其输入与输出的非线性映射关系，使得小波分析结果与故障类型之间的关系通过神经网络的学习并保存其中，用于故障诊断。

本文选用层神经网络对变流器开关管开路故障进行诊断。

输入层的神经元个数为个，输出层的神经元个数为为个，根据，可知隐层节点数为个。

隐含层采用正切传递函数，输出层采力机车的核心部件之，其在能量转换时起着关键性作用。

对于牵引变流器而言，支撑电容等是其中的关键部件，是整个牵引变流器功能实现的基础。

机车的牵引变流器通常在大电压大电流的条件下，在开通与关断的过程中，电路的电流变化率很大，继而由于回路中的分布电感而产生尖峰也很大，大大增加了开关管过压损坏的可能性同通过分析电源模块电路，可以知道，逆变器的相共用驱动电源。

处理方法更换辅变的电源模块，故障现象消失，试验通过。

大功率电力机车牵引变流器的故障诊断论文原稿。

摘要牵引变流器作为型电力机车的核心部件，其主要作用是将主变压器次边牵引绕组提供的交流电，通或者输出电流波形的变化含有变流器故障位置和故障类型等信息，从中快速的精确的提取出故障特征，是故障诊断研究的关键。

近年来，小波分析备受研究者的重视，它不仅在数学上形成了个新的分支，而且广泛应用于信号处理图像处理和模式识别等领域。

本文结合大量的资料，并做了多次的仿真实验对比，采用小波进行层小波分解，提取相电流的。

参考文献罗湘型电力机车牵引电机轴承温升报警原因分析及优化措施技术与市场，麻骁型电力机车牵引变流器电气原理及重点故障分析处理中国铁道科学研究院，龙光海，龚事引型电力机车牵引控制电源板启动时序优化科技创新与应用，牛剑博，詹哲军，张亚斌，张瑞峰，王龙刚电力机车牵引传动系统中转矩估算策略研究及台牵引电机，这些设备对应进行电气连接，并独立控制。

牵引变流器采用作为功率器件，水冷散热，散热效率高。

本文主要对牵引变流器逆变部分的开路故障进行故障诊断研究。

机车牵引变流器门极驱动板电源线断裂故障，会导致不能正常工作，影响机车正常运行但通过压接热缩管状端子改造和规范自由导线绑扎加固这些简力机车的核心部件之，其在能量转换时起着关键性作用。

对于牵引变流器而言，支撑电容等是其中的关键部件，是整个牵引变流器功能实现的基础。

机车的牵引变流器通常在大电压大电流的条件下，在开通与关断的过程中，电路的电流变化率很大，继而由于回路中的分布电感而产生尖峰也很大，大大增加了开关管过压损坏的可能性同逆变部分的开路故障进行故障诊断研究。

机车牵引变流器门极驱动板电源线断裂故障，会导致不能正常工作，影响机车正常运行但通过压接热缩管状端子改造和规范自由导线绑扎加固这些简单措施，即可有效解决问题，因此，从事机车检修的专业技术人员，应擅长在日常处理机车故障中，总结分析常见故障的根源，对症下药，彻底消除现的基础。

机车的牵引变流器通常在大电压大电流的条件下，在开通与关断的过程中，电路的电流变化率很大，继而由于回路中的分布电感而产生尖峰也很大，大大增加了开关管过压损坏的可能性同时，在高频开关状态下，特别是在高电压大电流条件下，发热造成过温的可能性更大，发热严重，更容易引发故障。

因此，对开关管大功率电力机车牵引变流器的故障诊断论文原稿频系数，获取每个系数对应的能量值，将能量值按顺序排成个向量，构成对应于个故障的特征向量。

大功率电力机车牵引变流器的故障诊断论文原稿。

机车电源故障机车在运行途中发生辅变隔离故障，机车回段后，下载机车数据进行分析，发现辅助变流器的逆变模块的相同时出现驱动故逆变部分的开路故障进行故障诊断研究。

机车牵引变流器门极驱动板电源线断裂故障，会导致不能正常工作，影响机车正常运行但通过压接热缩管状端子改造和规范自由导线绑扎加固这些简单措施，即可有效解决问题，因此，从事机车检修的专业技术人员，应擅长在日常处理机车故障中，总结分析常见故障的根源，对症下药，彻底消除相共用驱动电源。

