[发明专利]一种基于组合神经网络的柴油机故障预测方法

说明书

本发明公开了一种基于组合神经网络的柴油机故障预测方法，包括以下步骤：根据业务应用场景，确定样本数据；对样本数据进行预处理，确定训练数据；采用组合神经网络算法，利用训练数据建立数据模型；以及根据数据模型，对柴油机运行状态进行预测。本发明应用组合神经网络模型，采用二级预报机制，应用足够的样本进行训练，能够实现对柴油机表明非平稳振动信号的精准分析。该方法可以预测柴油机振动信号的突变，从而利用柴油机表面的振动信号对其运行状态进行有效的监测和故障预测管理。

技术领域

本发明涉及设备管理技术领域，更特别地，涉及一种基于组合神经网络的柴油机故障预测方法和系统。

背景技术

核电站应急柴油发电机组属于核电站1E级安全设备，是整个核电站一道关键的安全保障。当核岛正常电源和后备电源失效时，快速启动为安全机设备供电，确保反应堆的积极安全停堆，尤其是预防堆芯融化事故的发生，对核电站的安全保障至关重要。

利用大数据分析技术方法，可在海量电力系统数据中找出故障发展预测的潜在规律和模态，给决策人员提供支撑。相较于传统逻辑推理研究，大数据研究是对海量数据进行统计性的搜索、比较、分类等处理，所以延续了统计科学的某些特点，如统计学关注的数据关联性或是相关性(相关性即指两个及其以上变量的取值间存在一定规律性)；做相关性分析主要是为了找出数据集里潜在的关系网，通常用可信度、支持度等参数进行反映。

发明内容

本发明的主要目的在于提供一种基于组合神经网络的柴油机故障预测方法和系统。

为实现上述目的，本发明提供一种基于组合神经网络的柴油机故障预测方法，包括以下步骤：

根据业务应用场景，确定样本数据；

对所述样本数据进行预处理，确定训练数据；

采用组合神经网络算法，利用所述训练数据建立数据模型；以及

根据所述数据模型，对柴油机运行状态进行预测。

在本发明提供的基于组合神经网络的柴油机故障预测方法中，所述样本数据为柴油机振动信号。

在本发明提供的基于组合神经网络的柴油机故障预测方法中，对所述样本数据进行预处理，确定训练数据的所述步骤包括：

在相空间中对所述振动信号进行重构，提取所述振动信号中的特征信息。

在本发明提供的基于组合神经网络的柴油机故障预测方法中，采用组合神经网络算法，利用所述训练数据建立数据模型的所述步骤包括：

采用两个平行的神经网络，应用模糊反向传播算法对所述特征信息进行训练；

将训练结果进行组合后再输出，并应用线性规划算法对输出结果进行训练，得到所述数据模型。

根据本发明的另一方面，提供一种基于组合神经网络的柴油机故障预测系统，包括：

样本数据确定单元，用于根据业务应用场景，确定样本数据；

训练数据获取单元，用于对所述样本数据进行预处理，确定训练数据；

模型建立单元，用于采用组合神经网络算法，利用所述训练数据建立数据模型；以及

预测单元，用于根据所述数据模型，对柴油机运行状态进行预测。

在本发明提供的基于组合神经网络的柴油机故障预测系统中，所述样本数据为柴油机振动信号。

在本发明提供的基于组合神经网络的柴油机故障预测系统中，所述训练数据获取单元在相空间中对所述振动信号进行重构，提取所述振动信号中的特征信息。