[發明專利]一種汽輪機轉子振動故障診斷方法及裝置

有效

• 申請號: 201710333774.X
• 申請日: 2017-05-12
• 公開（公告）號: CN107066759B
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 朱霄珣;周沛;苑一鳴;韓中合
• 申請（專利權）人: 華北電力大學（保定）
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

本申請提供了一種汽輪機轉子振動故障診斷方法及裝置，汽輪機轉子振動故障診斷方法包括：獲取汽輪機轉子振動信號；利用卷積神經網絡故障診斷模型，對汽輪機轉子振動信號進行分類識別，得到故障診斷結果。在本申請中，通過以上方式實現了對汽輪機轉子的故障診斷。

技術領域

本申請涉及汽輪機故障診斷領域，特別涉及一種汽輪機轉子振動故障診斷方法及裝置。

背景技術

汽輪機是火電廠的核心設備之一。在長期連續高速旋轉過程中，汽輪機轉子在某些情況下可能出現故障，而汽輪機轉子故障程度不同將引起機組振動。異常振動對安全生產構成了重大隱患，并已經造成了一些嚴重的設備事故。由此可見，汽輪機轉子故障診斷是關系到發電廠安全運行的重要課題之一。

其中，由于汽輪機轉子振動信號是設備狀態信息的載體，蘊含了豐富的設備異?；蚬收系男畔?，因此可以通過對汽輪機轉子振動信號進行處理來實現汽輪機轉子故障診斷。而如何對汽輪機轉子振動信號進行處理，來實現汽輪機轉子故障診斷成為問題。

發明內容

為解決上述技術問題，本申請實施例提供一種汽輪機轉子振動故障診斷方法及裝置，以達到實現對汽輪機轉子的故障診斷的目的，技術方案如下：

一種汽輪機轉子振動故障診斷方法，包括：

獲取汽輪機轉子振動信號；

利用卷積神經網絡故障診斷模型，對所述汽輪機轉子振動信號進行分類識別，得到故障診斷結果。

優選的，所述卷積神經網絡故障診斷模型包括：輸入層、n個卷積層、n個下采樣層、全連接層和輸出層，n為不小于1的整數；

第1個卷積層分別與所述輸入層和第1個下采樣層相連，第i個卷積層分別與第i-1個下采樣層和第i個下采樣層相連，第n個下采樣層與所述全連接層相連，所述全連接層與所述輸出層相連，i為大于1且不大于n的整數；

所述輸入層用于將原始的數據信號輸入到由二維平面構成的網格中；

各個所述卷積層的輸入為：各個所述卷積層的輸出為：

其中，l為不小于1的整數，所述卷積神經網絡故障診斷模型的第l層為卷積層，R_i表示輸入數據信號的集合；是所述卷積神經網絡故障診斷模型的第l-1層的第i個特征平面的激活值；是所述卷積神經網絡故障診斷模型的第l層第j個特征平面與第(l-1)層第i個特征平面的卷積核；是所述卷積神經網絡故障診斷模型的第l層的第j個特征平面的偏置值；是所述卷積神經網絡故障診斷模型的第l層的第j個特征平面的加權和，f()表示激活函數，“*”是卷積符號，是所述卷積神經網絡故障診斷模型的第l層第j個特征平面的激活值；

各個所述下采樣層的輸入為：各個所述下采樣層的輸出為：

其中，第l+1層為下采樣層，所述卷積神經網絡故障診斷模型的第l+1層的第j通道的凈激活，是所述卷積神經網絡故障診斷模型的第l+1層的權重系數，是所述卷積神經網絡故障診斷模型的第l+1層的偏置項，down()是下采樣函數，f()表示激活函數，是所述卷積神經網絡故障診斷模型的第l+1層第j個特征平面的激活值；

所述全連接層的輸出為：u₁＝ω₁x₁+b₁，其中x'＝f(u₁)，ω₁是所述卷積神經網絡故障診斷模型的全連接層的權重系數，b₁是所述卷積神經網絡故障診斷模型的全連接層的偏置值，x₁是所述全連接層的前一層輸出的特征矩陣轉換為一維數據，得到的一維數據特征，u₁是所述卷積神經網絡故障診斷模型的全連接層的凈激活值，x'是所述卷積神經網絡故障診斷模型的全連接層的激活值，f()表示激活函數；