[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

技術領域

本發明涉及一種基于HLSNE的水輪機組狀態監測實現方法及系統。

背景技術

隨著“六小工程”的實施，小水電在電力能源結構中所占比重逐漸增大，作為小水電生產過程核心設備的水電機組的結構日趨復雜，集成化程度越來越高，不同部件之間動力學行為相互影響、相互作用，機組振動問題日益突出，對電網的安全穩定運行造成的影響也日益凸顯。水電機組的運行健康狀況不僅關系到水電廠的安全還直接關系到水電廠能否向電網安全、經濟地提供可靠的電力。因此，對水電機組進行運行狀態監測，確保水力發電機組安全、可靠、穩定運行，發揮最大發電效益，具有十分重要的意義。然而，現有的技術在解決水電機組振動信號樣本特征提取困難且多為高維、非線性和包含大量冗余信息等方面都存在一定的不足之處，無法滿足現實的具體應用，有必要進行更加深入的研究。

近年來，降維技術在模式識別、圖像檢索和計算機視覺等領域起著越來越重要的作用。上述領域所處理的原始數據往往維度很高，給后續操作帶來了高計算復雜度，大存儲量以及算法性能衰減等問題。降維技術或稱為特征提取方法通過將高維輸入數據投影至有意義的低維子空間以降低數據冗余度并緩解“維度災難”問題。在模式識別過程中，尤其是面向數據鑒別的具體應用時，往往會面臨輸入特征參數維度過高、數據帶噪、奇異點擾動或訓練樣本數缺失等問題，對輸入樣本進行有效地降維不僅可以彌補上述缺陷，還具有一系列的優點：能夠挖掘數據的低維分布流形，并真實可靠的反映數據的高維分布結構；在計算能力受限的應用過程中，能夠降低判別模型的計算成本；具有較強的魯棒性和抗毀性；極大地提升模式識別性能等。因此將降維技術應用于水電機組振動信號樣本處理以對其進行運行狀態監測具有極其重要的深遠意義。

發明內容

為了克服已有水輪機組狀態監測實現方法利用快速下降法進行梯度最優化過程中需手動調整參數的不有效性，本發明提供一種基于HLSNE的水輪機組狀態監測實現方法，采用簡單不動點迭代法實現梯度最優化過程中的多參數設定及調整，有效提高了水輪機組狀態監測過程的效率和魯棒性。

本發明解決其技術問題所采用的技術方案是：

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：