[發明專利]基于大數據的海上風機狀態監測方法及其系統

在審

• 申請號: 202210940561.4
• 申請日: 2022-08-06
• 公開（公告）號: CN115434871A
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 曾衛東;韓健;楊政厚;馬羽龍;陳志文;段選鋒;偉特
• 申請（專利權）人: 北京華能新銳控制技術有限公司
• 主分類號: F03D17/00
• 分類號: F03D17/00
• 代理公司: 北京華銳創新知識產權代理有限公司 11925
• 代理人: 王雷波

1.一種基于大數據的海上風機狀態監測方法，其特征在于，包括：

獲取由部署于發動機的第一振動傳感器采集的第一振動信號、由部署于齒輪箱的第二振動傳感器采集的第二振動信號以及由部署于主軸承的第三振動傳感器采集的第三振動信號；

分別使用格拉姆角場原理將所述第一至第三振動信號轉化為第一至第三振動格拉姆角和場圖像；

分別將所述第一至第三振動格拉姆角和場圖像中各個振動格拉姆角和場圖像通過作為過濾器的第一卷積神經網絡以得到第一至第三振動格拉姆角和場圖像特征向量；

分別將所述第一至第三振動信號中各個振動信號通過作為過濾器的第二卷積神經網絡以得到第一至第三振動波形特征向量；

分別融合所述第一至第三振動格拉姆角和場圖像特征向量和所述第一至第三振動波形特征向量中各對相應的振動格拉姆角和場圖像特征向量和振動波形特征向量以得到第一至第三振動特征向量；

計算所述第二振動特征向量相對于所述第一振動特征向量的第一轉移矩陣且計算所述第三振動特征向量相對于所述第二振動特征向量的第二轉移矩陣；

融合所述第一轉移矩陣和所述第二轉移矩陣以得到分類特征矩陣；以及

將所述分類特征矩陣通過分類器以得到分類結果，所述分類結果用于表示海上風機狀態是否正常。

2.根據權利要求1所述的基于大數據的海上風機狀態監測方法，其特征在于，所述分別將所述第一至第三振動格拉姆角和場圖像中各個振動格拉姆角和場圖像通過作為過濾器的第一卷積神經網絡以得到第一至第三振動格拉姆角和場圖像特征向量，包括：所述第一卷積神經網絡的各層在層的正向傳遞中對輸入數據分別進行：

對輸入數據進行卷積處理以得到卷積特征圖；

對所述卷積特征圖進行基于局部特征矩陣的均值池化以得到池化特征圖；以及

對所述池化特征圖進行非線性激活以得到激活特征圖；

其中，所述第一卷積神經網絡的最后一層的輸出為所述第一至第三振動格拉姆角和場圖像特征向量，所述第一卷積神經網絡的第一層的輸入為所述第一至第三振動格拉姆角和場圖像中各個振動格拉姆角和場圖像。

3.根據權利要求2所述的基于大數據的海上風機狀態監測方法，其特征在于，所述分別將所述第一至第三振動信號中各個振動信號通過作為過濾器的第二卷積神經網絡以得到第一至第三振動波形特征向量，包括：

使用所述第二卷積神經網絡的各層在層的正向傳遞中對輸入數據進行卷積處理、沿局部特征矩陣的均值池化處理和激活處理以由所述第二卷積神經網絡的最后一層生成所述第一至第三振動波形特征向量，其中，所述第二卷積神經網絡的第一層的輸入為所述第一至第三振動信號中各個振動信號。

4.根據權利要求3所述的基于大數據的海上風機狀態監測方法，其特征在于，分別融合所述第一至第三振動格拉姆角和場圖像特征向量和所述第一至第三振動波形特征向量中各對相應的振動格拉姆角和場圖像特征向量和振動波形特征向量以得到第一至第三振動特征向量，包括：

計算所述第一振動格拉姆角和場圖像特征向量和所述第一振動波形特征向量的按位置加權和以得到所述第一振動特征向量；

計算所述第二振動格拉姆角和場圖像特征向量和所述第二振動波形特征向量的按位置加權和以得到所述第二振動特征向量；以及

計算所述第三振動格拉姆角和場圖像特征向量和所述第三振動波形特征向量的按位置加權和以得到所述第三振動特征向量。