一种基于神经网络的故障诊断方法及装置制造方法及图纸

本发明专利技术公开了一种基于神经网络的故障诊断方法及装置，涉及发动机故障诊断技术领域，故障诊断方法包括S1、提取故障设备特征数据信息；S2、对特征数据信息预处理；S3、特征信息导入神经网络模型；S4、导入训练样本集；S5、神经网络模型得出故障诊断结果以及S6、导出设备故障的诊断结果，通过上述故障诊断步骤，借助了BP神经网络模型，在实际诊断的过程中，通过对已有发动机中各个特征数据信息的提取，直接导入到已经经过训练样本集训练的BP神经网络模型中，可快速诊断出发动机的具体故障结果；基于神经网络的故障诊断装置包括特征数据监测单元、数据预处理模块、BP神经网络模型、训练样本集导入模块以及故障诊断结果输出模块。

A fault diagnosis method and device based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的故障诊断方法及装置
本专利技术涉及发动机故障诊断
，具体为一种基于神经网络的故障诊断方法及装置。
技术介绍
发动机(Engine)是一种能够把其它形式的能转化为机械能的机器，最早诞生在英国，其既适用于动力发生装置，也可指包括动力装置的整个机器(如：汽油发动机、航空发动机)。其种类包括如内燃机(汽油发动机等)、外燃机(斯特林发动机、蒸汽机等)、电动机等。随着发动机使用年限的不断增加，在正常使用过程中，经常会出现故障的问题，现有技术中，找出发动机具体故障点的过程较长，需要将发动机一一拆卸下来，费时费力，而且检修的效率低，人工成本高，不利于社会的发展需要，为此，本领域的技术人员提出了一种基于神经网络的故障诊断方法及装置。
技术实现思路
针对现有技术的不足，本专利技术提供了一种基于神经网络的故障诊断方法及装置，解决了现有技术中，找出发动机具体故障点的过程较长，需要将发动机一一拆卸下来，费时费力，而且检修的效率低，人工成本高，不利于社会的发展需要的问题。为实现以上目的，本专利技术通过以下技术方案本文档来自技高网...

【技术保护点】
1.一种基于神经网络的故障诊断方法，其特征在于，包括如下步骤：/nS1、提取故障设备特征数据信息：从已有的故障发动机中提取该故障发动机所对应的特征数据信息；/nS2、对特征数据信息预处理：将步骤S1中在已有故障发动机上所提取的各个特征数据，导入数据处理模块中进行预处理；/nS3、特征信息导入神经网络模型：将步骤S2中预处理后的各个特征数据导入已构建完成的BP神经网络模型中；/nS4、导入训练样本集：向步骤S3中所构建的PB神经网络模型中导入已有的特征数据和已知的故障结果数据形成的训练样本集，对已构建的BP神经网络模型进行训练；/nS5、神经网络模型得出故障诊断结果：其中，包括如下子步骤：/na...

【技术特征摘要】
1.一种基于神经网络的故障诊断方法，其特征在于，包括如下步骤：
S1、提取故障设备特征数据信息：从已有的故障发动机中提取该故障发动机所对应的特征数据信息；
S2、对特征数据信息预处理：将步骤S1中在已有故障发动机上所提取的各个特征数据，导入数据处理模块中进行预处理；
S3、特征信息导入神经网络模型：将步骤S2中预处理后的各个特征数据导入已构建完成的BP神经网络模型中；
S4、导入训练样本集：向步骤S3中所构建的PB神经网络模型中导入已有的特征数据和已知的故障结果数据形成的训练样本集，对已构建的BP神经网络模型进行训练；
S5、神经网络模型得出故障诊断结果：其中，包括如下子步骤：
a、将步骤S2中向整个BP神经网络模型导入各个特征数据信息，输入至输入层中的各个节点中，作为输入层中神经元的输出；
b、根据公式计算出隐层中神经元各个节点的输出，作为输出层的输入；
c、根据公式计算出输出层各个神经元节点的输出；
d、根据阈值函数来判断步骤c输出层对应神经元节点输出的结果。
S6、导出设备故障的诊断结果：导出步骤S5所输出的设备故障的诊断结果。


2.根据权利要求1所述的一种基于神经网络的故障诊断方法，其特征在于，所述步骤S1中特征数据信息包括该故障发动机的温度信号、油压信号、电流强度信号、电压强度信号以及振动信号。


3.根据权利要求1所述的一种基于神经网络的故障诊断方法，其特征在于，所述在步骤S5中的子步骤b中，计算隐层中神经元各个节点输出值的公式为：



Oj＝f(Ij)＝1/[exp(-Ij)]
式中：ωji为隐层...

【专利技术属性】
技术研发人员：关新，赵琰，郭瑞，王帅杰，陈琳，王黎明，
申请(专利权)人：沈阳工程学院，
类型：发明
国别省市：辽宁;21