[发明专利]基于LSTM的船舶电站故障诊断系统及构建和工作方法在审
申请号: | 202310011633.1 | 申请日: | 2023-01-05 |
公开(公告)号: | CN116050263A | 公开(公告)日: | 2023-05-02 |
发明(设计)人: | 张壹;陈宁;王沭恒 | 申请(专利权)人: | 江苏科技大学 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06N3/084;G06N3/048;G06F18/214 |
代理公司: | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人: | 柏尚春 |
地址: | 212003 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 lstm 船舶 电站 故障诊断 系统 构建 工作 方法 | ||
1.基于LSTM的船舶电站故障诊断系统,其特征在于:包括有依次电气连接的船舶电站仿真模拟器、SQL Server数据库系统和LSTM故障诊断系统,所述LSTM故障诊断系统通过SQLServer数据库系统实时获得船舶电站仿真模拟器的信号实现船舶电站故障的诊断和预测。
2.根据权利要求1所述的基于LSTM的船舶电站故障诊断系统,其特征在于:所述船舶电站仿真模拟器包括电流电压采集器模块、调速系统、励磁系统、并车系统、自动调频调载系统、负载系统和故障模拟系统,所述电流电压采集器模块采集电流电压的特征量;所述调速系统是柴油机调速器的简化模型,通过该电子调速器所采用的电气化方式对转速进行调节;所述励磁系统采用相复励无刷交流励磁系统,包括主励磁机,副励磁机和主发电机;所述并车系统采用的是准同步自动并车方式,根据船舶电站的负载变化进行自动并车操作;所述自动调频调载系统保持船舶电站频率的稳定性;所述负载系统包括动态负载和静态负载;所述故障模拟系统采用Three-Phase-Fault模块进行电压电流的各种故障模拟。
3.根据权利要求1所述的基于LSTM的船舶电站故障诊断系统,其特征在于:所述SQLServer数据库系统完成电压电流信号的实时读取与写入。
4.基于LSTM的船舶电站故障诊断系统的构建和工作方法,其特征在于:具体包括以下步骤:
S1:在Simulink中建立船舶电站的仿真模拟系统;
S2:利用电流电压采集器模块采集电流电压的特征量;
S3:在SQL Server数据库中通过T-sql语句建立采集到的电流电压的特征量的存储库;
S4:在Simulink中通过S-Function Builder模块实现船舶电站仿真模拟器与SQLServer数据库系统的连接,完成电流电压信息的实时读取与写入;
S5:通过Three-Phase-Fault模块模拟单相接地短路故障、相间短路故障、三相短路故障;
S6:建立并训练船舶电站故障诊断模型,具体的:
S6.1:采取双层LSTM神经网络和三层逐渐收敛的BP神经网络构建船舶电站故障诊断模型,其中双层LSTM神经网络由多个节点单元连接而成,设有遗忘门gf、输入门gi和输出门go,通过门控单元对cell添加和删除信息,有选择地决定信息是否通过,将上一时刻输出传递的同时将之前所有时刻的全部信息经过滤后进行传递,使下一时刻的输出兼顾之前的信息;三层逐渐收敛的BP神经网络由一个sigmoid神经网络层和一个成对乘法操作组成,sigmoid神经网络层的输出是一个介于0到1的数,表示允许信息通过的多少,0表示完全不允许通过,1表示允许完全通过,具体的,LSTM神经网络的相关方程为:
ft=σ(Wf·[ht-1,xt]+bf) (1)
it=σ(Wi·[ht-1,xt]+bi) (2)
ot=σ(Wo·[ht-1,xt]+bo) (5)
ht=ot*tanh(Ct) (6)
其中,xt为t时刻LSTM单元的输入;ht-1为t-1时刻LSTM单元的输入;Wf为遗忘门gf的权重矩阵;Wi为输入门gi的权重矩阵;Wo为输出门go的权重矩阵;bf为遗忘门gf的偏置项;bi为输入门gi的偏置项;bo为输出门go的偏置项;ft为遗忘门gf在t时刻的状态;it为为输入门gi在t时刻的状态;ot输出门go在t时刻的状态;σ为sigmoid激活函数;tanh为双曲函数的激活函数;Ct为t时刻的LSTM单元状态;为t时刻输入的临时状态;Wc和bc分别为计算的权重矩阵以及偏置项;ht为t时刻LSTM单元的输出;
双层LSTM神经网络全连接层最终输出为全连接层多个输出的均值;
S6.2:通过SQL Server数据库进行数据收集,对收集到的数据进行数据清洗后,将数据按照时间序列排序
S6.3:将清洗、排序完成的数据输入船舶电站故障诊断模型,根据公式(1)至公式(5),依次计算步骤6.2收集到的相应数据类型的数据,得到LSTM神经网络的输出数据;
S6.4:将LSTM神经网络的输出数据再送入BP神经网络进行二次计算,BP神经网络的最后一层有多个节点,则多个节点输出多个预测结果,以多个预测结果的均值作为船舶电站故障诊断模型的最终预测值;
S6.5:采用Nadam方法对船舶电站状态诊断模型进行迭代训练寻优,当模型中诊断得出的故障预测精度达到设定值以上时,停止迭代训练。
5.根据权利要求4所述的基于LSTM的船舶电站故障诊断系统的构建和工作方法,其特征在于:所述S4中在Simulink中通过S-Function Builder模块实现船舶电站仿真模拟器与SQL Server数据库系统的连接,具体包括以下步骤:
S4.1:在Input Ports下设置电流电压的特征量的输入口,并与电压电流采集器相关联;
S4.2:在Initialization下初始化电流电压的特征量,并设置离散采样时间;
S4.3:在Libraries下关联由Visual Studio 2019所编写的Sql Server数据库访问程序,并设置执行语言为C语言和添加相关头文件;
S4.4:在Updata下设置电流电压的特征量的数据更新情况;
S4.5:通过Build实现该仿真模拟器与SQL Server数据库的连接。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏科技大学,未经江苏科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310011633.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种主动发光逆反射膜及其制备方法
- 下一篇:纯电动汽车两挡变速器