基于模糊神經網絡的船舶交流電網的故障診斷

呂若辰 黃建忠 單曉宇

摘 要：本文針對船用交流電網的特點，建立了故障現象與故障征兆列表，并使用了模糊神經網絡，實現了對船舶交流電網故障的模糊診斷。本文還簡單介紹了模糊神經網絡，以及利用simulink對船舶交流電網進行仿真和故障仿真。經過仿真和試驗結果證明，該診斷方法是行之有效的，并且解決了模糊控制專家經驗獲取不足的問題。

關鍵詞：模糊神經網絡；船舶交流電網；故障診斷

0 引言

船舶交流電網是船上主要的供電來源，對于整個船的作用是不言而喻的，如果沒有它在船上很多的工作，日常生活就無法進行。同時我們也應該意識到，船舶交流電網需要更強的可靠性和穩定性，對于電網中可能出現的安全隱患，要越來越重視。

本文結合了故障診斷技術與模糊邏輯系統和神經網絡，找到船舶交流電網在運行過程中的現象與故障原因之間的模糊關系，建立了模糊故障知識庫，并利用神經網絡的超強學習能力進行故障知識學習，這將更有利于提高船舶交流電網故障診斷的質量和效率。

1 船舶交流電網的仿真

對于一個簡單的船舶交流電網，主要有柴油機，同步發電機，勵磁系統和負載這幾個部分。

對交流電而言，頻率非常重要，而交流發電的頻率是由其轉速決定的。我們需要設定一個額定轉速，讓發電機在任何時刻下都工作在額定轉速下。只有工作在額定轉速下，才可以使發電機輸出的電壓值和頻率穩定[3]。船舶上的用電設備不是唯一或者是恒定的，突然改變，就需要勵磁系統來改電機變端電壓，從而保持船舶交流電網電壓的穩定。

2 故障診斷系統的設計

故障診斷通常基于一定的征兆，但是在電網中有一些故障征兆具有模糊性，難以進行嚴格的劃分，也不能簡單地使用具體值去描述它們；或者一些故障與征兆之間的關系具有模糊性，很難用具體的邏輯去描述。但是在很多情況下我們無法獲取一些專家的經驗，以致很難使用模糊邏輯。如果我們結合模糊邏輯和神經網絡，用神經網絡自學以獲得更接近我們所需要的模糊規則，能夠在很大程度上克服模糊邏輯系統的主觀性，更加適用于船舶交流電網的故障診斷。

2.1 模糊神經網絡

本文采用的是一種串形結構的多層前向模糊神經網絡。該網絡分為兩個部分，前一個部分為模糊部分，主要功能就是將輸入的精確值模糊化為模糊量，后一部分為神經網絡部分，將得到的模糊量作為神經網絡的輸入，通過學習，得到模糊輸出，通過對模糊輸出的分析就可以得到故障類型。

2.2 電網故障及征兆信號及其隸屬度函數

綜合文獻和查詢結果，并依據一些經驗，船舶交流電網的常見故障形式可歸納為以下幾種，如表1 所示。

將獲取的測量信號精確量通過隸屬度函數轉化成模糊邏輯系統能夠處理的模糊量，這是一個模糊化過程。信號模糊子集劃分如表2所示。

3 仿真結果

在經過訓練學習后，神經網絡自學得到的故障診斷知識就蘊藏在神經網絡的權值之中，將權值保存起來，該權值就為一個故障診斷數據庫。這就可以使模糊神經網絡故障診斷系統對文中所列出的電網的幾種故障進行有效的診斷。

通過對模型模擬故障，得到故障的數據。然后取一部分作為訓練樣本，一部分用來檢測結果。

將樣本輸入通過隸屬度函數編程模糊輸入，然后輸出為10*10的單位矩陣。訓練了12步就達到了誤差要求，然后再將一組的測試樣本輸入，輸出結果為[0.003 0.003 0.006 0.000 0.002 0.9592 0.0015 0.0002 0.0000 0.0002]得知發生的故障為f6，而實際情況也為故障6，這說明可以完成對故障診斷的功能。

4 結論

通過故障仿真實驗和結果，該模糊神經網絡故障診斷系統能夠有效地診斷船舶交流電網的故障。對于那些沒有故障診斷知識的人，只需要輸入當前的故障征兆，運行該網絡，就可以得到故障信息。

參考文獻

[1]羅樂.船舶電力系統建模與控制[D].武漢理工大學，2011.

[2]韋韓英.船舶柴油發電機系統仿真[D].上海海運學院，2003.

[3]肖本賢，婁天玲，郭福權，等.基于模糊神經網絡的車用發電機故障診斷系統的研究[J].仿真系統學報，2004，（5）：1001-1008.

[4]潘智康.基于模糊神經網絡的電網故障診斷[D].安徽理工大學，2015.

[5]劉啟萌.基于模糊理論的船舶電力系統故障診斷[D].大連海事大學，2013.

（作者單位：上海海事大學）