[發明專利]一種基于多源信息融合的離心風機故障趨勢預測方法

有效

• 申請號: 202110443756.3
• 申請日: 2021-04-23
• 公開（公告）號: CN112966400B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 錢靜;李聰波;侯曉博;熊茂坤;張靜;曹寶;張友
• 申請（專利權）人: 重慶大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/0455;G06N3/0442;G06F119/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種多源信息融合的離心風機故障趨勢預測方法，包括以下步驟：首先選取能表征風機退化狀態的信息，使用SAE構建離心風機的退化信息的健康指標；其次將健康指標作為深度學習網絡的輸入信息，得到退化趨勢的變化，最終實現離心風機的故障趨勢預測和預警。

技術領域

本發明涉及離心風機設備運維領域，具體涉及一種離心風機故障趨勢預測方法。

背景技術

離心風機包括離心壓縮機、離心鼓風機、離心通風機等，在火力發電站、污水處理廠等有著廣泛應用。隨著離心風機向高速、自動和大型化方向發展，結構復雜、子系統繁多，故障率攀升，故障后果嚴重。因此，通過實時采集離心風機運行狀態數據(如溫度、油液、壓力、振動、轉速等)，進行離心風機故障預警研究，在故障發生及時對設備進行維護維修，有效避免故障發生。

目前關于離心風機的故障診斷研究主要是基于單一信息利用數據驅動的方法進行診斷，而單一信息可靠性與穩定性差，容錯能力不佳，傳統的數據驅動方法診斷能力和泛化性能不足，因此，考慮利用多源信息開展基于深度學習的離心風機故障趨勢預測方法研究具有重要的現實意義。故本方法從離心風機的監測信息出發，利用數據融合的方法得到健康指標，并采用深度學習建立離心風機的故障趨勢預測模型，提高預測的精確性與穩定性。

發明內容

本發明提供一種多源信息融合的離心風機故障趨勢預測方法，以提供更加精確與穩定的故障診斷模型。

為實現本發明目的而采用的技術方案是這樣的，即一種多源信息融合的離心風機故障診斷方法，它包括以下步驟：

步驟1：根據離心風機監測采集數據，獲取能表征離心風機狀態的監測數據；

步驟2：根據步驟1得到的離心風機監測數據信息多，通過多源信息特征融合方法構建得到具有退化趨勢代表性的健康指標；

步驟3：基于步驟2得到的離心風機健康指標，采用深度學習方法實現離心風機故障趨勢預測。

優選地，其特征在于步驟1獲取的能表征離心風機退化趨勢的多源信息集合MI表示為：

MI＝{v_h,v_v,t_bf,t_br,t_tb,t_pa,t_pb,t_pc,i_m,p_o}

式中，v_h為轉子水平方向振動，v_v為轉子垂直方向振動，t_bf為轉子前軸承溫度，t_br為轉子后軸承溫度，t_tb為轉子推力軸承溫度，t_pa為電機A相繞組溫度，t_pb為電機B相繞組溫度，t_pc為電機C相繞組溫度，i_m為電機電流，p_o為潤油壓力；

優選地，其特征在于步驟1獲取的多源信息融合具有退化趨勢的健康指標方法遵循以下步驟：

(1)利用SAE提取多源傳感器信號的特征后，實現輸入數據的特征重構；

(2)通過計算網絡重構值與輸入值的差異程度可構建離心風機的具有退化趨勢的健康指標。

優選地，步驟3中，基于深度學習建立的離心風機故障趨勢預測流程為：

(1)構建離心風機的故障趨勢健康指標H并直觀展示自編碼網絡輸入值和重構值的異常；

離心風機的故障趨勢健康指標H計算公式如下：