[发明专利]基于小波神经网络的回转窑故障诊断方法、故障诊断GUI及系统

权利要求书

1.基于小波神经网络的回转窑故障诊断方法，其特征在于，包括以下步骤：

S1，获取回转窑在不同故障下对应的电流信号波形；

S2，对步骤S1中获取的电流信号波形进行消噪处理；

S3，对消噪处理的电流信号波形进行小波包特征向量提取；

S4，将提取的多组特征向量输入神经网络进行训练，通过不同故障的特征向量识别不同故障对应的能量在不同频带的特征，进而区分故障种类；

S5，利用训练的概率神经网络进行故障诊断，并输出故障类型。

2.根据权利要求1所述基于小波神经网络的回转窑故障诊断方法，其特征在于，所述小波包特征向量提取的步骤包括：

S3-1，选取需要进行处理的回转窑电流信号波形；

S3-2，使用db小波包进行三层小波分解，得到八个频带的信号波形；

S3-3，绘制小波包树结构的图形；

S3-4，对分解后的第三层的各节点系数进行重构，绘制节点重构后的波形；

S3-5，计算故障信号各重构系数的方差，生成特征向量。

3.根据权利要求1所述基于小波神经网络的回转窑故障诊断方法，其特征在于，所述故障诊断的步骤包括：

S5-1，将若干组特征向量输入神经网络，形成训练样本；

S5-2，给训练样本中的每个数加注标签，并进行归一化处理；

S5-3，使用newpnn构建概率神经网络并优化拓展常数spread的数值；

S5-4，输入测试样本并进行归一化处理，测试神经网络；

S5-5，将测试结果输入概率神经网络模型并进行预测；

S5-6，将向量形式的分类结果转换为标量输出，与已知结果进行比较，并输出诊断结果。

4.根据权利要求1所述基于小波神经网络的回转窑故障诊断方法，其特征在于，所述电流信号波形的消噪处理的函数为ddencmp和wpdencmp，ddencmp函数自动生成小波消噪或压缩的阈值，wpdencmp函数使用小波包变换进行信号的压缩或去噪。

5.根据权利要求1所述基于小波神经网络的回转窑故障诊断方法，其特征在于，所述回转窑故障时的电流信号波形包括窑电流缓慢上升、窑电流逐渐上升、窑电流逐渐下降、窑电流突然上升然后突然下降、窑电流突然升高很多然后缓慢下降、窑电流缓慢升高且有波动、窑转一圈电流差逐渐变大、窑转一圈电流差逐渐变小。

6.根据权利要求3所述基于小波神经网络的回转窑故障诊断方法，其特征在于，所述拓展常数spread的取值范围为0.1-0.2。

7.基于小波神经网络的回转窑故障诊断系统，其特征在于，包括概率神经网络模型、训练样本及检测样本，回转窑故障诊断系统执行以下流程进行故障诊断：获取回转窑在不同故障下对应的电流信号波形；对获取的电流信号波形进行消噪处理；对消噪处理的电流信号波形进行小波包特征向量提取；将提取的多组特征向量输入概率神经网络进行训练，通过不同故障的特征向量识别不同故障对应的能量在不同频带的特征，进而区分故障种类；利用训练的概率神经网络进行故障诊断，并输出故障类型。

8.基于小波神经网络的回转窑故障诊断GUI，其特征在于，故障诊断GUI与故障诊断系统建立联系，并执行以下操作程序：

S1，根据故障数据绘制故障波形；

S2，根据故障波形进行特征向量提取；

S3，利用训练的概率神经网络进行故障诊断，并显示故障诊断结果；

S4，根据故障诊断系统的对策表，显示故障的原因及解决方案。