[發明專利]一種核管道故障診斷方法

有效

• 申請號: 202110956688.0
• 申請日: 2021-08-19
• 公開（公告）號: CN113705405B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 唐樟春;吳文鋒;楊宗承;曾鑫;植良蕊;岳澗洲
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F18/241
• 分類號: G06F18/241;G06F18/2431;G06F18/2135;G06F18/15;G06N3/0464;G06N3/08;G06N20/20;G01H17/00
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 陳一鑫

1.一種核管道故障診斷方法，其特征在于，包括以下步驟：

步驟1：采集核管道振動信號，用于生成訓練樣本、驗證樣本和測試樣本，其中核管道的樣本有四種工況構成，分別為：正常、汽蝕、共振和支撐不足；

步驟2：將樣本數據進行預處理，保證各個樣本的大小和性質一致，作為卷積網絡的輸入；

步驟2.1：將采集到的振動信號根據人工經驗，通過巴特沃斯濾波器濾除噪聲，提升信號純度；

步驟2.2：由于采集到的振動信號數據可能在不同的采樣頻率下獲得，為了保證其輸入卷積網絡的數據大小和性質一致，此處，將濾波后的時域信號進行按照相同的采樣點數據等量劃分；

步驟2.3：將劃分后的數據采用快速傅里葉變換，最終可將信號轉換為大小相同的頻域信號；

步驟3：將步驟2處理后的數據，分別作為訓練集、驗證集和測試集，將訓練集和驗證集作為卷積神經網絡的輸入，經過卷積神經網絡的逐層計算，將全連接層的結果輸出，該結果即是核管道各工況的特征；為了保留重要特征，減少冗余的特征，對上述的卷積神經網絡提取到的特征進行降維；所述卷積神經網絡由輸入層、三個一致的卷積層、池化層和全連接層組成；其中在卷積層中，在卷積計算完畢后，將結果標準化輸入激活層中；

步驟4：將步驟3的特征作為voting分類器的訓練集，將步驟3的測試集作為voting分類器的測試集，輸出預測標簽和各標簽的預測概率。

2.根據權利要求1所述的一種核管道故障診斷方法，其特征在于：所述步驟3的特征降維的方法采用主成分分析法，以保留99％的信息進行特征降維。

3.根據權利要求1所述的一種核管道故障診斷方法，其特征在于：所述步驟4的voting分類器，其特征在于：根據多種分類算法針對核管道振動信號的診斷準確率，即分類效果，最終確定采用支持向量機、K近臨和Adaboost組合成voting分類器。

4.根據權利要求3所述的一種核管道故障診斷方法，其特征在于：所述支持向量機、K近臨和Adaboost子分類器采用交叉驗證的方法確定各自子分類器的關鍵超參數。