[發明專利]一種基于神經網絡的故障診斷方法及裝置

在審

• 申請號: 202010148263.2
• 申請日: 2020-03-05
• 公開（公告）號: CN111259993A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 關新;趙琰;郭瑞;王帥杰;陳琳;王黎明
• 申請（專利權）人: 沈陽工程學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G01M15/00
• 代理公司: 北京匯捷知識產權代理事務所(普通合伙) 11531
• 代理人: 李宏偉

本發明公開了一種基于神經網絡的故障診斷方法及裝置，涉及發動機故障診斷技術領域，故障診斷方法包括S1、提取故障設備特征數據信息；S2、對特征數據信息預處理；S3、特征信息導入神經網絡模型；S4、導入訓練樣本集；S5、神經網絡模型得出故障診斷結果以及S6、導出設備故障的診斷結果，通過上述故障診斷步驟，借助了BP神經網絡模型，在實際診斷的過程中，通過對已有發動機中各個特征數據信息的提取，直接導入到已經經過訓練樣本集訓練的BP神經網絡模型中，可快速診斷出發動機的具體故障結果；基于神經網絡的故障診斷裝置包括特征數據監測單元、數據預處理模塊、BP神經網絡模型、訓練樣本集導入模塊以及故障診斷結果輸出模塊。

技術領域

本發明涉及發動機故障診斷技術領域，具體為一種基于神經網絡的故障診斷方法及裝置。

背景技術

發動機(Engine)是一種能夠把其它形式的能轉化為機械能的機器，最早誕生在英國，其既適用于動力發生裝置，也可指包括動力裝置的整個機器(如：汽油發動機、航空發動機)。其種類包括如內燃機(汽油發動機等)、外燃機(斯特林發動機、蒸汽機等)、電動機等。

隨著發動機使用年限的不斷增加，在正常使用過程中，經常會出現故障的問題，現有技術中，找出發動機具體故障點的過程較長，需要將發動機一一拆卸下來，費時費力，而且檢修的效率低，人工成本高，不利于社會的發展需要，為此，本領域的技術人員提出了一種基于神經網絡的故障診斷方法及裝置。

發明內容

針對現有技術的不足，本發明提供了一種基于神經網絡的故障診斷方法及裝置，解決了現有技術中，找出發動機具體故障點的過程較長，需要將發動機一一拆卸下來，費時費力，而且檢修的效率低，人工成本高，不利于社會的發展需要的問題。

為實現以上目的，本發明通過以下技術方案予以實現：一種基于神經網絡的故障診斷方法，包括如下步驟：

S1、提取故障設備特征數據信息：從已有的故障發動機中提取該故障發動機所對應的特征數據信息；

S2、對特征數據信息預處理：將步驟S1中在已有故障發動機上所提取的各個特征數據，導入數據處理模塊中進行預處理；

S3、特征信息導入神經網絡模型：將步驟S2中預處理后的各個特征數據導入已構建完成的BP神經網絡模型中；

S4、導入訓練樣本集：向步驟S3中所構建的PB神經網絡模型中導入已有的特征數據和已知的故障結果數據形成的訓練樣本集，對已構建的BP神經網絡模型進行訓練；

S5、神經網絡模型得出故障診斷結果：其中，包括如下子步驟：

a、將步驟S2中向整個BP神經網絡模型導入各個特征數據信息，輸入至輸入層中的各個節點中，作為輸入層中神經元的輸出；

b、根據公式計算出隱層中神經元各個節點的輸出，作為輸出層的輸入；

c、根據公式計算出輸出層各個神經元節點的輸出；

d、根據閾值函數來判斷步驟c輸出層對應神經元節點輸出的結果。

S6、導出設備故障的診斷結果：導出步驟S5所輸出的設備故障的診斷結果。

優選的，所述步驟S1中特征數據信息包括該故障發動機的溫度信號、油壓信號、電流強度信號、電壓強度信號以及振動信號。

優選的，所述在步驟S5中的子步驟b中，計算隱層中神經元各個節點輸出值的公式為：

O_j＝f(I_j)＝1/[exp(-I_j)]