基于BP网络的船舶发电机转速控制系统传感器故障诊断

故障处理流程：初步判断主控制器无故障，重点检查主控制柜内电压检测模块及其接 线端子、信号线、变频柜690V输出端子及主控柜690V输入端子是否松动，是否有短路
或断路问题，如无问题，进一步检查箱变及其他方面的电网故障。
故障代码
故障名称：Vector surge矢量波动 刹车程序：180复位：A（自动）
如属于初次送电，更正相序，如果是已运行的风机，初步判断主控制器无故障后，查找 其他方面的电网故障。
故障代码
故障名称：Critical frequency频率超限 刹车程序：0复位：A（自动）
故障现象：风机报Critical frequency频率超限
故障原因：
主控检测到的电网频率超过参数设定的50.25Hz且持续0.2秒时报该状态码，但电网掉电
电源输入端实际电压是否超限。
故障代码
故障名称：Voltage low电压低 刹车程序：180复位：A（自动）
故障现象：风机报Voltage low电压低
故障原因：
主控检测到的电网相电压低于320V,相与相之间的电压即线电压低于（V3倍相电压）
550V,持续时间超过0.2秒，电压过低，也可能是瞬时的电压跌落。
故障处理：
1.可能的确存在风向极端变化（主要发生在夏天雷雨天气状况下），机组进行停机保
护，根据实际的天气情况，此现象属于正常，可直接复位。
2.检查风向标及其接线。
故障代码
故障名称：Windvane defect风向标故障 刹车程序：52复位：A（自动）故障原因：
主控PLCM1（输入端口M6-3、4无输入；风向标角度无变化，当风速大于风机启动风速时， 风向角度变化小于2°
二、电源及电网性故障
故障代码
故障名称：Main Ctrl. Supply交流电源故障 刹车程序：180复位：A（自动）

ｔ ｅ ｒ ｎｅ ｒ ｔ ｘ ｒｍ ｅ ，ｃａ ｓｆ ｎ ｏ ｔａ ｔｄｉｇ ｏ ｉ ｏ ｃｕｓｏｎ ｈ ｏ ｙ ｉ ｔｇ ａｅ ｅ ｐｅ ｉ ｎｔ ｌｓ ｉｙ ａ ｄ ｃ ｎ ｒｓ ａ ｎ ｓｓ ｃ ｎ ｌ ｉ ．
Ｋｅ ｏ ｄ ： ｒ ｆ ｉｌ ｅ ｒ ｌ ｅｗ ｒ （ ＮＮ） ｅ ｍａ ｅ ｔｍａ ｎ ｔ ｎ ｏ ｅ ｅ ｅ ａｏ ；ｓ ｏ ｔｃｒｕ ｔ ｙｗ ｒ ｓ ａｔ ｃ ｕ ａ ｎ ｔ ｏ ｋ Ａ ｉ ａ ｎ ｉ ；ｐ ｒ ｎ ｎ ｇ ｅ ｗｉｄ ｐ ｗ ｒ ｇ ｎ ｒ ｔ ｒ ｈ ｒ ｉ ｉ ｃ
Ａｂ ｔａ ｔ ｓ ｒ ｃ ：Ａｉ ａ ｈ ｅ ｂ ｅ ｆｃ ｆ ａ ｇ ｅ ｍａ ｅ ｔｍａ ｎ ｔｗｉ ｄ ｐ ｗ ｒ ｇ ｎ ｒｔ ｒｆ ｕｔｄ ａ ｎ ｓｓ ｗ ｒ ｍ ｔｔ ｅ ｆｅ ｌ ａ ｔｏ ｒ ｅ ｐ ｒ ｎ ｎ ｇ ｅ ｎ ｏ ｅ ｅ ｅ ａｏ ａ ｌ ｉｇ ｏ ｉ ｏ ｋ，ｔｐ ｃ ｌ ｌ ｙ ｉ ａ ｓ ｏ ｔ ｉ ｕ ｔｆｕ ｔｓｍｕ ａｉ ｎ ｍｏ ｅ ｓ ｂ ｉ ａ ｅ ｎ ｇ ｎ ｒ ｔｒ ｓｒ ｃｕ ｅ Ｔ ｐｃ ｌ ｓ ｏ ｉｃ ｉ ｆ ｕ ｂ ｕ ｈ ｒ ｌ ｈ ｒ ｃ ｒ ｉ ａ ｌ ｉ ｌｔｏ ｄ ｌｗａ ｕ ｌ ｂ ｓ ｄ ｏ ｅ ｅ ａｏ ｔ ｔ ｒ ． ｙ ｉａ ｈ ｒ ｃ ｒｕ ｔ ａ ｈ ａ ｏ ｔ ｔ ｅｍａ ｃ ｔ ｕ ｔ ａ ｄ ｅｅ ｔｏ ｇ ｅｉ ｅｄ ｗ ｓ ｓ ｄｅ ｎ ｔｄ ｎ ｌｃ ｒｍａ ｎ ｔ ｆ ｌ ａ ｔ ｉｄ ｕ ｉ ．Ｕｔ ｉｅ ｓ ｍｅ ｍｏ ｅ ，ｆ ｌ ｎ ｏ ｔ ｏ ｐ ｉｇ ｍｅ ｈ ｄ ｗｅ ｅｕ ｅ ｏ ｓ ｌｅ ｃｉ ｕ ｅ ｉ ｚ ａ ｄ ｌ ｉ ｄ ａ ｄ ｒ ｕ ｅ ｃ ｕ ｌ ｔ ｏ ｒ ｓ ｄ ｔ ｏｖ ｌ ｅ ｎ ｅｅ ｔｏ ｇ ｅｉ ｎ ｈ ｒ ｌ ｅ ｄ ａａ ａ ｄ ｄ ｓｒ ｕ ｉｎ ｄ ｓ ｉ ｌ ｅ ｏ ｌｃｒ ｍａ ｎ ｔ ｎ ｈ ｒ ａ ｅ ｄ ｗｅｅ ｏ ｔｉ ｅ ｌｃ ｒｍａ ｎ ｔ ａ ｄ ｔ ｅｍａ ｌ ，ｄ ｔ ｎ ｉｔ ｂ ｔ ｉｃｐ ｉ ｆｅｅ ｔ ｃ ｉ ｆ ｉ ｏ ｎ ｏ ｇ ｅｉ ａ ｄｔｅ ｃ ｍ ｌ ｌ ｒ ｂａｎ ｄ ｉ ｆ

