CN102621489A - 基于小波神经网络的船舶发电机故障智能诊断系统 - Google Patents
基于小波神经网络的船舶发电机故障智能诊断系统 Download PDFInfo
- Publication number
- CN102621489A CN102621489A CN2011103519488A CN201110351948A CN102621489A CN 102621489 A CN102621489 A CN 102621489A CN 2011103519488 A CN2011103519488 A CN 2011103519488A CN 201110351948 A CN201110351948 A CN 201110351948A CN 102621489 A CN102621489 A CN 102621489A
- Authority
- CN
- China
- Prior art keywords
- neural network
- wavelet neural
- generator
- signal
- system based
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明属于电力电子装置及应用领域，涉及一种基于小波神经网络的船舶发电机故障智能诊断系统。系统执行的主要步骤为：先采集发电机的状态特征信号；再从所采集发电机的特征信号中提取征兆；然后把采集的信号经DSP处理后送入小波神经网络，神经网络经过推理计算后输出识别的故障类型，将故障信息及发生概率显示在上位机上供工作人员参考。
Description
技术领域
本发明涉及电力电子装置及应用领域，特指基于小波神经网络的船舶发电机故障智能诊断系统。
背景技术
近年来船舶发电机组设备朝着高速化、大型化、精密化和集成化的方向发展。设备本身规模更大,结构更加复杂,功能更多更强,性能指标更高,工作负荷更重,连续工作时间更长,各部分之间的相互作用和耦合越来越强,导致船舶发电机故障的可能性大大增加,出现方式更加复杂多样，应用传统的诊断技术已不能满足需求。
智能故障诊断技术为其检测技术带来了一条新思路，但是现存的智能诊断技术存在几个问题。一是现存智能故障诊断技术只能对单一故障进行精确检测判断。当电机存在复合型故障时，系统判断的执行效率和准确率严重下降，必须寻找其他方法来分离。二是检测方法的单一性。单纯应用一种检测方法诊断故障势必会影响诊断的精度。
本发明开发了一种基于小波神经网络的船舶发电机故障智能诊断系统。这种诊断系统采用多种检测方法相结合的方式，具有良好的执行效率和精确性，同时具有很强的诊断能力，在很大的程度上提高了诊断系统的能力。经过查询，未相关专利发表。
发明内容
本发明是基于小波神经网络的船舶发电机故障智能诊断系统，系统先采集发电机的状态特征信号；再从所采集发电机的特征信号中提取征兆；然后把采集的信号经DSP处理后送入小波神经网络，神经网络经过推理计算后和建立的知识库进行比较，输出识别的故障类型，完成发电机故障诊断。采集信号采用多种方法结合的方式，小波神经网络的优越性使得DSP处理的信号能很好的判断出故障类型。
附图说明
图1 系统硬件结构图；图2 系统软件流程图。
具体实施方式
整个系统分为两个部分，即硬件部分和软件部分。
硬件部分包括：上位机、Field bus、监控节点、执行机构、传感器、船舶发电机。传感器采集的船舶发电机信号传送到DSP，DSP进行数据处理后发送给上位机软件，对信号进行分析给出故障结果。控制节点DSP进行控制，控制传感器、执行机构与现场总线之间的信息交换。
信号采集部分：由传感器检出反映船舶发电机状态的物理量(特征量)并将其转换为合适的电信号，并对信号进行预处理，主要是抑制干扰，然后进行A/D转换。发电机传感器子系统是发电机故障监测与诊断的主要信息来源，采集发电机各种参数包括静态参数、动态参数以及运行参数等。
信号处理部分：信号分析与处理是指对收集到的信号进行特征数据的分析和对特征数据的提取。将采集信息传送到进行处理和船舶机舱计算机数据库进行对比。对于船舶发电机，因数据处理单元远离现场，通过网络进行信息传输。结合智能故障诊断方法的优缺点，课题拟用小波分析技术进行信号的分析处理。
故障推理部分：对处理后数据及历史数据、故障判定数据、规程等进行分析比较，对船舶发电机状态及故障部位做出判断，为下一步的维修措施提供依据。当知识库不能对故障进行有效检测时，能及时对知识库进行更新扩充。
Claims (2)
1.本发明属于船舶电力电子装置及应用领域，涉及一种基于小波神经网络的船舶发电机故障智能诊断系统。
2.权利要求1中所述系统执行的主要步骤为：先采集发电机的状态特征信号；再从所采集发电机的特征信号中提取征兆；然后把采集的信号经DSP处理后送入小波神经网络，神经网络经过推理计算后输出识别的故障类型，将故障信息及发生概率显示在上位机上供工作人员参考。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011103519488A CN102621489A (zh) | 2011-11-09 | 2011-11-09 | 基于小波神经网络的船舶发电机故障智能诊断系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011103519488A CN102621489A (zh) | 2011-11-09 | 2011-11-09 | 基于小波神经网络的船舶发电机故障智能诊断系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102621489A true CN102621489A (zh) | 2012-08-01 |
