[發明專利]基于HLSNE的水輪機組狀態監測實現方法

無效

• 申請號: 201410166437.2
• 申請日: 2014-04-23
• 公開（公告）號: CN103953490A
• 公開（公告）日: 2014-07-30
• 發明（設計）人: 鄭建煒;邱虹;孔晨辰;黃瓊芳;王萬良
• 申請（專利權）人: 浙江工業大學
• 主分類號: F03B11/00
• 分類號: F03B11/00
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;黃美娟

1.一種基于HLSNE的水輪機組狀態監測實現方法，包括以下步驟：

步驟一，信號測取：利用水電機組上的振動傳感器采集一組能夠較全面反映不同噪聲源振動異常的振動信號；

1.1初始信號采集：水電機組運行工況復雜，受環境干擾大，在現有實驗條件下全面、有效的噪聲源異常振動樣本難以獲取。因此，本發明根據水電機組運行特性和經采樣分析得到的各個噪聲源的頻譜特性，構建一組水電機組異常振動仿真信號；

1.2信號預處理：對傳感器采集的時域信號進行小波去噪，時頻域轉換以及提取適當頻率上的幅值構成輸入樣本對象；

步驟二，特征提取：利用HLSNE計算最佳線性投影矩陣A，根據線性投影矩陣A對振動信號進行特征提取，其中A為一個矩陣，是原空間高維數據對應于子空間低維數據的一個線性關系，令原空間高維數據為n個d維向量X＝{x₁,x₂,…,x_n}，x_n代表第n個高維數據樣本，子空間低維數據為n個r(r<<d)維向量Y＝{y₁,y₂,…,y_n}，y_n代表第n個低維數據映射，則A為一個r×d的線性投影矩陣，滿足y_i＝Ax_i的線性關系，其中i取1～n；

2.1確定樣本矩陣X＝[x₁,x₂,…,x_n]，設定方差參數λ；

2.2根據X計算輸入樣本間兩兩歐氏距離；依據式(1)計算聯合概率P_ij，P_ij代表原空間中x_i選擇x_j作為近鄰的概率：

Pij=exp(-||xi-xj||2/2λ2)Σa≠bexp(-||xa-xb||2/2λ2)---(1)]]>

其中λ是相應高斯函數的方差參數，此外，i、j、a、b均為下標參數，取1～n；

2.3通過式(2)計算聯合概率Q_ij，Q_ij代表子空間中y_i和y_j之間的相似度：

Qij=(1+||Axi-Axj||2)-1Σa≠b(1+||Axa-Axb||2)-1---(2)]]>

其中i、j、a、b均為下標參數，取1～n；

2.4計算重尾函數S(||Ax_i-Ax_j||²)＝(1+||Ax_i-Ax_j||²)^-1；

2.5依式(3)計算梯度dC(A)/d(A)：

dC(A)d(A)=2Σij(1Σa≠bqab-Pijqij)·qij·(-h(||Axi-Axj||2)qij)(A(xi-xj)(xi-xj)T)=2Σij(Pij-Qij)S(||Axi-Axj||2)(A(xi-xj)(xi-xj)T)---(3)]]>

其中h(||Ax_i-Ax_j||²)＝-(1+||Ax_i-Ax_j||²)^-2，此外，i、j為下標參數，取1～n；

2.6通過不動點迭代方法將式(3)中的A^m更新為A^m+1：

令dC(A)/d(A)＝0，通過簡單迭代法調整式(2)可進一步轉化為：

2Σij(Pij-Qij)S(||Axi-Axj||)2(A(xi-xj)(xi-xj)T)=0A=AΣijQijS(||Axi-Axj||)2(xi-xj)(xi-xj)TA=A(ΣijQijS(||Axi-Axj||)2(xi-xj)(xi-xj)T)(ΣijPijS(||Axi-Axj||)2(xi-xj)(xi-xj)T)-1---(4)]]>

為使表達方便，定義以下兩個輔助變量：

C=ΣijPijS(||Axi-Axj||)2(xi-xj)(xi-xj)T---(5)]]>

D=ΣijQijS(||Axi-Axj||)2(xi-xj)(xi-xj)T---(6)]]>

通過簡單的運算后式(6)可進一步轉化為：

A＝ADC^-1???(7)

隨后采用線搜索方法最優化式(7)：選取搜索方向為p_m＝ADC^-1-A，p_m滿足B_mp_m＝-g_m，其中g_m是第m次迭代時的梯度方程；B_m是一個正定矩陣，是為了確保p_m是使得函數值下降的搜索方向，即滿足p_m^Tg_m<0。選取滿足Wolfe條件的步長α_m>0，以得到下次迭代后投影矩陣A的值A^m+1＝A^m+α_mp_m；

步驟三，狀態識別：對特征提取后的振動信號進行狀態正常或異常的識別；

步驟四，狀態分析：采用最近鄰分類器對異常振動信號所屬的故障源進行判別分類分析；

步驟五，結果輸出：依據狀態分析結果提出診斷決策。