基于LSTM的船舶电站故障诊断系统及构建和工作方法技术方案

本发明专利技术公开了一种基于LSTM的船舶电站故障诊断系统及构建和工作方法，通过将船舶电网故障分类、建立船舶电站仿真模拟器、连接数据库系统、构建船舶电网的故障诊断系统以及对LSTM网络进行训练，最终通过LSTM网络快速识别船舶电网产生故障时的数据输入所属于的故障分类，本申请结合LSTM神经网络，适用于诊断多种船舶电网故障，快速分析与定位，保证寻找故障的效率和安全，提高检修人员检修的效率。提高检修人员检修的效率。提高检修人员检修的效率。

【技术实现步骤摘要】
基于LSTM的船舶电站故障诊断系统及构建和工作方法


[0001]本专利技术涉及船舶电站领域，特别涉及基于LSTM的船舶电站故障诊断系统及构建和工作方法。

技术介绍

[0002]LSTM即：Long Short
‑
Term Memory(长短期记忆网络)的缩写。LSTM是一种时间循环神经网络，是为了解决一般的RNN(循环神经网络)存在的长期依赖问题而专门设计出来的，所有的RNN都具有一种重复神经网络模块的链式形式。基于LSTM的算法可以实现语言翻译、机器人操控、语音识别图像识别、手写文字辨识、疾病诊断分析、股票趋势预测和音乐构成等任务，在工业控制上，LSTM主要应用在故障的预测分析。
[0003]船舶电力系统是指由发电、电能转换、输电、配电、用电等所组成的一个孤立的电网。船舶电站作为船舶航线过程中的心脏，应尽量避免出现故障，而对于故障的出现也应做到迅速排查与恢复。
[0004]船舶电站是实现船舶电气自动化的核心，提高船舶电力系统的安全性和稳定性十分重要。目前，尚缺乏一种自动化、智能化和精细化程度高的船舶电站故障诊断方法。因此，设计一种船舶电站故障诊断系统帮助工作人员快速诊断故障并具有一定的故障预测能力，实现恢复电力系统的稳定显得十分重要。

技术实现思路

[0005]专利技术目的：本专利技术的目的是提供一种基于LSTM的船舶电站故障诊断系统及构建和工作方法，可实现船舶电站常规故障的精准诊断，并具有一定的预测功能，以保证船舶电站运行过程的安全和高效。
[0006]技术方案：本专利技术所述的基于LSTM的船舶电站故障诊断系统，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SQL Server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。
[0007]作为优选，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。
[0008]作为优选，所述SQL Server数据库系统完成电压电流信号的实时读取与写入。
[0009]基于LSTM的船舶电站故障诊断系统的构建和工作方法，具体包括以下步骤：
[0010]S1：在Simulink中建立船舶电站的仿真模拟系统；
[0011]S2：利用电流电压采集器模块采集电流电压的特征量；
[0012]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；
[0013]S4：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，完成电流电压信息的实时读取与写入；
[0014]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；
[0015]S6：建立并训练船舶电站故障诊断模型，具体的：
[0016]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g
f
、输入门g
i
和输出门g
o
，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：
[0017]f
t
＝σ(W
f
·
[h
t
‑1,x
t
]+b
f
)
ꢀꢀꢀ
(1)
[0018]i
t
＝σ(W
i
·
[h
t
‑1,x
t
]+b
i
)
ꢀꢀꢀ
(2)
[0019][0020][0021]o
t
＝σ(W
o
·
[h
t
‑1,x
t
]+b
o
)
ꢀꢀꢀ
(5)
[0022]h
t
＝o
t
*tanh(C
t
)
ꢀꢀꢀ
(6)
[0023]其中，x
t
为t时刻LSTM单元的输入；h
t
‑1为t
‑
1时刻LSTM单元的输入；W
f
为遗忘门g
f
的权重矩阵；W
i
为输入门g
i
的权重矩阵；W
o
为输出门g
o
的权重矩阵；b
f
为遗忘门g
f
的偏置项；b
i
为输入门g
i
的偏置项；b
o
为输出门g
o
的偏置项；f
t
为遗忘门g
f
在t时刻的状态；i
t
为为输入门g
i
在t时刻的状态；o
t
输出门g
o
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；C
t
为t时刻的LSTM单元状态；为t时刻输入的临时状态；W
c
和b
c
分别为计算的权重矩阵以及偏置项；h
t
为t时刻LSTM单元的输出；
[0024]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；
[0025]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
[0026]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)，依次本文档来自技高网...

【技术保护点】

【技术特征摘要】
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SQL Server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SQL Server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SQL Server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g
f
、输入门g
i
和输出门g
o
，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：f
t
＝σ(W
f
·
[h
t
‑1,x
t
]+b
f
)
ꢀꢀꢀꢀ
(1)i
t
＝σ(W
i
·
[h
t
‑1,x
t
]+b
i
)
ꢀꢀꢀꢀꢀ
(2)(2)o
t
＝σ(W

【专利技术属性】
技术研发人员：张壹，陈宁，王沭恒，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：