[发明专利]一种基于BP神经网络的直流电机故障检测方法

说明书

本发明公开了一种基于BP神经网络的直流电机故障检测方法，涉及故障检测技术领域，包括：步骤S1：对直流电机的故障机理进行分析，得到理论模型基础；步骤S2：采集直流电机原始数据；步骤S3：对采集到的直流电机原始数据预处理，得到初始数据结论；步骤S4：对直流电机的状态进行状态监测，获得状态信息；步骤S5：根据初始数据结论和状态信息进行故障判断，得到诊断结果；步骤S6：将诊断结果发送给用户进行反馈。采用上述技术方案，通过以BP神经网络为工具，结合直流电机相关故障的理论结论和实际状态信息，实现正确率较高的故障诊断，操作简单，所需电机信息较少，故障诊断正确率较高，用户可以实时监测直流电机的故障状态。

技术领域

本发明涉及故障检测技术领域，特别涉及一种基于BP神经网络的直流电机故障检测方法。

背景技术

直流电机故障诊断技术成为直流电机在工业场合稳定运行的基础得到广泛关注，但大多数直流电机生产企业都鲜有成熟的在线故障诊断方式，这也成为了电机发展的一大桎梏而亟待解决。

目前国内外有很多种电机故障检测的方法，这些方法的特点是建立了直流电机精确的动态模型来辨识直流电机的参数。其优点在于辨识出的电机参数具有鲜明的物理意义，可以很方便地进行直流电机故障诊断，只要发现电机参数的变化超过设定的故障限值即可判定直流电机发生了对应类型的故障。但是，现有技术中，由于任意一种直流电机的故障都会影响不止一个的电机参数变化，且参数之间也是相互关联的，其中一个参数的变化会导致其他参数的变化，这就导致各种类型的故障特征不甚明显，难以对直流电机进行故障机理分析和故障定位。

发明内容

本发明要解决的技术问题是提供一种操作简单，所需电机信息较少，故障诊断正确率较高的基于BP神经网络的直流电机故障检测方法，解决现有技术中的技术问题。

为了解决上述技术问题，本发明的技术方案为：

一种基于BP神经网络的直流电机故障检测方法，包括：

步骤S1：对直流电机的故障机理进行分析，得到理论模型基础；

步骤S2：采集直流电机原始数据；

步骤S3：对采集到的直流电机原始数据预处理，得到初始数据结论；

步骤S4：对直流电机的状态进行状态监测，获得状态信息；

步骤S5：根据初始数据结论和状态信息进行故障判断，得到诊断结果；

步骤S6：将诊断结果发送给用户进行反馈。

其中，在所述步骤S2中采集的直流电机原始数据包括电流信号和电压信号。

其中，所述步骤S1对直流电机的故障机理进行分析，而得到理论模型基础的方法包括：

步骤S11：给定学习样本集；

步骤S12：求隐层、输出层各单元输出；

步骤S13：对整体样本集计算总体误差E；

步骤S14：判断总体误差E是否满足要求，如果满足要求结束，即得到理论模型基础，否则执行步骤S15；

步骤S15：反向计算各单元一般化误差；

步骤S16：调整各层间的权值，执行步骤S12。

其中，在所述步骤S3：对采集到的直流电机原始数据预处理，得到初始数据结论中，通过解直流电机动态微分方程组和分析其电枢电流谐波获得故障诊断所需的特征参量，并分析特征参量和电机参数以及电机参数和电机故障类型之间的关系；对直流电机进行故障分类。

具体的，对直流电机进行故障分类具体包括对工业用大功率直流电机最易发的故障进行细分和故障现象及原因分析。