[发明专利]基于BP神经网络的血透设备故障诊断方法及存储介质

权利要求书

1.基于BP神经网络的血透设备故障诊断方法，其特征在于，包括以下步骤：

获取仪器电机的电流频谱图以识别仪器电机的故障征兆；获取故障征兆的故障特征频率分量所对应的幅值和基波分量的幅值，并将故障特征频率分量所对应的幅值和基波分量的幅值之间的比值作为BP神经网络的输入层神经元；

获取仪器电机的故障模式以作为BP神经网络的输出层神经元，其中，所述故障模式用于表征仪器电机的故障种类；

获取标准训练样本集和测试样本集，基于BP神经网络得出所述标准训练样本集所对应的标准训练样本测试结果和所述测试样本集对应的测试样本测试结果；

比对所述标准训练样本测试结果和所述测试样本测试结果以得出仪器电机的故障模式；

所述的获取仪器电机的电流频谱图以识别仪器电机的故障征兆的步骤，包括：

基于对仪器中不对称的电机转子检测得到的定子绕组的电流频率分量图像，来与预设变频带图像进行比较，以确定转子绕组故障征兆，其中，预设变频带为基波两侧出现的大小为2sf的变频带；

基于对仪器中相对静止的定子检测得到的电流谐波图像，来与预设电流谐波图像进行比较，以确定气隙偏心故障征兆，其中，预设电流谐波为基波及主齿谐波两侧出现变频带；

基于定子电流和气隙磁场检测得到测试谐波图像，与预设谐波图像进行比较，以确定定子绕组故障征兆，其中，预设谐波图像为电流的第n次和第m次谐波增大；

所述获取故障征兆的故障特征频率分量所对应的幅值和基波分量的幅值，并将故障特征频率分量所对应的幅值和基波分量的幅值之间的比值作为BP神经网络的输入层神经元的步骤，包括：

在仪器电机的电流频谱图中获取频率分量为f,(1+2S)f,(1-2S)f,[1+(1-S)/p]f,[1-(1-S)/p]f,3f,5f所对应的幅值和基波分量的幅值；f表示基波；p表示极对数；S表示滑差；

基于比值算法计算故障特征频率分量所对应的幅值和基波分量的幅值之间的比值；

以所述比值作为BP神经网络的输入层神经元。

2.根据权利要求1所述的基于BP神经网络的血透设备故障诊断方法，其特征在于，所述获取仪器电机的故障模式以作为BP神经网络的输出层神经元的步骤，包括：

获取仪器电机的各种故障模式；

基于所述故障模式建立故障矩阵，其中，所述故障矩阵行向量的元素对应于所述故障模式；建立所述故障矩阵与BP神经网络的输出层神经元的关联关系，其中，以[1,0,0],[0,1,0],[0,0,1]作为对应输出层神经元的故障模式，其中，零值元素表示无故障，非零值元素表征对应的故障模式。

3.根据权利要求1所述的基于BP神经网络的血透设备故障诊断方法，其特征在于，在确定BP神经网络的输入层神经元和输出层神经元之后，还包括：

基于BP神经网络的输入向量、输出向量所要求的维度确定输入层、输出层的节点数目；

基于相关经验算法确定隐含层的神经元数目；

确定BP神经网络的各层之间的传递函数。

4.根据权利要求3所述的基于BP神经网络的血透设备故障诊断方法，其特征在于，所述相关经验算法包括其中，k为样本数目，M为BP神经网络隐含层的神经元数目，n为输入层神经元数目；

且对于所有i＞M，成立有C_M＝0；其中，n为输入层神经元数目，m为输出层的神经元数目，a为[0,10]区间内任一常数。

5.根据权利要求3所述的基于BP神经网络的血透设备故障诊断方法，其特征在于，所述的确定BP神经网络的各层之间的传递函数的步骤，包括：

采用sigmoid函数作为隐含层传递函数；

基于输出层神经元的输出状态以Log-sigmoid函数作为输出层传递函数。