Family
ID=46561520
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2011103519488A Pending CN102621489A (zh) | 2011-11-09 | 2011-11-09 | 基于小波神经网络的船舶发电机故障智能诊断系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102621489A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103577877A (zh) * | 2013-11-19 | 2014-02-12 | 北京航空航天大学 | 一种基于时频分析和bp神经网络的船舶运动预报方法 |
| CN110231529A (zh) * | 2019-06-11 | 2019-09-13 | 山东科技大学 | 一种控制柜智能故障诊断系统及故障诊断方法 |
-
2011
- 2011-11-09 CN CN2011103519488A patent/CN102621489A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103577877A (zh) * | 2013-11-19 | 2014-02-12 | 北京航空航天大学 | 一种基于时频分析和bp神经网络的船舶运动预报方法 |
| CN103577877B (zh) * | 2013-11-19 | 2016-05-25 | 北京航空航天大学 | 一种基于时频分析和bp神经网络的船舶运动预报方法 |
| CN110231529A (zh) * | 2019-06-11 | 2019-09-13 | 山东科技大学 | 一种控制柜智能故障诊断系统及故障诊断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110940518B (zh) | 一种基于故障数据的航天传动机构分析方法 | |
| CN107703920A (zh) | 基于多元时间序列的列车制动系统的故障检测方法 | |
| CN104698343A (zh) | 基于历史录波数据的电网故障判断方法和系统 | |
| CN105571638A (zh) | 一种机械设备故障组合预测系统及方法 | |
| CN103901882A (zh) | 一种列车动力系统在线监控故障诊断的系统及其方法 | |
| CN111404130B (zh) | 基于快速开关的新型配电网故障检测方法及故障自愈系统 | |
| CN103259686A (zh) | 基于离散错误事件的can总线网络故障诊断方法 | |
| CN106769053A (zh) | 一种基于声发射信号的水轮机故障诊断系统及方法 | |
| CN111946559A (zh) | 一种风机基础和塔架结构检测方法 | |
| CN102758727B (zh) | 集成于控制系统的风力机状态监测与故障诊断系统及方法 | |
| CN202614273U (zh) | 一种火电厂传感器故障诊断装置 | |
| CN110597235A (zh) | 一种通用智能故障诊断方法 | |
| CN103969052A (zh) | 基于离群分析的柴油机故障诊断方法 | |
| CN114255784A (zh) | 一种基于声纹识别的变电站设备故障诊断方法及相关装置 | |
| CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
| CN102123177A (zh) | 基于网络实现的旋转机械故障检测系统及其在线检测方法 | |
| CN113030723A (zh) | 一种交流异步电机状态监测系统 | |
| CN107607342B (zh) | 空调机房设备群的健康能效检测方法 | |
| CN101968379B (zh) | 航空发动机转子系统工况振动信号特征信息提取方法 | |
| CN108613820A (zh) | 一种用于gis本体机械缺陷诊断和定位的在线异声监测算法 | |
| CN109388512A (zh) | 针对大规模计算机集群异常程度的评估与分析系统 | |
| CN113641667B (zh) | 一种分布式大数据采集平台的数据异常监控系统及方法 | |
| CN104048165B (zh) | 管道泄漏诊断的方法 | |
| CN102621489A (zh) | 基于小波神经网络的船舶发电机故障智能诊断系统 | |
| CN112434979A (zh) | 道岔系统健康评估方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120801 |