[发明专利]一种基于神经网络模型的马达故障诊断装置及其方法

说明书

本发明公开了一种基于神经网络模型的马达故障诊断装置及其方法，涉及船舶电气自动化领域。本发明的马达故障诊断装置包括信号采集模块、马达控制器、上位机和马达控制与保护模块，马达控制器内嵌有bp神经网络。本发明的信号采集模块采集马达电机的电压和电流，并把采集到的电气参数输入到马达控制器内的bp神经网络内，利用监测的电气参数作为故障模型的输入信号，经神经网络诊断模型分析诊断，得出不同电机工况下的故障类型，并将执行信号输入到上位机和马达控制与保护模块内，可实现马达故障在线故障诊断，减少了电机的不必要停机与人为排查。

技术领域

本发明涉及船舶电气自动化领域，更具体地说是一种基于神经网络模型的马达故障诊断装置及其方法。

背景技术

马达广泛应用于工业领域，其中马达在船舶机舱内也分布广泛，马达的运行安全直接影响船舶运行安全。

马达的堵转、过流、缺相等故障是其常见的电气故障，而传统故障诊断装置大多采用离线式监测方式，存在采集模块精度低，算法资源占用大，操作不便，诊断滞后等缺点。如传统的马达控制器可进行电机监测、保护和简单的故障诊断，但故障报警发出后，需要电机停机，维修人员进一步的检查判断，分析诊断非常浪费时间和精力。

发明内容

1.发明要解决的技术问题

针对现有技术中马达故障后，需要电机停机并进一步检查判断故障原因等问题，本发明提供了一种基于神经网络模型的马达故障诊断装置及其方法，利用监测的电气参数作为故障模型的输入信号，经嵌入到马达控制器中的神经网络诊断模型分析诊断，得出不同电机工况下的故障类型，可实现马达故障在线故障诊断，减少了电机的不必要停机与人为排查。

2.技术方案

为达到上述目的，本发明提供的技术方案为：

一种基于神经网络模型的马达故障诊断方法，包括如下步骤：

步骤一、采集输入信号：利用信号采集模块采集马达的电流及电压信号，并计算马达的转速电气参数；

步骤二、输入信号向量表示：对采集的电压、电流信号进行频谱分析，找出电压、电流信号的特征值，并用向量表示；

步骤三、bp神经网络的建立与训练：建立三层前馈神经网络，对bp神经网络进行模型训练，利用BP算法不断修正bp神经网络的权值与阈值，使得模拟值与故障实测值趋于一致；

步骤四、马达故障诊断：将步骤三中训练好的bp神经网络嵌入马达控制器中，把实时测量的马达的电流、电压和转速值作为输入值输入bp神经网络，得到不同电气参数下的故障模式，从而对马达故障进行诊断。

进一步的技术方案，步骤三中，bp神经网络的训练步骤包括：

B1：根据马达控制器监测的数据，提取反映马达的故障特征的参数信息作为输入数据；

B2：将特征参数所反映的故障类型作为输出；

B3：训练bp神经网络，将训练集输入向量和目标向量样本分别作为输入和输出，调整bp神经网络的权值向量和阈值向量，重复步骤四的操作，直到神经网络的输出达到稳定；

B4：测试已训练好的bp神经网络，将测试样本送入bp神经网络，当系统能根据输入的测试样本与bp神经网络的某个输入向量相一致时，输出马达故障的所属故障模式的类型，bp神经网络设计成功，否则说明bp神经网络设计不成功，返回B3重新训练bp神经网络。

进一步的技术方案，步骤四中，马达故障诊断步骤包括：

C1：将训练好的马达故障信息的权值向量和阈值向量存储到bp神经网络中，以便后面更新信息；并将训练好的bp神经网络导入马达控制器中；