[发明专利]便携式船舶电站检测专家分析仪

摘要

本发明提供一种便携式船舶电站检测专家分析仪，包括：单片机、以太网高速同步数据采集终端、USB高速同步数据采集终端、稳压电源、第1三单相交流电流变送器、第1三相交流电压变送器、第2三单相交流电流变送器和三单相交流电压变送器；其工作过程包括：配置有检测与信号处理模块、动态递归模糊神经网络故障预报模块以及信号特征HHT分析模块；检测与信号处理模块、动态递归模糊神经网络故障预报模块以及信号特征HHT分析模块共同对信号进行处理，得到被测电力系统的运行状态和故障信息。具有开放性、可扩展性、易修改性、测量多样性和可并行测量优点；还可快速和准确地确定故障性质和原因，节省维修时间，降低对维修人员的专业要求。

主权项

1.一种便携式船舶电站检测专家分析仪，其特征在于，包括：主机(1)、以太网高速同步数据采集终端(4)、USB高速同步数据采集终端(5)、稳压电源(6)、第1三单相交流电流变送器(7.1)、第1三相交流电压变送器(8.1)、第2三单相交流电流变送器(7.2)和三单相交流电压变送器(8.2)；所述主机(1)通过以太网通讯线(2)与所述以太网高速同步数据采集终端(4)连接，所述主机(1)通过USB数据线(3)与所述USB高速同步数据采集终端(5)连接；所述稳压电源(6)分别与所述主机(1)、所述以太网高速同步数据采集终端(4)、所述USB高速同步数据采集终端(5)、所述第1三单相交流电流变送器(7.1)、所述第1三相交流电压变送器(8.1)、所述第2三单相交流电流变送器(7.2)和所述三单相交流电压变送器(8.2)电连接；所述以太网高速同步数据采集终端(4)配置有三个采样接口，分别为第1采样接口、第2采样接口和第3采样接口；其中，所述第1采样接口通过第1模拟与数字信号线(15.1)与第1弱电信号直接输入接口M连接；所述第2采样接口通过所述第1三单相交流电流变送器(7.1)与第1变送器输入航空插头F连接；所述第3采样接口通过所述第1三相交流电压变送器(8.1)与第2变送器输入航空插头G连接；其中，所述第1变送器输入航空插头F用于与电流互感器连接，接收所述电流互感器输出的交流电流信号；所述第2变送器输入航空插头G用于与电压互感器连接，接收所述电压互感器输出的交流电压信号；所述USB高速同步数据采集终端(5)配置有三个采样接口，分别为第4采样接口、第5采样接口和第6采样接口；其中，所述第4采样接口通过第2模拟与数字信号线(15.2)与第2弱电信号直接输入接口N连接；所述第5采样接口通过所述第2三单相交流电流变送器(7.2)与第3变送器输入航空插头C连接；所述第6采样接口通过所述三单相交流电压变送器(8.2)与第4变送器输入航空插头D连接；其中，所述第3变送器输入航空插头C用于与电流互感器连接，接收所述电流互感器输出的交流电流信号；所述第4变送器输入航空插头D用于与电压互感器连接，接收所述电压互感器输出的交流电压信号；所述主机(1)配置有检测与信号处理模块、动态递归模糊神经网络故障预报模块以及信号特征HHT分析模块；所述检测与信号处理模块、所述动态递归模糊神经网络故障预报模块以及所述信号特征HHT分析模块共同对信号进行处理，得到被测电力系统的运行状态和故障信息；所述动态递归模糊神经网络故障预报模块由MATLAB编程并由Labview调用运行，用于预报故障发生趋势；其中，动态递归模糊神经网络包括输入层、回归层和输出层；所述输入层的神经元为双极性线性函数，输入层神经元的个数为3个，分别对应被测电力系统的三相电压信号；所述回归层的神经元个数为9个，其结构能记忆前一时刻的适度值，学习算法采用梯度下降法，使参数沿着负梯度方向学习，以价值函数最小化为目标；所述输出层的神经元为阈值型函数，输出层神经元为一个，用于输出实时趋势曲线，预测三相电压趋势，预报结果包括三相电压正常、三相电压偏离、电源电压高、电源电压过高、电源电压低、电源电压过低；动态递归模糊神经网络具体算法示例如下：第一层输入层：其中V_R、V_S和V_T为被测三相电压；表示第一层三个神经元对应的三个输入，上标(1)表示第一层；第二层模糊化层：其中，上标(2)表示第二层，(m_1i,σ_1i)、(m_2i,σ₂)和(m_3i,σ_3i)分别是高斯隶属函数的中心和基宽，和分别为记忆反馈系统以前的信息，θ_1i、θ_2i和θ_3i为反馈记忆部分的连接权；h_1i、h_2i和h_3i为第二层神经元的输入，i为第二层神经元个数；和为第一层神经元的输出；和为第二层神经元的输出；第三层if‑then模糊规则运算层：其中γ_i+γ_j+γ_k＝1，且γ_ijk∈[0,1]为补偿算子；q_ij为第二层神经元到第三层神经元的连接权；为第三层神经元的输出；j为连接权数，k为第三层神经元数；第四层为推理层：由输入u⁽¹⁾到第k的输出为：其中，第五层结果输出层：其中，R为模糊规则数，o⁽⁴⁾为第四层神经元的模糊推理结果，为网络第一层的神经元到第四层的神经元的运算结果，为记忆反馈系统t时刻以前的(t‑1)时刻的信息；α、β和均为大于0的可调参数，使活化双曲正切函数具有自适应性，(m_1i,σ_1i,θ_1i)、(m_2i,σ_2i,θ_2i)、(m_3i,σ_3i,θ_3i)、(γ_i,γ_j,γ_k,γ_ijk)和s_k都为自整定参数，使同一个输入在不同时刻将有不同的输出；mi,j(t+1)＝mi,j(t)+ηmΔmi,j(t+1)  (21a)σi,j(t+1)＝σi,j(t)+ησΔσi,j(t+1)  (21b)θi,j(t+1)＝θi,j(t)+ηθΔθi,j(t+1)  (21c)si,j(t+1)＝si,j(t)+ηsΔsi,j(t+1)  (21d)式中ηm，ησ，ηθ和ηs的取值均为[‑1,1]，分别是高斯函数中心mi,j、基宽σi,j、反馈连接权θi,j和网络连接权sk的学习速率。