随着风电产业竞争日趋白热化,市场对整机制造商产品交付和运维服务质量的要求不断提高。针对批量
库存控制器个别I/O硬件故障影响项目生产维护的问题,介绍一种基于反向传播(BP)神经网络算法的低成本、适用
于生产运维现场使用的控制器I/O硬件故障的自诊断方法。通过输入随机顺序故障样本数据集对神经网络模型进
行训练,利用待测 I/O硬件和继电器构造的自诊断电路采集信号,将其处理为归一化数据的特征矩阵,输入自诊断
模型进行故障识别和分类,最终输出参考结果。试验初步验证了该方法在不依赖专用设备的情况下,可有效识别
I/O硬件信道故障,具有实际应用价值。