[发明专利]轴带推进机构中轴带电机的故障检测方法

权利要求书

1.一种轴带推进机构中轴带电机的故障检测方法，其中，轴带推进机构包括轴带电机，轴带电机通过用电线路与直流母线相连接，用电线路上由轴带电机开始依次设有断路器、变频模块、熔断器；轴带电机的输出轴与三端齿轮箱的第一输入端相连接；三端齿轮箱的输出端与螺旋桨相连接，三端齿轮箱的第二输入端通过离合器与柴油推进主机的输出轴相连接，变频模块设有第一温度传感器，在变频模块和断路器之间的线路上设有第一交流电压传感器，在断路器和轴带电机之间的线路上设有第一交流电流传感器，轴带电机处设有第二温度传感器、第三温度传感器、第四温度传感器和转速传感器；第一温度传感器、第一交流电压传感器、第一交流电流传感器、第二温度传感器、第三温度传感器、第四温度传感器以及转速传感器与轴带推进机构控制模块电联接；

检测过程具体如下：

步骤a、构建数据库

根据轴带电机在工作过程中的测量值与故障类型构建故障数据库，数据库包含已知的有可能产生的故障类型和相应故障的表现形式；

步骤b、构建卷积神经网络专家系统

步骤b.1、预设卷积神经网络专家系统卷积分量的数量N，并初始化N＝1；

步骤b.2、基于数据库内的测量值与故障类型，构建卷积神经网络专家系统的M个测量值输入矩阵X和对应的故障矩阵Y；

步骤b.3、对输入矩阵X进行卷积计算，公式如下：

式中，Xⁱ是第i个输入映射(1≤i≤M)，是第l个卷积核，L_i是第i个卷积层中的总核数，是偏差，是第l个卷积输出映射，r表示共享权重的局部区域；

步骤b.4、通过如下公式增加卷积输出映射的非线性属性：

步骤b.5、通过池化层计算，增加数据的平移不变性和防止过拟合，公式如下：

式中，每个神经元都汇集在中的2×2区域上；

步骤b.6、计算卷积神经网络专家系统的输出矩阵：

步骤b.7、根据以下公式计算各神经元对应故障的概率分布

式中，exp(θⁱ)是第i个神经元的概率分布，是神经元的权重；S为输出矩阵所含元素个数；

步骤b.8、根据各故障的概率分布确定最终输出矩阵W；

步骤b.9、卷积神经网络专家系统对输出矩阵W与已知故障矩阵Y进行对比分析：

若通过卷积神经网络专家系统计算的输出矩阵W内的故障类型与已知故障矩阵Y内的故障类型不完全相同，则执行步骤b.10至步骤b.11；

若通过卷积神经网络专家系统计算的输出矩阵W内的故障类型与已知故障矩阵Y内的故障类型全部相同，则执行步骤b.12；

步骤b.10、对卷积分量进行如下计算：N＝N+1；

步骤b.11、把输出尺寸Φⁱ转变成输入矩阵X，执行步骤b.3至步骤b.9；

步骤b.12、确定卷积分量的数量N的取值、各比例因子的数值及各神经元的权重并构建出卷积神经网络专家系统；

步骤c、数据采集

通过设置在轴带电机及变频模块处的传感器实时采集所需数据,并传输至基于卷积神经网络专家系统，包括：第一温度传感器采集变频模块的温度t₁；第一交流电压传感器采集轴带电机的三相电压U_u、U_v、U_w；第一交流电流传感器采集轴带电机的三相电流I_u、I_v、I_w；第二温度传感器采集轴带电机驱动端轴承温度t₂；第三温度传感器采集轴带电机三相绕组温度t_u、t_v、t_w；第四温度传感器采集轴带电机非驱动端轴承温度t₃；转速传感器采集轴带电机的输出转速n，轴带推进机构控制模块根据公式f＝np/60计算轴带电机的频率f，式中，p为轴带电机的极对数等；

步骤d、通过卷积神经网络专家系统对步骤c所采集的数据进行分析处理：

步骤d.1、初始化卷积神经网络专家系统执行次数j＝0；

步骤d.2、构建卷积神经网络专家系统的输入矩阵X：X＝[t₁ U_u U_v U_w…I_w n]；

步骤d.3、采用步骤b构建的卷积神经网络专家系统对输入矩阵X进行分析；

步骤d.4、对卷积分量进行如下计算：j＝j-1；

步骤d.5、卷积神经网络专家系统判断j≤N是否成立；若成立，则把输出矩阵Φⁱ转变成输入矩阵X，执行步骤d.3至步骤d.5；若不成立，卷积神经网络专家系统输出输出矩阵Φⁱ；

步骤e、故障查询

轴带推进机构控制模块根据卷积神经网络专家系统的输出结果Φⁱ，访问数据库；若在数据库内查询到相应故障，则将故障发送至故障显示模块显示，用于指导维修工人维修。

2.如权利要求1所述的一种轴带推进机构中轴带电机的故障检测方法，其特征在于：所述步骤e中，若在数据库内未查询到相应故障，则由专家人员对故障和相应故障的表现形式进行判断，若故障和相应故障的表现形式相匹配，则把故障和相应故障的表现形式纳入数据库，并将故障发送至故障显示模块显示，用于指导维修工人维修，同时更新卷积神经网络专家系统；若故障和相应故障的表现形式不匹配，则根据专家人员的经验，获得相应表现形式对应的故障，并纳入数据库，同时更新卷积神经网络专家系统。