ｗｋｌ＝ Ｗｋ— ＋ Ｅ Ｗ ） （
对 日 阵更 新 ．
Ｅ ） （
值 ， 步使 Ｅ ｗ）达 到最 小 ， 得 最 优 ｗ。， 逐 （ 求 。 使 。
Ｅ（ Ｄ Ｗｏ）＝ ｍ ｎ Ｗ） ｔ ｉＥ（ ．
则 采用 Ｂ Ｇ Ｆ Ｓ拟 牛顿 公式 对 日 阵进 行修 正 ， 否则 不
１２ 基 于拟 牛顿 法的 网络 学 习算法 ．
层 单 元的 激励 函数 ， ＝ １２ … ， ｋ ，， ｎ
１ 改进的 Ｂ Ｐ神经 网络模型学习方法
１１ Ｂ ． Ｐ神 经 网绕模 型 及其 学 习算法
设输出层第 ｋ 个单元的 目标值输出为 ， Ｗ 令 表示所有权及阈值形成 的向量 ， 则输 出层各单元输
出 的误 差 平方 和为．
维普资讯
第 ２ 卷第 １ ７ 期
２０ ０６年 ２月
华
北
水
利
水
电
学
院
学
报
ＶＤ ． ７ １２ Ｎｏ． １
Ｊｕｎｌ ｆＮ ｒ ｈｎ ｎｔｕｅｏ ｔｒＣ ｎｅｖｎ ｙａ ｄＨｙ ｎ ｏ ｒａ ｏｔ Ｃ ｉａＩｓｔｔ ｆＷａ ｏ ｓｒａｃ ｎ ｄ ｏ ｈ ｉ ｅ
Ｏ Ｉ＝ｆ （ ）＋ ｏ
顿法能弥补 Ｂ Ｐ算 法 的缺 陷 ， 将其 引 入神 经 网络 的 故
式 中 ： 为输 出层 第． 单 元与 隐层 第 １ 单元 之 间 『 个 ｊ ｝ 个
权值训练中， 提高 Ｂ 网络学习速度， Ｐ 并应用于凝汽器
的故障诊 断 ．
的连接权 ； 为隐层第 ｋ 个单元的阈值 ； （） ， ・ 为论 中的拟 牛 而
输入层共有 Ｚ 个单元 ， 单元 的输出值等于输
入值 ， Ｏ Ｘ ， ＝１２ … ，． 即 ｉｉ ． ， ｚ

(k )]
⎫ (k ) ⎪ ⎬ ⎪ ⎭
(13) i=1,2,…,N
式中， ωij(2) 为隐层权系数， ƒ [.]为隐层激发函数， ƒ [.]=tanh(x)。上角标(1)、(2)、
(3)分别对应输入层、隐含层、输出层。 网络的输出层的输入、输出为
n e t (n3 ) ( k ) = O O O O
侯树文 李艳华 杨科科 柏 镇
（华北水利水电学院动力系，河南郑州 摘 450008）
要：水力发电机组是一个非线性、时变系统，常规 PID 控制不能达到较好的控制效果。提出了一种基
于遗传算法、BP 神经网络和 BRF 神经网络的智能 PID 控制方法。文中讨论了智能控制系统的结构，GA、 BP、 BRF 的算法以及水电机组的数学模型。 对水电机组采用智能 PID 控制器和常规 PID 控制器的动态特性 进行了分析，结果表明，采用智能 PID 控制器的水电机组具有更好的控制精度和动态特性。 关键词：水电机组 PID 控制 遗传算法 神经网络 Abstract：Hydroelectric power generating unit is a non-linear, time-variable, high step system, so the traditional PID control can’t get good controlling performance. Proposed an intelligent PID control method based on genetic algorithm, BP neural network and BRF neural network. Discussed the structure of the intelligent control system, GA、 BP、 BRF algorithms and mathematical model of the unit respectively. Analysis the dynamic characteristics of the unit, which used intelligent PID controller and traditional PID controller respectively, the results showed that the unit with intelligent PID controller has better accuracy and dynamic characteristics. Keywords：Hydroelectric power generating unit PID controller Genetic algorithm Neural network