[发明专利]一种异步化超高压同步发电机失磁故障诊断方法

权利要求书

1.一种异步化超高压同步发电机失磁故障诊断方法，其特征在于，包括以下步骤：

步骤(1)，采集异步化超高压同步发电机的转子电压信号，定子电压信号和定子电流信号；

步骤(2)，进行小波包分析，得到转子电压信号，定子电压信号和定子电流信号的各子频带的能量值特征向量；

步骤(3)，构建神经网络W1，神经网络W2和神经网络W3；将小波包分析提取的转子电压信号的能量值特征向量作为神经网络W1的输入向量，进行训练并输出故障状态G1；将小波包分析提取的定子电压信号的能量值特征向量作为神经网络W2的输入向量，进行训练并输出故障状态G2；将小波包分析提取的定子电流信号的能量值特征向量作为神经网络W3的输入向量，进行训练并输出故障状态G3；

步骤(4)，构建逻辑运算单元，将故障状态G1，故障状态G2和故障状态G3作为逻辑运算单元的输入，逻辑运算单元输出故障状态G。

2.根据权利要求1所述的一种异步化超高压同步发电机失磁故障诊断方法，其特征在于，所述小波包分析包含对转子电压信号，定子电压信号和定子电流信号进行去噪，分解，重构和提取小波包能量值。

3.根据权利要求2所述的一种异步化超高压同步发电机失磁故障诊断方法，其特征在于，

所述小波包分析法使用的是db4小波函数信号并进行三层小波包分解，得到第三层各子频带的小波包能量值。

4.根据权利要求2或3所述的一种异步化超高压同步发电机失磁故障诊断方法，其特征在于，将所述的小波包能量值组成能量值特征向量T＝{E0，E1，E2，E3，E4，E5，E6，E7}，用于神经网络的输入。

5.根据权利要求1所述的一种异步化超高压同步发电机失磁故障诊断方法，其特征在于，

所述的神经网络W1，神经网络W2和神经网络W3均采用3层BP神经网络，包含输入层，隐含层和输出层，输入层的神经元节点数为8，输出层的神经元节点数为3，隐含层神经元节点数满足：其中h为隐含层神经元节点数，n为输入层神经元节点数，m为输出层神经元节点数，a为调节常数，a的取值范围为1到10之间。

6.根据权利要求5所述的一种异步化超高压同步发电机失磁故障诊断方法，其特征在于,所述神经网络W1,神经网络W2和神经网络W3均采用Levenberg-Marquardt算法，隐含层神经元选择S型正切函数为激活函数，输出层神经元选择S型对数函数为激活函数。