一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于BP神经网络的安全监控系统故障预测方法


[0001]本专利技术属于故障预测
，特别是一种基于
BP
神经网络的安全监控系统故障预测方法
。

技术介绍

[0002]LNG
船安全监控系统的设备在运行过程中，由于长时间超负荷运转，或在偏离其额定工况下运转，或人为操作不当及疲劳运转等，都会不可避免的造成设备故障
。
故障会造成大量的经济损失，甚至造成重大事故
。
传统的方法是在故障发生之后，通过专家经验等确定故障的位置及类型，进一步完成故障处理和维修
。
但是，如果在故障已经发生的情况下再去诊断和处理，就会无法避免的造成很多经济损失甚至造成事故
。
因此，故障预测逐渐成为了解决上述问题的新思路
。
故障预测可以防患于未然，将风险因素降至最低，最大程度的减少经济损失及事故发生的可能性，因此研究一种基于
BP
神经网络的安全监控系统故障预测方法具有重要意义
。

技术实现思路
/>[0003]本专本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
BP
神经网络的安全监控系统故障预测方法，其特征在于，包括步骤：采集数据，并通过二级组合滤波算法对数据进行滤波处理，作为训练集；构建基于
BP
神经网络的故障预测模型，通过训练集对故障预测模型进行训练，直至获取满足要求的故障预测模型；通过故障预测模型进行实时故障预测
。2.
根据权利要求1所述的基于
BP
神经网络的安全监控系统故障预测方法，其特征在于，通过二级组合滤波算法对数据进行滤波处理具体包括：采用限幅滤波算法将数据中幅值突变大于阈值的异常点滤除；通过加权递推平均滤波得到平滑的数据
。3.
根据权利要求2所述的基于
BP
神经网络的安全监控系统故障预测方法，其特征在于，所述采用限幅滤波算法将数据中幅值突变较大的异常点滤除具体为：根据监测目标的特点和实际经验确定最大偏差值，然后计算两个连续采样值之间的差值；如果两个采样值之间的差值小于设置的最大偏差值，则当前采样数据被视为有效采样值，反之，则丢弃当前采样值，并使用上一个采样值作为有效采样值
。4.
根据权利要求2所述的基于
BP
神经网络的安全监控系统故障预测方法，其特征在于，通过加权递推平均滤波得到平滑的数据具体包括：创建一个限幅滤波算法滤波处理后的
N
个数据的队列；对每一次采样数据，将最新的采样值放入队列的队尾并丢弃队首的数据；对队列中不同时刻的数据设置不同的权重，并将其求和作为有效的采样数据
。5.
根据权利要求2所述的基于
BP
神经网络的安全监控系统故障预测方法，其特征在于，所述基于
BP
神经网络的故障预测模型包括输入层
、
隐藏层
、
模糊规则层
、
归一化处理层和故障识别输出层，其中，所述输入层由3个神经元组成，即
x
＝
[x1，
x2，
x3]
T
，所述隐藏层用于计算输入分量属于语言变量值的模糊集的隶属函数，所述模糊规则层用于确定每条规则的适用度，所述归一化处理层用于对每条规则的适用度做归一化处理，所述故障识别输出层输出故障预测结果
。6.
根据权利要求5所述的基于
BP
神经网络的安全监控系...

【专利技术属性】
技术研发人员：朱人杰，陈睿，胡旭杰，邵彦山，宋新伟，徐华，张函玉，杨旭，赵宣鉴，金玲，赵路程，
申请(专利权)人：中国船舶集团有限公司第七一六研究所，
类型：发明
国别省市：