用人工智能检测船舶发电机激磁电流的故障.pdfVIP

54 船电技术 2005 年 第1 期 用人工智能检测船舶发电机激磁电流的故障 王忠义 (福建交通职业技术学院 福州350007) 摘 要 提出一种基于波形分析的神经网络对船舶发电机激磁三相整流电路进行故障诊断 首先对整流电路的 输出波形采样 然后建立神经网络的输出与故障之间的对应关系 实现了智能故障诊断 仿真实验表明 这种方 法是准确可靠的 关键词 激磁电流 故障论断 神经网络 中图分类号 TM711 文献标识码 A The Application of Artificial Intelligence in Fault Diagnosis of Exciting Current of Ship’s Generator Wang Zhongyi (Fijian Technology Institute of Communications, Fijian 350007, China) Abstract: Based on neural network, a new on-line fault diagnosis method for exciting current of ship’s generator is presented. A neural BP network is founded which is able to diagnose faults of three – phase rectifier effectively. The method is verified by both simulation and experiment. Key words : exciting current; fault diagnosis; neural network 1 引言 2 原理 船舶电站是轮船的重要部分 而船舶发电机更 船舶发电机的励磁电流由四绕组相复励变 是重中之重 它的正常与否关系到船舶能否正常航 压器的第二绕组取出三相交流电压经六个硅堆二 行 船上若一时断电主机的润滑将无法保障 辅机 极管进行整流而得 如图 1 所示 现采用三层BP 泵浦将无法运转 机舱及通道的照明也无法正常 神经网络 将故障类型及故障元编码与神经网络 有些导航设备甚至会完全失控等等 因此有必要随 的输出对应 对图 1 的整流装置的输出电压 Ud 时监测发电机运行情况 从而做到早发现问题 早 的波形实时采样 经过数据处理 作为图2 神经 消除隐患 以免造成大事故 发电机的激磁电流是 网络的学习样本 建立输入信息与故障元编码的 重要的参数 它直接影响发电机输出电压 功率因 一致性 从而实现整流装置的智能论断 BP 神经 数 两发电机并车运行等 所以要随时监测激磁电 网络是一种反向传播算法的神经网络 如图2 所 流 迅速排除故障 由于电力电子电路从发生故障 示 第一层为输入层 接受外来信息 用 到停电的时间极短 值班人员必须在极短的时间之 X (i=1,2, … ,n) 表示 中间为隐含层 最后一级为 i 内抓住报警实质 但有时判断故障元件十分困难 输出层 用Yk 表示可用六位二进制编码作为神经 因为它受到现场环境 机舱环境恶劣 配电板元件 网络的输出 若将需要判别的模式输入节点后 紧凑 和人为因素影响 可能出现误判断 所以对 由前向网络传播至各个隐含层节点 经隐含层节 电力电子电路在线实时监视和故障诊断 需要利用 点的激活函数作用后 传播到输出节点 在输出 人工智能的优异方法来处理 下面谈谈用神经网络 节点处进行比较产生误差信号,误差信号经隐含 对激磁电流进行故障诊断 层运用梯度下降法 逐层调整权值和阀值 反向