本发明公开了基于高阶神经网络的Buck变换器的故障诊断方法，属于电力变换器故障诊断领域。该方法包括采集Buck变换器的运行数据；根据运行数据获取高阶神经网络的训练样本；建立Buck变换器的工作模式与高阶神经网络的输出数据的映射关系；利用训练样本训练高阶神经网络；将待检测时刻Buck变换器的电感电流和输出电压输入训练后的高阶神经网络得到待检测时刻的输出数据；根据Buck变换器的工作模式与高阶神经网络的输出数据之间的映射关系，获取待检测时刻的Buck的变换器工作模式；解决了BP神经网络进行故障诊断时网络层数难以确定、网络训练速度慢的问题；达到了提高Buck变换器故障诊断的实时性和实用性的效果。

第一方面，提供了一种基于高阶神经网络的Buck变换器的故障诊断方法，该方法包括：

采集Buck变换器在6种工作模式下的运行数据；运行数据包括Buck变换器运行时的电感电流、输出电压；

根据运行数据获取高阶神经网络的训练样本，训练样本包括工作模式及工作模式对应的电感电流、输出电压；

建立Buck变换器的工作模式与高阶神经网络的输出数据之间的映射关系；

利用训练样本训练高阶神经网络，高阶神经网络的输入数据为Buck变换器运行时的电感电流、输出电压；

将待检测时刻Buck变换器的电感电流和输出电压输入经过训练后的高阶神经网络，得到待检测时刻的高阶神经网络的输出数据；

根据Buck变换器的工作模式与高阶神经网络的输出数据之间的映射关系，获取待检测时刻的高阶神经网络的输出数据对应的Buck的变换器工作模式，Buck变换器的工作模式用于指示Buck变换器是否出现故障；

其中，高阶神经网络的输出数据为：

yM(t)表示t时刻高阶神经网络输出层的第M个节点的输出数据，g(·)表示求积层神经元的活化函数，f(·)表示求和层神经元的活化函数，xi(t)表示t时刻高阶神经网络的第i个输入数据，表示求和层与输出层的连接权值，表示输入层与求和层的连接权值，M＝1，2，3。

Buck变换器是一种常用的电力变换器，因其具有高效率、低噪声等一系列优点，在工业、新能源、农业等领域都有着重要的应用。为了保证Buck变换器所在系统能够正常工作，需要对Buck变换器进行故障故障诊断。

电力变换器的故障诊断方法主要包括基于解析模型的故障诊断方法、基于知识的故障诊断方法、基于信号处理的故障诊断方法。基于神经网络的故障诊断方法是一种基于知识的故障诊断方法。基于神经网络的故障诊断方法无需建立精确的数学模型，克服了电力变换器建模困难的问题，在电力变换器故障诊断领域有着广泛的应用。BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络，具有非线性映射和良好的容错能力，但是基于BP神经网络的故障诊断方法存在容易陷入局部最小值、网络层数难以确定、网络训练速度慢等问题。

江南大学是教育部直属、国家“211工程”重点建设高校和“双一流”建设高校。学校具有悠久的办学历史、厚重的文化积淀，源起1902年创建的三江师范学堂，历经国立中央大学、南京大学等发展时期；1958年南京工学院食品工业系整建制东迁无锡独立建校，成立无锡轻工业学院；1962年无锡纺织工学院并入无锡轻工业学院；1995年更名为无锡轻工大学；2001年无锡轻工大学、江南学院、无锡教育学院合并组建江南大学；2003年东华大学无锡校区并入江南大学。

通过采集Buck变换器在6种工作模式下的运行数据，从运行数据中获取高阶神经网络的训练样本，建立Buck变换器的工作模式与高阶神经网络的输出数据之间的映射关系，利用训练样本训练高阶神经网络，将待检测时刻的Buck变换器的输出电压、电感电流输入训练后的高阶神经网络，得到对应的Buck变换器的工作模式，根据Buck变换器的工作模式确定Buck变换器是否发生故障；解决了BP神经网络在进行故障诊断时网络层数难以确定、网络训练速度慢的问题；达到了简化神经网络的结构，提高Buck变换器故障诊断的实时性和实用性的效果。

科技成果只有通过实施开发应用，使其转化为生产力，才能取得经济效益和社会效益。成果方目标是将科技成果转化为现实生产力，期待有意愿的企业或合作单位进行合作推广或者进行产品生产。考虑合作转化、许可+合作等转化方式与企业、科学技术研究开发机构和其他组织建立合作关系。