[发明专利]一种海洋石油模块中的仪表故障检测方法

权利要求书

1.一种海洋石油模块中的仪表故障检测方法，其特征在于包括以下步骤：

(1)在海洋石油模块的每个仪表上设置一个数据采集装置，实时采集海洋石油模块中环境温度、仪表的输入电压及仪表的输出电流；

(2)对采集的数据进行预处理，方法为：

第一步，将采集的各个数据进行滤波预处理去掉噪声信号；

第二步，将滤波后的数据进行傅里叶变换，将采集的数据由时域转换到频域，将非周期离散信号转变为频域上周期连续的信号并进行存储；

(3)采用神经网络模型对储存的数据进行智能分析和诊断，步骤如下：

第一步，在恒温环境中内，记录环境温度值从-20℃到40℃、仪表的输入电压值从1V到5V的范围内，仪表的输出电流值，共记录90组数据，其中的70组数据用于建立检测模型，20组数据用于验证模型的正确性；

第二步，建立BP神经网络模型，公式为：其中：Z为隐含层到输出层的激活函数“purelin”；I为输出电流向量，i为隐含层神经元节点，i＝1,2...m；V_i为输入电压值；f为输入层到隐含层的S型激活函数“tansing”；W_ij为神经网络中的权值，其初始值赋一个区间(0,1)的随机数；x_j为输入温度向量，j＝1,2；b_i为神经网络中的阙值，其初始值赋一个区间(0,1)的随机数；a为样本的数据个数；

第三步，使用收敛较快的Levenberg-Marquard函数“trainlm”作为训练函数，设置训练的精度为e^-10，最大训练次数为1000次，选择均方差MSE、平均绝对误差MAE、最大相对误差MRE均最小时隐含神经元的数目；

第四步，将第一步的20组数据输入BP神经网络模型，比较BP神经网络模型计算结果和测量结果的误差，如果两者之间的最大相对误差MRE不超过5％、平均绝对误差MAE小于0.5，则模型合适，可以使用，否则返回第二步重新选择隐含神经元的数目，然后重复本步骤中的第三步和第四步直至模型可以使用；

(4)采用步骤(3)建立的神经网络模型计算仪表的输出电流I₁，并计算仪表输出电流的计算值和实际检测到的仪表的输出电流I₂的差值，如果两者之差的绝对值|I₁-I₂|＜5mA，则仪表正常工作，在计算机显示屏上显示正常，并且指示灯为绿色，然后将储存在计算机中的数据自动删除，以节省存储空间；如果两者之差的绝对值|I₁-I₂|≥5mA，则仪表处于故障状态，在计算机显示屏上显示故障，同时指示灯为红色并闪烁，伴随有报警声，提醒工作人员检修或更换仪表。