摘要：柴发电站是整个备载电源机构的动力心脏，随着现代电力机构的日趋高性能化和构造复杂化，构成柴油发电机组也日益朝着大型化、高速化、精密化方向发展，工作性能不断改进，智能化程度越来越高。一方面它将大大提高劳动生产率，提升电能质量，减少柴油发电机维保成本和能耗；但另一方面，带来的问题是，一旦其中某一部分或某一环节发生损坏，往往会使整个应急用电装置处于瘫痪状态。因此，怎么样迅速预判损坏发生的因由，进而高效地清除故障，保证柴油发电机组运行具有特别重要的意义。 在此背景下，本文中主要引荐基于神经网络的柴油发电机组的故障排除，首先，确定了神经网络损坏解决措施对柴油发电机和发电机进行故障诊断的研讨。
发电机故障只能诊断装置能够对发电机各个部位发生的故障及时的发现，降低了由人工——解除故障部位的时间，在减少损坏时间的同时，也能够阻止损坏的进一步恶化。智能诊断系统在发现故障部位时，能够对损坏部位发生的可能原因进行分析，进而对维护人员的修理程序给予最佳手段，帮助技术人员以效率最高的损坏处置办法对发电机电气机构的各种多见损坏及易发故障进行修理，极大的提高了发电机损坏处理的效率，从根本上保养了我国电力装置的安全性和稳定性。发电机智能诊断机构是集合了故障判断专家的实战经验和丰富的诊断知识，对发电机的故障诊断具有极高的诊断效率，在实际使用中发挥着重要的功能，能够快速的找到损坏部位并且供应有效的检修步骤，还可以对发电机的损坏进行模拟训练，对技术人员的损坏检修流程进行指导巴中康明斯发电机，帮助技术人员对维修技术和工艺进行掌握，以便于在真正产生损坏时，作业人员能够高效的进行故障排除，减小发电机损坏造成的经济损失。
发电机的运作布置图和运作方式都各有不同，不同的发电机组在发生故障时的损坏消除方式和处理程序都会有所更改，这对于技术人员的发电机损坏检修具有极高的技术性要求，为了减少修理人员的作业强度，智能诊断装置可以收集各种类别的发电机组生产原理、频发故障部位、使用维护说明书等资料，有利于作业人员在损坏处置时，及时的查阅到相关基本资料，提高技术人员对发电机组的通晓程度，提升故障清除效率。
发电机电气故障智能诊断装置是与计算机技术相结合，将高新技术运用到故障解除中，有效的增强了故障解除效率。系统是以计算机C语言为核心，与相关的测控专业工具相结合，实现对发电机组作业性能进行测量，由相关的诊断模块测试发电机作业状态是否正常，一旦发现问题，通过C语言编程的诊断程序，快速预判损坏部位，并且找到可能致使故障的因由，指导技术工人正确的对发电机组进行维修工作。
智能诊断装置中，全面覆盖了发电机容易发生的各种损坏和导致损坏的原因，对发电机组的正常开关机等操作都有具体的记录，在作业人员进行相关的操作时，方便其进行快速的查询，保证检修时操作的规范性，能够高效的防止因为人工失误致使的二次损坏。智能检y机构不仅限于对发电机组是否损坏进行检测，还可以按照技术要点测量发电机组的相关数据的测定，方便技术人员及时掌握发电机的作业状态。
智能诊断装置具有很高的智能性，是将计算机技术、人工智能技术、电子技术等高新技术有机结合形成的智能装置，将大部分的发电机组类型、运转特征、使用规范等都涵盖在内，能够对发电机组各电器总成的电流、电压等数据实时检测，防止发电机产生损坏，并且能够供应一套准确有效的排查方式。
智能机构常识库收集了电气故障清除专家的诊断经验和专业知识，将其应用到实际的故障判定和解除上，实现理论常识与实践相结合，通过与技术工人之间的配合，来时刻保证发电组正常的工作。智能诊断系统的功用强大攀枝花康明斯发电机，对发电机的正常运转发挥着不可替代的功用，操作简便易上手，对于使用步骤还不够娴熟的技术工人，控制界面有主要的提示信息，通过文字、图片、声音等传播载体，将发电机组的相关信息详尽的进行显示，方便技术工人的查询、操作、学习。
概率神经网络是由Specht博士在1989年首先提出， 是一种与统计信号处理的许多概念有着紧密联系的并行算法。它实质上是一个类型器，根据概率密度函数的无参估计进行贝叶斯决策而得到分来结果。整个网络属于径向型网络，不需要进行反向误差传递，具备学习转速快、具有很强的容错性、可以完成任意非线性变换的特征，同时因为各层神经元的数目比较固定，因此易于硬件实现。在实际应用中，尤其在处理类别问题中，PNN不仅能用线性学习算法来完成非线性学习算法的作业，用时也能保证非线性算法的高精度等优点，故而被广泛应用于损坏测量和目标类别识别领域。
第1层为输入层，这一层负责将特点向量输入到神经网络中去，输入层神经元的个数就是样本特点值的个数，这一层的用途只是将输入信号用分步的方式来表示。
为了让智能诊断系统在发现发电机组发生故障，能够尽快的找到故障起因，并且对损坏部位进行提示，提出高效的损坏维修程序，要正确的处理故障部位与故障因由之间的关系。因为发电机的某一损坏可能是由于多方面的因素致使，也就是说，会有多种缘由造成这一故障，而且随着发电机组的规模越来越大，构成更加复杂，损坏部位与损坏因由之间的关系纵横交错，这是实现智能诊断机构正确诊断该当处理的难点之一。因此，要利用损坏部位与损坏缘由之间的关系，结合故障解除专家的专业技能，操作模糊理论的方法，实现智能诊断装置对损坏原因的判定。模糊理论是用来表达发电机组内故障部位与损坏起因之间相互交叉的关系，建立模糊关系方程式，就可以帮助诊断系统做出准确的诊断。
在本次实验中，描述故障状态的优点向量详细有发电机的有功功率P、无功功率Q、发电机的输出电压U、发电机的三相电流输出I、发电机的容量因数pf、发电机定子电压U1、定子电流I1。输出状态为电子调速器失灵（ f1）、发电机失磁（ f2）、励磁模块故障（f3）、喷油嘴故障（ f4）四种损坏归类。
本文中分别对柴油发电机和发电机及发电机励磁装置进行数学建模，并对所建立的数学模型用SIMULINK对柴油发电机的热力学工作过程和同步发电机的正常工作步骤和损坏工作程序进行仿真，获取柴油发电机和发电机在正常作业及损坏状态下的特点值。然后对获取的优势值进行归一化清除，把经过清除的特点值作为神经网络的输入样本集广州康明斯发电机，规划输出样本集，建立BP神经网络和ELMAN神经网络，用整理后的数据训练神经网络，使神经网络具有故障清除用途，并对神经网络模型进行测试。实现了对柴油发电机的故障解除，保证柴油发电机组的安全运转。