[發明專利]基于貝葉斯網絡模型的燃氣輪機氣路故障的檢測方法

在審

• 申請號: 201811354221.3
• 申請日: 2018-11-14
• 公開（公告）號: CN109508745A
• 公開（公告）日: 2019-03-22
• 發明（設計）人: 夏唐斌;徐偉;司國錦;周駿;史周;鄭宇
• 申請（專利權）人: 上海交通大學;中國電信股份有限公司上海分公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06Q50/06
• 代理公司: 上海交達專利事務所 31201
• 代理人: 王毓理;王錫麟

1.一種基于貝葉斯網絡模型的燃氣輪機氣路故障的檢測方法，其特征在于，將實時信號采集得到的燃氣輪機氣路部件的數據生成數據集，從數據集中得到正常工況參數、待測異常參數、訓練集和測試集，經預處理和聚類分析得到離散化后的優化訓練集和優化測試集，然后通過優化測試集對經初始化以及參數優化后的貝葉斯網絡進行測試，得到用于實時檢測燃氣輪機氣路系統當前的工況狀態的優化貝葉斯網絡模型，從而對系統故障進行檢測。

2.根據權利要求1所述的基于貝葉斯網絡模型的燃氣輪機氣路故障的檢測方法，其特征是，所述的數據集，包含多個周期燃氣輪機氣路部件正常運行數據和故障數據，經劃分得到正常工況參數、待測異常參數。

3.根據權利要求1所述的基于貝葉斯網絡模型的燃氣輪機氣路故障的檢測方法，其特征是，所述的訓練集和測試集來自無量綱化處理后的數據集中隨機抽取的數據，優選訓練集和測試集的比例為4:1。

4.根據權利要求1所述的基于貝葉斯網絡模型的燃氣輪機氣路故障的檢測方法，其特征是，所述的預處理包括：清洗異常值以刪除無效數據、迭代中值濾波以降低測量儀器噪聲以及結合梯度和Laplacian算子的邊緣檢測以減少錯誤預警。

5.根據權利要求1所述的基于貝葉斯網絡模型的燃氣輪機氣路故障的檢測方法，其特征是，所述的聚類分析是指：采用K-Means算法基于正常工況參數和待測異常參數對訓練集進行連續變量聚類分析，使訓練集離散化并得到優化訓練集和優化測試集。

6.根據權利要求1所述的基于貝葉斯網絡模型的燃氣輪機氣路故障的檢測方法，其特征是，所述的貝葉斯網絡，采用基于遺傳算法與K2(GA-K2)算法相結合和貝葉斯信息準則(BIC)的方法建立得到。

7.根據權利要求1所述的基于貝葉斯網絡模型的燃氣輪機氣路故障的檢測方法，其特征是，所述的初始化是指：將優化訓練集基于歷史經驗和專家知識進行建模以將專家知識轉化為先驗概率分布。

8.根據權利要求1所述的基于貝葉斯網絡模型的燃氣輪機氣路故障的檢測方法，其特征是，所述的參數優化是指：采用重要性抽樣法產生模擬樣本后，再利用貝葉斯估計整合先驗知識優化網絡參數學習。

9.根據權利要求1所述的基于貝葉斯網絡模型的燃氣輪機氣路故障的檢測方法，其特征是，所述的測試是指：基于優化測試集進行貝葉斯網絡模型測試，輸出推斷準確率最優的貝葉斯網絡模型。

10.本發明涉及一種實現上述方法的系統，包括：信號采集模塊、貝葉斯網絡訓練模塊以及貝葉斯網絡測試模塊，其中：信號采集模塊輸入實時采集得到的燃氣輪機氣路部件的數據，貝葉斯網絡訓練模塊與信號采集模塊相連并傳輸離散化后的優化訓練集和優化測試集，貝葉斯網絡測試模塊與貝葉斯網絡訓練模塊相連并傳輸經初始化以及參數優化后的貝葉斯網絡，貝葉斯網絡測試模塊輸出推斷準確率最優的貝葉斯網絡模型。