摘 要

要想让整个船舶保持安全运营就一定要保持船舶同步发电机能保持在一个良好的工作状态。随着现代船舶的大型化、智能化程度越来高，对发电机的稳定性和可靠性要求更高，因此需要对发电机可能出现的各种故障状态做出快速且准确的判断。本文将BP神经网络应用于船舶同步发电机的故障诊断研究。

本文分析了同步发电机的三种常见故障，利用MAXWELL和simplorer建立了正常与故障状态下的模型，完成不同状态之下的仿真实验，采集同步发电机在不同状态下的仿真数据来进行分析研究，根据数据与图像的不同特征总结出故障状态的特点。

采用了小波包分析方法将信号进行重构，采用频带能量分析技术进行故障特征值的提取，并且对高维度的特征向量进行降维处理。

将特征向量分为训练样本和验证样本，使用训练样本对神经网络进行训练，最后用测试样本验证BP神经网络对于船舶同步发电机的故障诊断是否能达到要求。

关键词：船舶同步发电机；故障诊断；BP神经网络；小波包分解

Abstract

The ship's power system is the key to the normal operation of the ship, and the synchronous generator of the ship is an important part of the ship power system, so it is necessary to ensure the safe operation of the ship. The operating condition of the synchronous generator of the ship is good. And the use of modern ships has increased demand for higher stability and reliability. Therefore, quick and accurate judgment is necessary for different error states of the generator. General Electric yes, in this paper, BP neural network was applied to the fault diagnosis of ship synchronous generator.

This paper analyzes three common synchronous generator errors. Maxwell and simplor are used to create models under normal and fault conditions. Simulation experiments were carried out under different conditions. The synchronous generator was sampled and analyzed data under different conditions. The features of error conditions are summarized based on different characteristics of data and images.

The signal is reconstructed using the wave packet analysis method, and the error characteristic value is extracted using the band energy analysis technique, and the higher order self vector is reduced.

After downgrade, you can input your own vector BP network. Divide your vector into training samples and test samples. Do a test to train the neural network. Finally, we verified that the BP neural network can meet the requirements of fault diagnosis of ship synchronous generators.

Key Words：Ship synchronous generator; fault diagnosis; BP neural network; wavelet packet decomposition

目 录

摘要 I

Abstract I

1. 绪论1
   1. 研究背景1
   2. 同步发电机故障诊断研究现状与发展动态1
      1. 国内外研究现状1
      2. 发展动态2

1.3 神经网络在故障诊断中的应用2

1.4 研究意义2

第二章 船舶同步发电机及故障3

2.1 船舶同步发电机基本原理3

2.2 故障机理3

2.2.1 定子绕组匝间短路3

2.2.2 转子绕组匝间短路3

2.2.3发电机静、动态偏心故障4

2.3 本章小结4

第三章 仿真实现5

3.1 Ansys implorer和Maxwell仿真5

3.2 同步发电机的仿真7

3.2.1 同步发电机的正常运行仿真7

3.3 故障仿真7

3.3.1 定子绕组匝间短路故障8

3.3.2 转子绕组匝间短路故障8

3.3.3发电机静、动态偏心故障9

3.4 本章小结10

第四章 小波分析和小波包分析理论11

4.1 小波分析理论的产生和发展11

4.2 小波分析11

4.2.1 小波变换定义及小波函数11

4.2.2 连续小波变换12

4.2.3 离散小波变换13

4.3 小波包分析13

4.3.1 小波包定义13

4.3.2 小波包算法14

4.4 本章小结14

第五章 基于BP神经网络的故障诊断15

5.1 神经网络概述15

5.2 BP神经网络15

5.2.1 BP神经网络神经结构15

5.2.2 BP神经网络的学习算法16

5.3 BP神经网络的船舶同步发电机故障诊断设计17

5.4 本章小结18

第六章 基于神经网络的发电机故障诊断研究19

6.1 船舶同步发电机故障特征值的提取19

6.1.1 信号的小波包分析19

6.1.2 主成分分析法24

6.2 基于BP神经网络对船舶同步发电机进行故障诊断25

6.3 本章小结28

第七章 总结与展望29

7.1 全文总结29

7.2 研究展望29

致谢30

参考文献31

第一章 绪论

• 1. 研究背景

当今世界，人工智能、自动控制技术的不断发展，高复杂度，高精准度，高可操控性是对船舶电力系统提出的新的要求，与此同时，船舶电力系统的功能的完善程度、自动化程度都在随着需求的不断增高而不断地提高，与此同时，船舶上各个设备的复杂度和规模日益增大，因此船舶对各个设备的控制难度也在增高，但是如果系统中设备出现故障，而我们无法对故障做出及时的诊断与处理，则将会对船舶的安全运行产生危害。

船舶电力系统的主要工作是发电和配电。随着现代船舶甚至智能船舶的不断发展，现代船舶越来越趋向于智能化、大型化。因此现代船舶对于电力的需求越来越大，这导致船舶电力系统需要在经济性和稳定性很高的条件下对整个船舶安全供电。

