[发明专利]一种基于神经网络的电动汽车充电过程多级设备故障诊断方法及系统

权利要求书

1.一种基于神经网络的电动汽车充电过程多级设备故障诊断方法，其特征在于，所述方法包括以下步骤，

获取统计历史故障数据；

分析历史故障数据，运用故障树分析法，构建电动汽车充电过程多级设备故障树；

根据故障树，获取故障征兆集、故障原因集；

运用模糊数学诊断法，分析故障征兆集、故障原因集模糊相关性；

构建电动汽车充电过程神经网络故障诊断模型；

将实际故障数据输入神经网络故障诊断模型，获得故障诊断结果。

2.根据权利要求1所述的基于神经网络的电动汽车充电过程多级设备故障诊断方法，其特征在于，

所述电动汽车充电过程多级设备故障树的构建包括以下步骤：

确定电动汽车充电过程多级设备故障树的顶事件；

从顶事件开始，向下逐层分解确定相应次级事件，直至底事件全部被确定，其中所述次级事件是通过分析顶事件的原因进行寻找获得的；

根据故障分类以及发生顶事件的原因，分析得出顶事件与底事件之间的关系。

3.根据权利要求2所述的基于神经网络的电动汽车充电过程多级设备故障诊断方法，其特征在于，

所述故障征兆集表示为：

M＝{m₁,m₂,m₃,...,m_n} (1)

其中m_i(i＝1,2,3…,n)表示故障发生征兆；

所述故障原因集表示为：

X＝{x₁,x₂,x₃,...,x_k} (2)

其中x_i(i＝1,2,3…,k)表示故障发生原因。

4.根据权利要求1所述的基于神经网络的电动汽车充电过程多级设备故障诊断方法，其特征在于，

所述故障模糊相关性分析过程为：通过隶属度函数和模糊矩阵理论，对所述故障征兆集和故障原因集中一个故障征兆对应多种故障原因的情况，进行处理，寻找故障原因。

5.根据权利要求1所述的基于神经网络的电动汽车充电过程多级设备故障诊断方法，其特征在于，

所述电动汽车充电过程神经网络故障诊断模型的构建包括以下步骤：

获取bp神经网络模型；

将模糊相关性分析后得到的数据划分成训练集、测试集；

利用训练集对bp神经网络模型进行训练；

将测试集数据输入训练后的bp神经网络中进行测试，直至模型训练符合要求。

6.根据权利要求5所述的基于神经网络的电动汽车充电过程多级设备故障诊断方法，其特征在于，

所述bp神经网络模型的输入层神经元个数为23个、隐藏层神经元个数为138个、输出层神经元个数为23个。

7.根据权利要求5所述的基于神经网络的电动汽车充电过程多级设备故障诊断方法，其特征在于，

所述bp神经网络模型的训练，权值初始值设定为[-1,1]之间的随机数，初始阈值设定为0，学习速率设定为0.8。

8.一种基于神经网络的电动汽车充电过程多级设备故障诊断系统，包括信息采集模块、信息处理模块和客户终端，其特征在于，

所述信息处理模块信息处理采用权利要求1-7任一项所述的方法。