[發明專利]基于人工神經網絡的設備故障智能診斷方法

在審

• 申請號: 201911055504.2
• 申請日: 2019-10-31
• 公開（公告）號: CN110766143A
• 公開（公告）日: 2020-02-07
• 發明（設計）人: 張月
• 申請（專利權）人: 上海埃威航空電子有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06K9/62;G06N3/08;G06N5/04
• 代理公司: 31290 上海科律專利代理事務所(特殊普通合伙)
• 代理人: 袁亞軍

1.一種基于人工神經網絡的設備故障智能診斷方法，其特征在于，包括如下步驟：

S1：通過測試設備故障診斷系統收集設備故障信息，根據收集的設備故障信息歷史數據，建立故障癥狀、故障原因和維修方案之間的對應關系；

S2：建立神經網絡模型，將步驟S1中收集的故障信息作為學習樣本，對建立的神經網絡模型進行訓練；

S3：將步驟S2中訓練完成的神經網絡模型加載到神經網絡推理機；

S4：測試設備故障診斷系統實時采集測試設備的信號，當發現監測信號異常時，系統報警；

S5：將步驟S4中發現的測試設備異常故障作為待識別樣本，經神經網絡推理機推理，找出測試設備故障原因、定位故障并輸出合理的解決方法，最后記錄故障信息。

2.如權利要求1所述的基于人工神經網絡的設備故障智能診斷方法，其特征在于，所述測試設備故障診斷系統從硬件功能上將測試設備分為三級，第一級為各子系統，包括采集控制器、信號模擬器、測試微機和電源，所述采集控制器包括電壓采集板和A/D采集板，所述信號模擬器包括信號發送器和信號接收器，所述測試微機包括數據接口板和程序接口板，所述電源包括5V電源和15V電源；第二級為各子系統的板級電路，所述電壓采集板、A/D采集板、信號發送器、信號接收器、數據接口板、程序接口板、5V電源和15V電源屬于第二級；第三級為板級電路的單元電路或元器件。

3.如權利要求2所述的基于人工神經網絡的設備故障智能診斷方法，其特征在于，所述步驟S5中神經網絡推理機根據測試設備的分級，對各子系統進行分層次推理。

4.如權利要求1所述的基于人工神經網絡的設備故障智能診斷方法，其特征在于，所述步驟S2中的神經網絡模型為BP神經網絡模型，所述BP神經網絡模型包括輸入層、隱層和輸出層，所述隱層設置在輸入層和輸出層之間，所述輸入層包含多個輸入節點，所述輸出層包含多個輸出節點。

5.如權利要求4所述的基于人工神經網絡的設備故障智能診斷方法，其特征在于，所述步驟S2中對神經網絡模型進行訓練，是將故障癥狀對應BP神經網絡模型輸入節點，故障原因對應BP神經網絡模型輸出節點。

6.如權利要求5所述的基于人工神經網絡的設備故障智能診斷方法，其特征在于，所述BP神經網絡模型的訓練包括以下步驟：

S21：從訓練樣本中取一個樣本，把樣本輸入到網絡中；

S22：由網絡分別計算各層節點的輸出；

S23：計算網絡的實際輸出與期望輸出的誤差；

S24：從輸出層反向計算到第一個隱層，按照梯度下降的原則向減小誤差方向調整網絡的各個連接權值；

S25：對訓練樣本中的每一個樣本重復步驟S21-S24，直到整個訓練樣本的誤差小于設定的誤差閾值為止。

7.如權利要求1所述的基于人工神經網絡的設備故障智能診斷方法，其特征在于，所述步驟S5中神經網絡推理機采用數據驅動的正向推理策略，從初始狀態出發，向前推理，達到目標狀態為止，神經網絡推理機推理步驟如下：

S51：將待識別樣本交給輸入層各節點；

S52：通過輸入層到隱層的連接權值，求出隱層神經元的輸出，并作為輸出層的輸入；

S53：通過隱層到輸出層的連接權值，求出輸出層神經元的輸出；

S54：通過閾值函數判定輸出層神經元的最終輸出結果。

8.如權利要求7所述的基于人工神經網絡的設備故障智能診斷方法，其特征在于，所述輸入層、隱含層和輸出層的節點數分別為N，L及M，所述步驟S52中輸入層到隱層的連接權值為w_ij，隱層的節點閾值為θ_j，隱層神經元的輸出為：

其中函數f(x)＝1/[1+exp(-x)]。