柴油发电机损坏智能化诊断的仿真建模

摘要：柴发电站是整个备用电源系统的动力心脏，随着现代电力装置的日趋高性能化和构成复杂化，结构柴油发电机组也日益朝着大型化、高速化、精密化方向发展，工作性能不断改进，智能化程度越来越高。一方面它将大大提高劳动生产率，增备用发电机能品质，减小柴油发电机维保成本和能耗；但另一方面，带来的问题是，一旦其中某一部分或某一环节产生故障，往往会使整个应急用电系统处于瘫痪状态。因此，怎么样迅速判定损坏发生的起因，进而有效地解除损坏，保证柴发机组运转具有特别重要的意义。 在此背景下，本文中详细引荐基于神经网络的柴发机组的故障解除，首先，确定了神经网络损坏处置步骤对柴油发电机和发电机进行故障判断的讨论。

      发电机故障只能诊断系统能够对发电机各个部位发生的损坏及时的发现，减小了由人工——排查故障部位的时间，在减少损坏时间的同时，也能够阻止故障的进一步恶化。智能诊断系统在发现损坏部位时，能够对损坏部位发生的可能因由进行剖析，进而对保养人员的检测流程给予较佳办法，帮助技术人员以效率较高的故障解除方法对发电机电气系统的各种多发损坏及疑难故障进行维修，极大的提高了发电机故障解除的效率，从根本上维保了我国电力系统的安全性和稳定性。发电机智能诊断系统是集合了故障清除专家的实战经验和丰富的诊断常识，对发电机的故障清除具有极高的诊断效率，在实际使用中发挥着重要的用途，能够快速的找到故障部位并且提供有效的检验途径，还可以对发电机的故障进行模拟训练，对技术人员的损坏检修流程进行指导，帮助技术人员对修理技术和工艺进行掌握，以便于在真正发生损坏时，作业人员能够有效的进行故障处置，降低发电机故障造成的经济损失。

      发电机的运作规划图和运作方式都各有不一样，不一样的发电机组在产生故障时的故障排除方法和解除办法都会有所更改，这对于技术人员的发电机故障修理具有极高的技术性要求，为了减少检查人员的作业强度，智能诊断装置可以收集各种型号的发电机组工作原理、高发故障部位、使用维保使用手册等资料，有利于工作人员在损坏处置时，及时的查阅到相关基本资料，提升技术人员对发电机组的知晓程度，增强损坏解决效率。

      发电机电气损坏智能诊断系统是与计算机技术相结合，将高新技术应用到故障清除中，高效的提升了故障判定效率。系统是以计算机C语言为核心，与相关的测控专业工具相结合，实现对发电机组作业性能进行检查，由相关的诊断模块测试发电机作业状态是否正常，一旦发现问题，通过C语言编程的诊断步骤，快速判断故障部位，并且找到可能导致故障的起因，指导技术工人准确的对发电机组进行修复工作。

      智能诊断系统中，全面覆盖了发电机容多发生的各种故障和致使故障的缘由，对发电机组的正常开关机等操作都有具体的记录，在工作人员进行相关的使用时，方便其进行快速的查询，保证修复时操作的规范性，能够有效的防止由于人工失误导致的二次事故。智能检y系统不仅限于对发电机组是否损坏进行检查，还可以按照技术要求测量发电机组的相关数据的检测，方便技术人员及时掌握发电机的作业状态。

      智能诊断装置具有很高的智能性，是将计算机技术、人工智能技术、电子技术等高新技术有机结合形成的智能系统，将大部分的发电机组规格、运转特点、使用方法等都涵盖在内，能够对发电机组各电器总成的电流、电压等参数实时检查，避免发电机出现故障，并且能够供应一套正确有效的解除方法。

      智能装置常识库收集了电气故障清除专家的诊断经验和专业常识，将其运用到实际的故障排除和消除上，实现理论常识与实践相结合，通过与技术工人之间的配合发电机故障码，来时刻保证发电组正常的作业。智能诊断系统的功能强大，对发电机的正常运行发挥着不可替代的作用，使用简便易上手，对于操作对策还不够娴熟的技术工人，操作界面有主要的提示信息，通过文字、图片、声音等传播载体，将发电机组的相关信息详尽的进行显示，方便技术工人的查询、使用、学习。

       概率神经网络是由Specht博士在1989年首先提出，  是一种与统计信号消除的许多概念有着紧密联系的并行算法。它实质上是一个类型器，根据概率密度函数的无参估计进行贝叶斯决策而得到分来结果。整个网络属于径向型网络，不需要进行反向误差传递，具备学习速度快、具有很强的容错性发电机常见故障及维修、可以完成任意非线性变换的优点，同时因为各层神经元的数目比较固定，因此易于硬件实现。在实际应用中，尤其在处理类型问题中，PNN不仅能用线性学习算法来完成非线性学习算法的作业，用时也能保证非线性算法的高精度等特征，于是被广泛应用于故障检修和目标类型识别领域。

第1层为输入层，这一层负责将特性向量输入到神经网络中去，输入层神经元的个数就是样本特性值的个数，这一层的用途只是将输入信号用分步的方法来表示。

      为了让智能诊断系统在发现发电机组出现损坏，能够尽快的找到损坏原由，并且对损坏部位进行提醒，提出高效的损坏检测手段，要准确的清除故障部位与损坏原由之间的关系。因为发电机的某一损坏可能是由于多方面的因素引起，也就是说，会有多种原由造成这一损坏，而且随着发电机组的规模越来越大，构成更加复杂，损坏部位与损坏原因之间的关系纵横交错，这是实现智能诊断系统准确诊断应该处置的难点之一柴油发电机的启动方式。因此，要利用损坏部位与故障起因之间的关系，结合故障清除专家的专业技能，操作模糊理论的手段，实现智能诊断装置对损坏起因的判断。模糊理论是用来表达发电机组内故障部位与损坏缘由之间相互交叉的关系，建立模糊关系方程式，就可以帮助诊断系统做出准确的诊断。

    在本次实验中，描述损坏状态的特征向量详细有发电机的有功功率P、无功功率Q、发电机的输出电压U、发电机的三相电流输出I、发电机的功率因数pf、发电机定子电压U1、定子电流I1。输出状态为电子调速器失灵（ f1）、发电机失磁（ f2）、励磁模块损坏（f3）、喷油器损坏（ f4）四种故障规格。

       本文中分别对柴油发电机和发电机及发电机励磁系统进行数学建模，并对所建立的数学模型用SIMULINK对柴油发电机的热力学工作步骤和同步发电机的正常作业过程和故障工作过程进行仿真，获取柴油发电机和发电机在正常工作及损坏状态下的特征值。然后对获取的特点值进行归一化处置，把经过清除的特征值作为神经网络的输入样本集，规划输出样本集，建立BP神经网络和ELMAN神经网络，用整理后的数据训练神经网络，使神经网络具有故障判断功用，并对神经网络模型进行测试。实现了对柴油发电机的故障排除，保证柴发机组的安全运转。