(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 202210982348.X (22)申请日 2022.08.16 (71)申请人 国网上海市电力公司 地址 200122 上海市浦东 新区源深路1 122 号 申请人 国电南瑞科技股份有限公司 　 国电南瑞南京控制系统有限公司 　 南瑞集团有限公司 　 国网电力科 学研究院有限公司 (72)发明人 孟繁昌　陈良亮　石纯洁　黄江哲　 张浩　朱庆　周斌　周材　窦真兰　 童贤靓　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 董建林(51)Int.Cl. G06Q 10/00(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种直流充电机故障诊断方法、 装置及存储 介质 (57)摘要 本发明公开了一种直流充电机故障诊断方 法、 装置及存储介质， 其方法包括： 获取直流充电 机的实时故障数据集； 将实时故障数据集输入预 构建的故障诊断模型， 获取 故障诊断结果； 其中， 所述故障诊断模 型的构建包括： 获取直流充电机 的历史故障数据集； 通过 故障分析法对历史故障 数据集进行分析并建立直流充电机的故障诊断 树； 通过人工对故障诊断树的故障发生概率进行 标注， 生成样本集； 通过预设比例对样本集进行 划分， 获取训练集和测试集； 通过训练集对预设 神经网络模型进行训练并利用测试集对训练后 的神经网络模 型进行测试， 将测试通过的神经网 络模型作为故障诊断模型； 本发 明能够实现对直 流充电机故障位置的精准定位。 权利要求书2页 说明书10页 附图2页 CN 115496234 A 2022.12.20 CN 115496234 A 1.一种直 流充电机故障诊断方法， 其特 征在于， 包括： 获取直流充电机的实时故障数据集； 将实时故障数据集输入预构建的故障诊断模型， 获取故障诊断结果； 其中， 所述故障诊断模型的构建包括： 获取直流充电机的历史故障数据集； 通过故障分析法对历史故障数据集进行分析并建立 直流充电机的故障诊断树； 通过人工对故障诊断树的故障发生 概率进行标注， 生成样本集； 通过预设比例对样本集进行划分， 获取训练集和 测试集； 通过训练集对预设神经网络模型进行训练并利用测试集对训练后的神经网络模型进 行测试， 将测试通过的神经网络模型作为故障诊断模型。 2.根据权利要求1所述的一种直流充电机故障诊断方法， 其特征在于， 所述建立直流充 电机的故障诊断树包括： 定义直流充电机故障为顶事件； 由直流充电机的结构特征及原 理确定的故障模块为中 间事件； 定义由各故障模块确定的引起故障位置及故障原因为底事 件； 将顶事件、 中间事 件以及底事 件自上而下 联系起来构建直 流充电机的故障诊断树。 3.根据权利要求2所述的一种直流充电机故障诊断方法， 其特征在于， 所述通过人工对 故障诊断树的故障发生 概率进行标注包括： 通过专家经验以及数据资料库对中间事 件和底事 件的故障发生 概率进行标注。 4.根据权利要求3所述的一种直流充电机故障诊断方法， 其特征在于， 所述通过训练集 对预设神经网络模型进行训练包括： 将训练集中 中间事件输入神经网络模型进行 前向传播， 得到模型输出； 采用预设损失函数计算模型输出与训练集中相应的底事 件的损失； 通过损失对神经网络模型进行反向传播， 利用梯度下降法对各层之间的权值进行更 新； 通过对权值进行迭代更新 直至损失收敛或达 到预设最大迭代次数； 其中， 所述神经网络模型为BP神经网络模型， 所述BP神经网络模型包括输入层、 隐藏层 以及输出层， 所述输入层和隐藏层之间的初始权值为中间事件标注的故障发生概率， 所述 隐藏层和输出层之间的初始权值 为底事件标注的故障发生 概率。 5.一种直 流充电机故障诊断装置， 其特 征在于， 所述装置包括： 数据获取模块， 用于获取直 流充电机的实时故障数据集； 故障诊断模块， 用于将实时故障数据集输入预构建的故障诊断模型， 获取故障诊断结 果； 其中， 所述故障诊断模型的构建包括： 获取直流充电机的历史故障数据集； 通过故障分析法对历史故障数据集进行分析并建立 直流充电机的故障诊断树； 通过人工对故障诊断树的故障发生 概率进行标注， 生成样本集； 通过预设比例对样本集进行划分， 获取训练集和 测试集； 通过训练集对预设神经网络模型进行训练并利用测试集对训练后的神经网络模型进权　利　要　求　书 1/2 页 2 CN 115496234 A 2行测试， 将测试通过的神经网络模型作为故障诊断模型。 6.根据权利要求5所述的一种直流充电机故障诊断装置， 其特征在于， 所述建立直流充 电机的故障诊断树包括： 定义直流充电机故障为顶事 件； 定义由直 流充电机的结构特 征及原理确定的故障模块 为中间事 件； 定义由各故障模块确定的引起故障位置及故障原因为底事 件； 将顶事件、 中间事 件以及底事 件自上而下 联系起来构建直 流充电机的故障诊断树。 7.根据权利要求6所述的一种直流充电机故障诊断装置， 其特征在于， 所述通过人工对 故障诊断树的故障发生 概率进行标注包括： 通过专家经验以及数据资料库对中间事 件和底事 件的故障发生 概率进行标注。 8.根据权利要求7所述的一种直流充电机故障诊断装置， 其特征在于， 所述通过训练集 对预设神经网络模型进行训练包括： 将训练集中 中间事件输入神经网络模型进行 前向传播， 得到模型输出； 采用预设损失函数计算模型输出与训练集中相应的底事 件的损失； 通过损失对神经网络模型进行反向传播， 利用梯度下降法对各层之间的权值进行更 新； 通过对权值进行迭代更新 直至损失收敛或达 到预设最大迭代次数； 其中， 所述神经网络模型为BP神经网络模型， 所述BP神经网络模型包括输入层、 隐藏层 以及输出层， 所述输入层和隐藏层之间的初始权值为中间事件标注的故障发生概率， 所述 隐藏层和输出层之间的初始权值 为底事件标注的故障发生 概率。 9.一种直 流充电机故障诊断装置， 其特 征在于， 包括处 理器及存 储介质； 所述存储介质用于存 储指令； 所述处理器用于根据 所述指令进行操作以执行根据权利要求1 ‑4任一项所述方法的步 骤。 10.计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执行 时实现权利要求1 ‑4任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115496234 A 3