The invention discloses a fault diagnosis method for steam turbine shafting vibration based on neural network and case-based reasoning, which includes pretreatment of vibration data of historical fault cases and extraction of statistical features, in which the vibration data of historical fault cases are sampled at low frequency, and the statistical features extracted from historical cases are taken as neural networks. Input, network learning; the statistical features of new abnormal events are extracted and input into the trained neural network, and the output results of the neural network are calculated by similarity calculation method to obtain the historical fault cases which are most similar to the new events. This method presents a novel and simple data preprocessing method and a new statistical feature, which is very effective in reducing the interference caused by different values in the same mode or in capturing the timing relationship between different inputs. The method has important application value for diagnosing vibration faults of steam turbine shafting.
【技术实现步骤摘要】
一种基于神经网络和案例推理的汽轮机轴系振动故障诊断方法
本专利技术涉及一种基于神经网络和案例推理的汽轮机轴系振动故障诊断方法,用于电厂汽轮机轴系振动故障的诊断。
技术介绍
近年来,国内外多次发生大规模停电事件,如印度大停电、加拿大与美国东北部停电事件、欧洲大停电、纽约大停电、中国湖南省大停电、巴西和巴拉圭停电事件,使得电力系统中发电设备的故障诊断技术得到了更多的重视。据统计,2016年,全国发电总量为59897亿千瓦时,火力发电总量为42886亿千瓦时,占比71.6%。火力发电在整个电力行业占主导地位,对于火力发电设备的故障诊断是人们研究的重点。作为火力发电的主体,汽轮机安全影响着整个火力发电的运行状况,一旦汽轮机发生故障,极可能导致整个发电机组全线停机。目前电厂对汽轮机的故障诊断主要依赖两种方式:定期检修和专家诊断。定期检修主要是停机后对发电设备的零部件进行检查,判断是否松动或出现裂口等。定期检修存在“维修不足”或“维修过剩”的问题。1980年,美国全年工业维修费为2460亿美元,其中因为过剩维修和失修而导致的资金浪费高达750亿美元,占总维修费用的30%。并且定期检修经常无法做到对故障的及时发现。此外,当发电设备在运行过程中出现故障,导致设备无法正常运行时,则需联系专家人员到现场进行故障诊断。由于汽轮机的专业性和特殊性,汽轮机的故障诊断需要电力方面经验丰富的专家,并且整个汽轮机故障诊断的知识储备仍是由专家人员以经验教学的方式向下传播,导致汽轮机的故障诊断对个人的依赖性较强。然而依赖个人的故障诊断具有很强的主观性,知识也可能存在片面性和不完整性。因此设计 ...
【技术保护点】
1.一种基于神经网络和案例推理的汽轮机轴系振动故障诊断方法,其特征在于,该方法包括以下步骤:步骤1、对汽轮机轴系历史故障案例的振动数据进行预处理;步骤2、对步骤1预处理后的振动数据进行分块,提取统计特征,其中包括四种常用的统计特征和一个新提出的统计特征,使用的四种常用的统计特征如下:
【技术特征摘要】
1.一种基于神经网络和案例推理的汽轮机轴系振动故障诊断方法,其特征在于,该方法包括以下步骤:步骤1、对汽轮机轴系历史故障案例的振动数据进行预处理;步骤2、对步骤1预处理后的振动数据进行分块,提取统计特征,其中包括四种常用的统计特征和一个新提出的统计特征,使用的四种常用的统计特征如下:一个新提出的统计特征称之为相对位置RL:RL=RMS-rmin,其中,rmin表示所有块提取的RMS的最小值。步骤3、将提取的历史故障案例的统计特征作为神经网络的输入,采用标准的三层BP神经网络进行模型训练;步骤4、对新发生的异常事件进行数据预处理、分块和提取统计特征;步骤5、将经过特征提取后的新发生异常事件作为训练好的神经网络的输入,输出结果;步骤6、利用相似度计算方法对步骤4神经网络的输出结果与历史故障案例进行相似度计算;步骤7、将步骤6的计算结果按照从大到小的顺序排列,如果排在第一位的计算结果大于某个阈值,则将其故障原因作为新发生异常事件的诊断结果。2.根据权利要求1所述的一种基于神经网络和案例推理的汽轮机轴系振动故障诊断方法,其特征在于,所述步...
【专利技术属性】
技术研发人员:徐正国,方名菊,陈积明,程鹏,贺诗波,孙优贤,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。