(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210552079.3 (22)申请日 2022.05.18 (71)申请人 海南大学 地址 570100 海南省海口市人民大道58号 (72)发明人 张卫东　曲慧芳　万逸　张灿　 李涛　谢威　衣博文　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 杨宏泰 (51)Int.Cl. G01D 21/02(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种新型护航舰艇压载水系统设备故障诊 断方法 (57)摘要 本发明涉及一种新型护航舰艇压载水系统 设备故障诊断方法， 该方法包括以下步骤： 步骤 1： 在舰艇压载水系统设备上布设多个传感器监 测点， 并收集表征关键设备运行状态的特征参 数； 步骤2： 构建由多个基于交叉熵代价函数的BP 神经网络组成的故障诊断模型， 对每个BP神经网 络进行训练和测试并获取设备故障的初步诊断 结果； 步骤3： 采用D ‑S证据理论对每个BP神经网 络的输出结果进行数据融合， 获取设备故障的最 终诊断结果。 与现有技术相比， 本发明具有减小 延迟诊断的时间、 提高故障诊断结果的精度以及 克服了现有故障诊断方法无法实时准确识别故 障的不足等优点。 权利要求书2页 说明书6页 附图4页 CN 115540935 A 2022.12.30 CN 115540935 A 1.一种新型护航舰艇压载水系统设备故障诊断方法， 其特征在于， 该方法包括以下步 骤： 步骤1： 在舰艇压载水系统设备上布设多个传感器监测点， 并收集表征关键设备运行状 态的特征参数； 步骤2： 构建由多个基于交叉熵代价函数的BP神经网络组成的故障诊断模型， 对每个BP 神经网络进行训练和 测试并获取设备故障的初步诊断结果； 步骤3： 采用D ‑S证据理论对每个BP神经网络的输出结果进行数据融合， 获取设备故障 的最终诊断结果。 2.根据权利要求1所述的一种新型护航舰艇压载水系统设备故障诊断方法， 其特征在 于， 所述的步骤1中， 传感器监测点包括布设在压载水系统设备上的压载水泵输出功率监测 点、 多个流 量监测点和多个压力监测点； 特征参数包括压力、 流 量和功率； 压载水系统关键设备包括阀门、 过 滤器、 泵和管 段； 压载水系统关键设备的运行状态包括管段泄露、 阀门堵塞、 压载水水泵泵轴磨损、 海底 过滤器堵塞以及正常运行状态。 3.根据权利要求1所述的一种新型护航舰艇压载水系统设备故障诊断方法， 其特征在 于， 所述的步骤1中， 收集表征关键设备运行状态的故障特征的物理参数的过程具体包括以 下步骤： 步骤101： 通过舰艇压载 水系统设备 上布设的多个传感器监测点采集故障测试 数据； 步骤102： 将故障测量数据上传至计算机， 计算机对故障测量数据进行特征提取和特征 选择操作以获取 特征数据； 步骤103： 对特征数据进行归一化处理， 将特征数据划分为用以训练故障诊断模型的训 练数据和用以判断故障诊断模型的诊断效果的测试 数据。 4.根据权利要求3所述的一种新型护航舰艇压载水系统设备故障诊断方法， 其特征在 于， 所述的故障诊断模型包括第一数据预处理模块、 第二数据预处理模块以及决策融合模 块： 所述的第一数据预处 理模块用以对特 征数据进行 数据预处 理； 所述的第 二数据预处理模块包括 四个具有不同网络结构的BP神经网络， 基于特征数据 的属性和样本点的位置将提取 的特征数据分为四类， 分别作为每个BP神经网络的输入， 将 压载水系统设备的运行状态作为每个BP神经网络的输出， 所述的第二数据预 处理模块用以 对得到的故障诊断结果进行归一 化处理； 所述的决策融合模块用以对归一化处理后的故障诊断结果进行融合以得到最终故障 诊断结果。 5.根据权利要求4所述的一种新型护航舰艇压载水系统设备故障诊断方法， 其特征在 于， 所述的每个所述的BP神经网络均为三层反馈网络拓扑结构， 该结构包括一个输入层单 元， 一个隐含层单元和一个输出层单元， 且各层单元的所有节点均以向量形式表示， 并按照 向量操作的方法执行计算， 所述的BP神经网络采用交叉熵代价函数以提升收敛速度和诊断 精度， 并且防止出现处 理梯度消失和梯度爆炸的现象； 所述的输入层单元具有多个输入节点， 且每个输入节点与传感器监测点的特征数据对权　利　要　求　书 1/2 页 2 CN 115540935 A 2应， 所述的输入层单 元采用sigmo id激活函数激活； 所述的输出层单元具有多个输出节点， 且每个输出节点与预先设定的压载水系统关键 设备的运行状态对应； 所述的隐含层单 元采用tanh 激活函数激活。 6.根据权利要求1所述的一种新型护航舰艇压载水系统设备故障诊断方法， 其特征在 于， 所述的步骤2中， 对每个BP神经网络进 行训练和测试并获取设备故障的初步诊断结果的 过程具体为： 步骤201： 对每个BP神经网络的特征参数进行初始化设定， 将归一化处理后的训练数据 和测试数据根据样本点的位置和特 征数据的属性进行分类； 步骤202： 将不同类别的训练数据输入不同的BP神经网络进行训练； 步骤203： 将测试数据输入至训练后的每个BP神经网络进行测试， 得到用以表征设备的 运行状态的故障诊断结果， 并对故障诊断结果进行分析， 直至误差满足要求。 7.根据权利要求6所述的一种新型护航舰艇压载水系统设备故障诊断方法， 其特征在 于， 所述的步骤201中， 每个BP神经网络的特征参数包括训练次数、 学习 率、 训练误差、 输入 层到中间层权值和中间层到 输出层权值。 8.根据权利要求6所述的一种新型护航舰艇压载水系统设备故障诊断方法， 其特征在 于， 所述的步骤202中， 将不同类别的训练数据输入不同的BP神经网络进 行训练的过程具体 为： 在选取每个BP神经网络的特征参数后， 将特征数据输入至每个BP神经网络中， 采用交 叉熵代价函数作为每个BP神经网络的代价函数， 并设置迭代 次数， 每个BP神经网络训练完 成后得到多种故障诊断结果， 将每个BP神经网络的故障诊断结果进行归一化处理， 并将归 一化处理后的每个BP神经网络的故障诊断结果输入每个BP神经网络中进 行训练， 直至达到 迭代次数。 9.根据权利要求6所述的一种新型护航舰艇压载水系统设备故障诊断方法， 其特征在 于， 所述的步骤203中， 将测试数据输入至训练后的每个BP神经网络进行测试的过程具体 为： 将测试数据输入至每个BP神经网络中进行测试， 对每个BP神经网络输出的多为故障诊 断结果进 行处理， 转化为 1维的输出结果， 即选取出每一组样本数据的最大概率值作为 实际 的故障诊断结果， 将选取的测试数据的期望结果与每个BP神经网络输出的实际的故障诊断 结果进行比较， 以验证 每个BP神经网络的设备故障诊断性能。 10.根据权利要求5所述的一种新型护航舰艇压载水系统设备故障诊断方法， 其特征在 于， 所述的步骤3中， 采用D ‑S证据理论对每个BP神经网络的输出结果进行数据融合的过程 具体包括以下步骤： 步骤301： 对每个BP神经网络的故障诊断结果进行归一 化操作， 得到信度分配结果； 步骤302： 采用D ‑S证据理论对每个BP神经网络的信度分配结果进行融合， 得到最终故 障诊断结果。权　利　要　求　书 2/2 页 3 CN 115540935 A 3