[發明專利]基于CPN網絡和D-S證據的汽輪機集成故障診斷方法

無效

• 申請號: 201210050754.9
• 申請日: 2012-03-01
• 公開（公告）號: CN102589890A
• 公開（公告）日: 2012-07-18
• 發明（設計）人: 彭道剛;張浩;夏飛;李輝;錢玉良
• 申請（專利權）人: 上海電力學院
• 主分類號: G01M15/00
• 分類號: G01M15/00
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 吳寶根

技術領域

本發明涉及一種汽輪機故障診斷，特別涉及一種基于CPN網絡和D-S證據的汽輪機集成故障診斷方法。

背景技術

汽輪發電機組是電力生產企業的主要設備，汽輪機在運行過程中不斷產生大量不同的信息，這些信息從不同的方面反映了汽輪機的運行狀態。由于汽輪機結構比較復雜，運行環境比較特殊，機組出現故障情況不可避免，且故障種類繁多，有很多故障特征信號，包括溫度、壓力、振幅、電壓、電流、流量、功率等等，而其中以振動信號包含的故障特征最多，更能迅速、直接地反映機組的運行狀態，也比較容易被監測和分析。因此，進行汽輪機故障診斷的研究，對于發現故障原因及部位，提高機組的運行可靠性，保障機組安全、經濟運行具有重要意義。

信息融合技術是將來自不同用途、不同時間、不同空間的信息，通過計算機技術在一定準則下加以自動分析和綜合，形成統一的特征表達信息，以使系統獲得比單一信息源更準確、更完整的估計和判決的技術。它為解決信息時代的信息處理與決策問題提供了先進而可靠的方法。在多傳感器系統中，信息融合的基本原理就像人腦綜合處理信息的過程一樣，將各種傳感器提供的在時間或者空間上冗余或者互補的信息依據某種準則優化組合起來，產生對觀測環境的合理描述。信息融合技術應用于設備故障診斷是在對多傳感器的信息進行綜合處理基礎上，實現對設備的實時狀態監測、信號的突變預測甚至是故障診斷與報警。在故障診斷領域，信息融合過程可以分為數據層、特征層、決策層三個層次，這三個層次分別代表了對原始數據不同層度的抽象。與傳統的故障診斷技術相比，信息融合技術具有更高的診斷準確度和可信度。

信息融合技術中的證據理論是一種不確定性推理方法，首先由Dempster提出，并由Shafer進一步發展起來，形成一套關于證據的數學理論，因而又稱為D-S證據理論。D-S證據理論主要是依據可信度函數運算，它是一種解決不確定性問題的數據融合方法。D-S證據理論不需要先驗信息，并采用區間估計的方法來描述不確定信息，解決了關于不確定性的表示方法。因此，D-S證據理論具有很強的處理不確定信息的能力，在區分不知道與不確定方面以及精確反映證據收集方面具有很大的靈活性，為不確定信息的表達和合成提供了強有力的方法，特別適應于決策級信息融合，已經在模式識別、故障診斷、問題預測、專家系統等領域得到了廣泛應用。

對向傳播神經網絡（Counter-propagation?Network，簡稱CPN）是近年來興起的一種新型特征映射網絡，它可以克服目前常用的BP神經網絡陷入局部極小點、學習速度慢和收斂性差的缺陷。CPN神經網絡將Kohonen特征映射網絡和Grossberg基本競爭型網絡結合起來，發揮了各自的特長，適用于故障診斷、模式分類、函數逼近、統計分析以及數據壓縮等等。

發明內容

本發明是針對汽輪機包含振動信號的故障診斷的重要性問題，提出了一種基于CPN網絡和D-S證據的汽輪機集成故障診斷方法，以汽輪機轉子振動模擬實驗裝置為試驗平臺，將從不同傳感器采集到的汽輪機振動狀態參數作為獨立的數據樣本，利用CPN神經網絡和D-S證據理論的優點，實現對汽輪機當前運行狀態進行更準確的診斷和分析。

本發明的技術方案為：一種基于CPN網絡和D-S證據的汽輪機集成故障診斷方法，方法包括如下具體步驟：

1）將從汽輪機轉子振動模擬試驗臺上傳感器采集到的汽輪機振動狀態參數作為獨立的數據樣本，經過特征提取、處理和參數歸一化處理后輸入到各自獨立的CPN神經網絡進行訓練，使得每個獨立的CPN神經網絡都能形成故障征兆到故障模式的非線性映射；

2）應用各自獨立的CPN神經網絡進行故障診斷后，將CPN神經網絡的輸出值采用下面公式進行歸一化處理，轉換成對應該CPN神經網絡的各種故障狀態的基本概率分配BPA，

??

其中表示第個證據在CPN網絡中的第個輸出結果；代表第個證據對狀態的BPA；

3）根據D-S證據理論的融合規則對各個故障CPN神經網絡的診斷結果進行進一步的數據融合，求得其正交和，即為融合后各狀態故障狀態的基本概率分配，得到故障診斷結果。