[發明專利]基于優化隨機森林算法的燃氣輪機控制系統故障診斷方法

在審

• 申請號: 202210489915.8
• 申請日: 2022-05-06
• 公開（公告）號: CN114818818A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 尹德斌;彭道剛;裴浩然;張騰;戚爾江;王丹豪
• 申請（專利權）人: 上海工業自動化儀表研究院有限公司;上海電力大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 蘇州所術專利商標代理事務所(普通合伙) 32473
• 代理人: 孫兵

1.一種基于優化隨機森林算法的燃氣輪機控制系統故障診斷方法，其特征在于，所述方法包括：

在燃氣輪機控制系統的速比閥截止閥回路的正常信號中引入預設故障，以構成初始故障數據集；

對所述初始故障數據集進行時域特征提取，以建立故障特征數據集；

利用交叉驗證，采用網格搜索優化隨機森林算法，建立優化隨機森林算法的故障診斷模型；

將提取的故障特征作為所述優化隨機森林算法的故障診斷模型的輸入，以此得到診斷結果，進而實現所述燃氣輪機控制系統的回路的故障診斷。

2.根據權利要求1所述的基于優化隨機森林算法的燃氣輪機控制系統故障診斷方法，其特征在于，所述預設故障包括轉速傳感器偏差故障、壓力傳感器偏差故障與強振動故障、速比閥效率損失故障。

3.根據權利要求2所述的基于優化隨機森林算法的燃氣輪機控制系統故障診斷方法，其特征在于，

所述轉速傳感器偏差故障和所述壓力傳感器偏差故障的數學描述均為下式：

其中，y(t)為轉速傳感器和壓力傳感器的實際輸出；u_i(t)為無故障下的輸出；α(t)為偏差故障信號，t為時間，t₀為故障的發生時刻。

4.根據權利要求2所述的基于優化隨機森林算法的燃氣輪機控制系統故障診斷方法，其特征在于，

所述強振動故障的數學描述為下式：

其中，y(t)為傳感器的實際輸出，b為常數，α(t)為偏差故障信號，t為時間，t₀為故障的發生時刻。

5.根據權利要求2所述的基于優化隨機森林算法的燃氣輪機控制系統故障診斷方法，其特征在于，

所述速比閥效率損失故障的數學描述為下式：

其中，p(t)為執行機構實際輸出，v_i(t)為無故障下的輸出，β為常數，t為時間，t₀為故障的發生時刻。

6.根據權利要求1所述的基于優化隨機森林算法的燃氣輪機控制系統故障診斷方法，其特征在于，所述利用交叉驗證，采用網格搜索優化隨機森林算法，建立優化隨機森林算法的故障診斷模型，包括：

針對所述特征數據集，利用網格搜索，交叉驗證優化隨機森林算法的參數，建立隨機森林算法的故障診斷模型；

將故障特征樣本輸入到隨機森林算法的故障診斷模型中進行訓練，并保存訓練好的最優模型，從而建立優化隨機森林算法的故障診斷模型。

7.根據權利要求6所述的基于優化隨機森林算法的燃氣輪機控制系統故障診斷方法，其特征在于，

所述利用交叉驗證，采用網格搜索優化隨機森林算法，建立優化隨機森林算法的故障診斷模型，包括：

采用bootstrap重抽樣方法對所述特征數據集進行重采樣，并生成N個隨機的故障特征子集T₁，T₂,T₃…T_N；

針對所述故障特征子集，利用網格搜索，交叉驗證優化隨機森林算法的參數，建立隨機森林算法的故障診斷模型；

將故障特征樣本輸入到隨機森林算法的故障診斷模型中進行訓練，并保存訓練好的最優模型，從而建立優化隨機森林算法的故障診斷模型。

8.根據權利要求7所述的基于優化隨機森林算法的燃氣輪機控制系統故障診斷方法，其特征在于，所述針對所述特征數據集，利用網格搜索，交叉驗證優化隨機森林算法的參數，建立隨機森林算法的故障診斷模型，包括：

針對所述特征數據集，設置超參數并構件參數網；

采用交叉驗證對隨機森林算法的參數進行評估，并且進行N次交叉驗證；

將N次交叉驗證模型的結果取平均值；

在處理完所有參數組合的情況下，輸出最優參數解作為隨機森林算法的故障診斷模型的參數，否則繼續進行采用交叉驗證對隨機森林算法的參數進行評估。