处理方法更换辅变的电源模块，故障现象消失，试验通过。

机车电源故障机车在运行途中发生辅变隔离故障，机车回段后，下载机车数据进行分析，发现辅助变流器的逆变模块的相同时出现驱动故障。

小波分析的引入及故障特征的提取变流器的输出电的权值和阈值冻结，输入非样本测试数据，用于验证网络性能。

新的测试数据可以通过设置不同的仿真时间获得。

实际输出与期望输出达成致，所建立的神经网络具有较好的识别能力，能够进行故障诊断。

结束语本文运用小波分析和神经网络技术对变流器逆变部分进行故障诊断研究。

通过建模仿真，获取单管故障时定子相铁道机车与动车，周鹏，耿辉，王乃福型电力机车牵引电机故障分析铁道机车与动车，。

摘要牵引变流器作为型电力机车的核心部件，其主要作用是将主变压器次边牵引绕组提供的交流电，通过变流器的整流逆变向异步牵引电机提供相变频变压交流电。

通过分析电源模块电路，可以知道，逆变器的力机车的核心部件之，其在能量转换时起着关键性作用。

对于牵引变流器而言，支撑电容等是其中的关键部件，是整个牵引变流器功能实现的基础。

机车的牵引变流器通常在大电压大电流的条件下，在开通与关断的过程中，电路的电流变化率很大，继而由于回路中的分布电感而产生尖峰也很大，大大增加了开关管过压损坏的可能性同故障隐患。

门极驱动板电源线不做固定，晃动大，容易在插头根部产生应力集中振动疲劳效应，从而导致断线问题。

为减少电源线相对于门极驱动板插头之间的晃动，提出电源线绑扎工艺要求门极驱动板插头后约处的电源线，用扎带绑扎在门极驱动板上方的支架上在及以上修程中，对门极驱动板电源线状态进行手检，确保接线紧固，绑扎可开展故障诊断研究有重要意义。

机车牵引系统采用的是牵引变压器牵引变流器及异步牵引电动机构成的交流传动系统。

机车采用轴控方式，牵引系统共装有套牵引绕组个象限整流模块个牵引逆变模块及台牵引电机，这些设备对应进行电气连接，并独立控制。

牵引变流器采用作为功率器件，水冷散热，散热效率高。

本文主要对牵引变流通过变流器的整流逆变向异步牵引电机提供相变频变压交流电。

神经网络故障模型的建立及仿真误差逆传播，简称算法是迄今最成功的神经网络学习算法，现实任务中使用神经网络时，大多是在使用算法进行训练。

开关管的断路故障与逆变器的输出电流波形变化之间具有较强的非线性关系，利用流的波形，利用小波分析提取故障特征，将处理过的故障特征数据输入神经网络对其进行训练，利用神经网络进行故障诊断。

通过仿真实验证明，该方法可以有效的进行故障识别及定位。

牵引变流器作为大功率电力机车的核心部件之，其在能量转换时起着关键性作用。

对于牵引变流器而言，支撑电容等是其中的关键部件，是整个牵引变流器功能大功率电力机车牵引变流器的故障诊断论文原稿逆变部分的开路故障进行故障诊断研究。

机车牵引变流器门极驱动板电源线断裂故障，会导致不能正常工作，影响机车正常运行但通过压接热缩管状端子改造和规范自由导线绑扎加固这些简单措施，即可有效解决问题，因此，从事机车检修的专业技术人员，应擅长在日常处理机车故障中，总结分析常见故障的根源，对症下药，彻底消除。

本文选用层神经网络对变流器开关管开路故障进行诊断。

输入层的神经元个数为个，输出层的神经元个数为