[發明專利]一種基于萬有引力神經網絡的一次風機軸溫診斷方法

有效

• 申請號: 201910313615.2
• 申請日: 2019-04-18
• 公開（公告）號: CN110108457B
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 馬博洋;李金拓;屈廣順;馬文元;李強;董蔚;王文鐵;齊兵
• 申請（專利權）人: 大唐東北電力試驗研究院有限公司;大唐黑龍江發電有限公司哈爾濱第一熱電廠
• 主分類號: G01M13/00
• 分類號: G01M13/00;G01M13/04;G06N3/04;G06N3/08
• 代理公司: 北京中南長風知識產權代理事務所(普通合伙) 11674
• 代理人: 周倩

本發明涉及一種基于萬有引力神經網絡的一次風機軸溫診斷方法，包括如下步驟：步驟1，基于一次風機相關測點參數，建立并訓練相應的BP神經網絡預測模型，并基于萬有引力搜索算法對BP神經網絡預測模型進行優化，得到萬有引力神經網絡預測模型；步驟2,基于萬有引力神經網絡預測模型對一次風機軸溫進行估計，得到一次風機的前、中、后軸溫預測值；步驟3，基于MSET算法求出真實軸溫值和預測軸溫值之間的殘差，若殘差曲線的變化趨勢一直持續且沒有回落趨勢，則診斷為故障。本發明能夠實現對一次風機軸溫的早期故障預警，并具有較高的準確性。

技術領域

本發明屬于火力發電技術領域，尤其涉及一種基于萬有引力神經網絡的一次風機軸溫診斷方法。

背景技術

隨著火力發電高參數大容量機組的不斷發展，與之相應的輔機也趨向大型化，輔機設備在火電廠生產過程中的作用也顯得越來越重要。輔機設備的故障不僅會直接影響電能的產量和質量，嚴重的還可能造成嚴重的設備和人身事故。因此，對火電廠輔機設備的狀態監測和故障診斷，具有重大的現實意義。

目前，普遍使用的基于火電廠輔機設備的在線監測與故障診斷方法有三類：

(1)解析模型方法。

基于解析模型的狀態監測方法費時費力，由于系統存在時變、不確定性等問題，受到精確建模的限制，不適用于火電廠輔機設備這樣結構復雜、非線性強的系統。

(2)專家系統方法。

專家系統利用專家經驗設計一組計算機程序，對監測到的狀態進行基于專家經驗的智能分析，從而進行故障判別。該方法對于非線性系統和復雜系統的診斷具有廣泛的應用，但研究發現，專家系統的方法在火電廠輔機設備故障診斷中上還存在以下幾個主要問題：在實際應用中，知識獲取存在“瓶頸”；對運行過程的動態過程信息利用不充分；對系統未知的新故障和混雜故障處理能力不足。

(3)機器學習與模式識別方法。

基于機器學習的故障診斷的核心是合理地處理獲取到故障信息，在特定的環境下，對診斷對象進行準確的模式識別和狀態預測的。由于目前機器學習瓶頸問題的制約，目前，對于隨機性、不確定性強以及知識信息冗余或欠缺的診斷對象，仍然很難具有較高的診斷準確性。

發明內容

本發明的目的是提供一種基于萬有引力神經網絡的一次風機軸溫診斷方法，通過構造一次風機關鍵測點變量作為輸入矩陣，后通過殘差分析實現對一次風機軸溫的早期故障預警。

本發明提供了一種基于萬有引力神經網絡的一次風機軸溫診斷方法，包括如下步驟：

步驟1，基于一次風機相關測點參數，建立并訓練相應的BP神經網絡預測模型，并基于萬有引力搜索算法對BP神經網絡預測模型進行優化，得到萬有引力神經網絡預測模型；

步驟2,基于萬有引力神經網絡預測模型對一次風機軸溫進行估計，得到一次風機的前、中、后軸溫預測值；

步驟3，基于MSET算法求出真實軸溫值和預測軸溫值之間的殘差，若殘差曲線的變化趨勢一直持續且沒有回落趨勢，則診斷為故障。

進一步地，步驟1中一次風機相關測點參數包括一次風機油泵電流、一次風機出口壓力、一次風機垂直振動、一次風機電機電流、一次風機電機定子溫度、一次風機電機后軸承溫度、一次風機電機前軸承溫度、一次風機動葉控制、一次風機動葉控制反饋、一次風機風量、一次風機控制油壓、一次風機入口壓力、一次風機失速報警差壓、一次風機水平振動、一次風機油站油箱溫度、一次風機中軸承溫度中的多種。