[发明专利]一种智能纺纱抓棉故障检测系统

权利要求书

1.一种智能纺纱抓棉故障检测系统，其特征在于，包括：依次相连的信息监测模块、信息处理模块、故障判别模块和故障警示模块；

所述信息监测模块，用于监测抓棉设备运行状态信息、抓棉设备的控制系统运行状态信息和抓棉设备的供电系统运行状态信息；

所述信息处理模块，用于对所述信息监测模块监测到的运行状态信息进行特征提取和处理，得到故障判别参数值；

所述故障判别模块，用于根据所述故障判别参数值判断是否发生故障，得到故障判别结果；

所述故障警示模块，用于发出故障警示信号；

所述智能纺纱抓棉故障检测系统还包括分别与所述故障判别模块和所述故障警示模块相连的故障诊断模块，用于根据所述故障判别结果，对异常状态进行进一步分析，得到故障诊断结果；

通过数据监测对智能纺纱抓棉进行数据采集，采集得到的数据经过去干扰处理和连续小波分析后，按功能进行分类，输入到不同的故障诊断单元，包括抓棉小车故障诊断单元、抓棉打手故障诊断单元、抓棉臂故障诊断单元、供电系统故障诊断单元和控制系统故障诊断单元；所述故障诊断模块采用反向传播算法搭建出包含一个隐含层的三层神经网络结构；

隐含层神经元的数量通过式(3)确定，训练时，通过试凑的方法确定神经元的具体数值：

式中，m为隐含层节点数，n为输入层节点数，l为输出层节点数，a为1～10之间的常数；

取待分析的运行状态信息集作为故障诊断的输入向量，记为X＝(X′₁，X′₂，…，X′₁₀)，取故障诊断集作为故障诊断的输出向量，记为Y＝(Y₁，Y₂，…，Y_m)，则输入输出关系Y＝f(X)，对于给定的训练样本(X′_i,Y_j)，i＝1,2,…,10，j＝1,2,…,m，用所述包含一个隐含层的三层神经网络结构训练模拟函数Y＝f(X)＝X·R，表示故障诊断是运行状态信息集到故障诊断集的连续映射关系，具体如式(4)所示：

其中，故障诊断结果Y_j＝[y_j1,y_j2,y_j3,y_j4]，y_j1,y_j2,y_j3和y_j4分别表示故障的原因、部位、程度和类别；R为运行状态信息的置信权矩阵，r_ij表示运行状态信息X′_i能被评价为Y_j的隶属程度，则R_i＝[r_i1,r_i2,…,r_im]表示对单一运行状态信息X′_i隶属情况的综合评判；

所述故障诊断模块还包括故障决策单元，用于根据所述故障诊断结果推测故障发展趋势，得出相应的故障应对指示信号；所述故障应对指示信号包括加强监测使用、调整、维修或停机修理；

将所述故障诊断集作为故障决策单元的输入向量，记为Y＝(Y₁，Y₂，…，Y_m)，将故障应对指示信号集作为故障决策输出向量，记为Z＝(Z₁,Z₂,Z₃,Z₄)，Z₁,Z₂,Z₃,Z₄分别表示加强监测使用、调整、维修和停机修理指示信号，对于给定的训练样本(Y_j,Z_k)，k＝1,2,3,4，采用以上故障诊断模块搭建的包含一个隐含层的三层神经网络结构，训练模拟函数Z＝f(y)＝Y·R′，表示故障决策是故障诊断集到故障决策集的连续映射关系，具体如式(5)所示：

式中，R′表示故障诊断结果的置信权矩阵，r′_jk表示故障诊断结果Y_j能被评价为Z_k的隶属度，则R^′_j＝[r′_j1,r′_j2,…,r′_j4]表示单一故障诊断结果Y_j隶属情况的综合判断。