现代船舶需要对船舶同步发电机的各项参数实现实时监控，并且通过各项参数的特征来判断同步发电机是否发生故障，在同步发电机出现故障的时候及时的识别故障、做出警报，甚至是解决故障。船舶同步发电机的工作环境十分恶劣，运行过程中承受各种交变载荷，所以发生故障的几率很大，因此需要一个很有效的方法来检测、诊断船舶同步发电机的故障。^[1]/[2]/[3]。

1.2同步发电机故障诊断研究现状与发展动态

1.2.1 国内外研究现状

我国故障诊断技术开始的时间比国外要晚很多，美国在发展航空航天等方面的技术时，对故障诊断技术做出了很多研究，慢慢将故障诊断技术引向陆上、海上机械。

20世纪70年代末，我国的故障诊断技术开始萌芽，1979年才进入起步阶段。由于我国起步较晚，导致各种检测方法和电机理论的不完善，因此现阶段的研究重点是发电机故障的原因和故障机理。20世纪80年代开始进入高速发展阶段，在这一阶段，因为我国其他技术慢慢发展成熟，比如分析技术、诊断技术。人工智能、计算机技术在此时也开始萌芽，利用计算机建模处理信号方法慢慢开始发展。现如今各大科研机构以及高校都在研究发电机的故障诊断技术。 ^[4]。

1.2.2发展动态

故障诊断是一个复杂的问题，它包括多种故障和多级故障。随着现代船舶不断朝着大型化、自动化的发展，这直接导致了船舶对于船舶发电机的要求日益增加，所以整个船舶电力系统网络结构的复杂性逐步增高。而且，在现代船舶电力系统对发电机输出电能质量的提出严格要求。船舶故障诊断的准确性的快速性成为了人们努力的方向，故障诊断技术也得到了更多人的关注。

船舶同步发电机容量在不断地增大，船舶电力系统的复杂度和大型度都在不断增大，所以对于设备的故障诊断难度也在不断增大。现阶段的故障诊断技术趋向于多种诊断技术进行集成，形成集成化的故障诊断技术，将不同的故障诊断技术集成为不同的故障诊断系统成为了现阶段的研究热点。

近年来，随着计算机技术和大数据的普及，发电机故障诊断技术不再是以信号的处理为中心，而是被推理诊断过程所取代。智能故障诊断已经成为了同步发电机故障诊断的新发展方向 ^[6]。

• 1. 神经网络在故障诊断中的应用

人工神经网络的工作是模仿人脑的工作特点，它也包括很多神经元，每个神经元以特定的方式连接工作。神经网络系统是需要外部对其进行输入，再通过神经元的不同工作方式来处理输入量。神经网络是一种数学模型，且这个数学模型是被抽象出来的。目前有很多种成熟的神经网络类型。比如BP神经网络、小波神经网络、ART网络。 ^[8]。

• 1. 研究意义

现代船舶的规模越来越大，电力系统对于其中各个设备的故障诊断的准确性和快速性要求也越来越高，因此，如何能对同步发电机的运行状态做出最有效的监控，对同步发电机的故障做出最快的反应以及排障成为了现阶段的任务。

船舶同步发电机作为船舶电力系统的关键，但是船舶同步发电机工作环境十分恶劣，出现故障的几率也很高，一旦发生故障，同步发电机就达不到所需的工作要求，这很有可能影响船舶的正常运行，更有甚者，会危及船舶以及船员的安全，造成不可估量的后果。由此可见，要对船舶发电机进行状态监视和故障诊断极其重要，以至于能够对船舶同步发电机的故障做出及时的判断以及排除，保证同步发电机能够保持在最佳运行状态。

1. 船舶同步发电机及故障

2.1 船舶同步发电机基本原理

转子被原动机以恒定转速拖动时，极性相同的励磁磁场随轴旋转，并依次切割定子各相绕组，定子三相电枢绕组就会感应出大小和方向按周期性变化的交变正弦电动势，由于三相电枢绕组在空间上相差120°电角度，三相电动势相位也相差120°电角度，其瞬时值为

每相感应电动势的有效值为

式中，f为频率，我国额定功率为50Hz，为每相绕组的总的串联匝数，为每极基波磁通，单位为韦伯。

空载电动势的频率 与转子转速和磁极对数成正比，即

因此可得：

式中是电势常数^[10]。

2.2 故障机理

2.2.1 定子绕组匝间短路

在船舶同步发电机运行过程中，定子绕组很容易发生故障，而且被认为是最危险的故障^[11]，同步发电机在运行的过程中，其定子在电、热环境下且受械应力等的共同作用下，绝缘层会因此发生快速老化，过电压冲击和机械振动等各种不利调教，都可能会诱发定子绕组匝间短路故障^[12]，在发生匝间短路时，故障回路会产生很大的短路电流和很强的电磁力，需要及时诊断并切除故障，否则会对船舶电力系统产生不可逆的伤害。 ^[13]。

2.2.2 转子绕组匝间短路

发电机很容易发生转子绕组匝间短路故障，转子长时间处于高速运动状态，受到热、电、机械应力等复杂因素作用，再加上制造工艺的瑕疵，转子绕组出现匝间短路故障几率较大，同步发电机发生轻微的转子匝间短路故障时，故障特征不太明显，不易被发现，但若任其长时间运行而不排除故障，则可能会导致转子一点或两点接地故障，引起转子的剧烈震动。