[发明专利]一种海洋石油模块中的仪表故障检测方法

说明书

本发明公开了一种海洋石油模块中的仪表故障检测方法，该方法通过对采集的数据进行预处理分析，排除了噪声信号的干扰，便于更好地分析处理数据，采用神经网络模型对储存的数据进行智能分析和诊断，能够更简单方便的找出仪表故障的原因，提高了仪表维修的效率，节省了时间。该方法能够在不需要额外的辅助检测装置，并且不需要对整条路线进行测试的情况下，检测到出现故障的仪表的位置，并进行报警提示，提高了仪表故障的检测速度和准确度，并且对出现问题的仪表可以及时地进行维修更换。

技术领域

本发明涉及海洋工程装备检测方法，尤其涉及一种海洋石油模块中的仪表故障检测方法。

背景技术

海洋石油模块中使用的仪表大多处于露天的环境，经常承受着雨水、高温、低温、风吹日晒、沙尘、晃动等恶劣因素的影响，致使海洋石油模块仪表接头容易脱落，也会出现短路、断路等现象，更恶劣的是会加速仪表内部的元器件老化，减小了仪表的使用寿命。由于海洋石油模块中使用的仪表集成了多种功能模块，使得其具有电路的集成度高、内部结构复杂的特点，致使在出现故障的时候，往往不容易查明故障的原因，需要经过许多繁琐的检测才能找到故障原因，不能够快速的解决故障问题，因此在实际中为了不耽误生产效率，通常采取更换仪表的方法进行解决，但是这种方法在操做时不方便，而且经济性差。

发明内容

本发明的目的在于克服已有技术的缺陷，提供一种海洋石油模块中的仪表故障检测方法，采用本检测方法简化了海洋石油模块中仪表检测的步骤，而且能够更简单方便的找出仪表故障的原因，提高了仪表维修的效率，节省了时间。

本发明的一种海洋石油模块中的仪表故障检测方法，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、平均绝对误差、最大相对误差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不超过5％、平均绝对误差小于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；