汽轮机转子瞬态应力的检测方法技术

本发明专利技术公开了汽轮机转子瞬态应力的检测方法，涉及汽轮机领域。包括：获取汽轮机组内影响汽轮机转子瞬态应力的特征参数；建立瞬态应力预测模型，根据特征参数对瞬态应力预测模型进行训练，其中，瞬态应力预测模型包括两层结构，第一层结构由n个互不相同的机器学习模型组成，第一层结构中的n个机器学习模型的输出与第二层结构中的机器学习模型的输入连接，n≥2；根据训练后的瞬态应力预测模型对汽轮机转子的瞬态应力进行检测。本发明专利技术提供的检测方法，提高了瞬态应力预测模型对复杂情况的预测能力，保证了充分学习数据间的信息，提高了多参数复杂情况下转子瞬态应力预测的精度，且不需要进行复杂建模。

Instantaneous Stress Detection Method for Steam Turbine Rotor

The invention discloses a method for detecting the transient stress of a steam turbine rotor, which relates to the field of steam turbines. It includes: acquiring the characteristic parameters that affect the transient stress of the turbine rotor; establishing the transient stress prediction model, and training the transient stress prediction model according to the characteristic parameters. The transient stress prediction model includes two layers of structure, the first layer is composed of n different machine learning models, and the output of the N machine learning models in the first layer is compared with the output of the other two layers. The input connection of the machine learning model in the second layer structure is n 2, and the transient stress of the steam turbine rotor is measured according to the trained transient stress prediction model. The detection method provided by the invention improves the prediction ability of the transient stress prediction model for complex situations, guarantees the full learning of information between data, improves the accuracy of the rotor transient stress prediction under multi-parameter complex situations, and does not require complex modeling.

【技术实现步骤摘要】
汽轮机转子瞬态应力的检测方法
本专利技术涉及汽轮机领域，尤其涉及一种汽轮机转子瞬态应力的检测方法。
技术介绍
汽轮机组中，转子的工作状况对汽轮机组运行安全以及寿命管理具有很重要的意义。而在汽轮机组的启动、停机等过程中，汽轮机组的主轴、叶片和叶轮等部件会因高速旋转、强扭矩和高温蒸汽而产生巨大的瞬态应力，威胁转子的正常工作。因此，对转子瞬态应力的分析和预测成为汽轮机组寿命管理的关键。但是，转子恶劣的工作环境导致其瞬态应力难以直接测量获得。目前，对于汽轮机转子寿命的研究中，通常，以预测转子瞬态应力为研究核心，以有限元分析为基础，开发各种有限元分析软件，在绝大多数应用场景下具有较好的预测精度和建模复杂度。然而对大型汽轮机组多参数共同作用的复杂情况的预测效果不佳，建模过程繁琐耗时，且得到的结果准确度低，计算效率也不高。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术的不足，提供一种汽轮机转子瞬态应力的检测方法及一种存储介质。本专利技术解决上述技术问题的技术方案如下：一种汽轮机转子瞬态应力的检测方法，包括：获取汽轮机组内影响汽轮机转子瞬态应力的特征参数；建立瞬态应力预测模型，根据所述特征参数对所述瞬态应力预测模型进行训练，其中，所述瞬态应力预测模型包括两层结构，第一层结构由n个互不相同的机器学习模型组成，所述第一层结构中的n个所述机器学习模型的输出与第二层结构中的机器学习模型的输入连接，n≥2；根据训练后的所述瞬态应力预测模型对汽轮机转子的瞬态应力进行检测。本专利技术的有益效果是：本专利技术提供的检测方法，通过根据影响汽轮机转子瞬态应力的特征参数对具有两层结构的瞬态应力预测模型进行训练，提高了瞬态应力预测模型对复杂情况的预测能力，保证了充分学习数据间的信息，提高了多参数复杂情况下转子瞬态应力预测的精度，且不需要进行复杂建模。本专利技术解决上述技术问题的另一种技术方案如下：一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述技术方案所述的方法。本专利技术附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术实践了解到。附图说明图1为本专利技术汽轮机转子瞬态应力的检测方法的实施例提供的流程示意图；图2为本专利技术汽轮机转子瞬态应力的检测方法的其他实施例提供的瞬态应力预测模型结构示意图；图3为本专利技术汽轮机转子瞬态应力的检测方法的其他实施例提供的数据集划分结构示意图。具体实施方式以下结合附图对本专利技术的原理和特征进行描述，所举实施例只用于解释本专利技术，并非用于限定本专利技术的范围。如图1所示，为本专利技术汽轮机转子瞬态应力的检测方法的实施例提供的流程示意图，该检测方法包括：S1，获取汽轮机组内影响汽轮机转子瞬态应力的特征参数。需要说明的是，由于汽轮机组所涉及的特征参数较多，不同特征与转子应力的相关性存在差异，如果将相关性较低的特征加入模型中，相当于将噪声加入模型，不仅会降低模型精度，还会增加模型规模，加大计算量，造成过拟合。因此，特征参数应选取与转子瞬态应力的相关性较大或重要程度较高的汽轮机组的运行参数，例如，可以为主蒸汽压力、主蒸汽温度、机组转速、机组负荷、汽缸内表面金属温度、主蒸汽温度变化率等，这些参数均可在机组运行中直接测量获得。S2，建立瞬态应力预测模型，根据特征参数对瞬态应力预测模型进行训练。瞬态应力预测模型包括两层结构，第一层结构由n个互不相同的机器学习模型组成，第一层结构中的n个机器学习模型的输出与第二层结构中的机器学习模型的输入连接，n≥2。需要说明的是，机器学习模型可以为Lasso回归模型、弹性网络模型、随机森林模型、线性回归模型、循环神经网络RNN、长短时记忆网络LSTM等。其中，Lasso回归模型、弹性网络模型、随机森林模型为较优的选择，这三个模型的预测精度较高。例如，当n＝2时，第一层结构由2个互不相同的机器学习模型组成，可以为Lasso回归模型和弹性网络模型，第二层结构可以由Lasso回归模型组成。又例如，当n＝3时，如图2所示，第一层结构1由3个互不相同的机器学习模型组成，可以为Lasso回归模型、弹性网络模型和随机森林模型，第二层结构2可以由Lasso回归模型组成。需要说明的是，由于瞬态应力预测模型为两层结构，因此，在对其进行训练时，可以首先分别对第一层结构中的机器学习模型进行训练，分别得到训练结果后，将得到的这些训练结果与全部的训练集合并，作为新的训练集，再对第二层的机器学习模型进行训练，这样可以显著提高瞬态应力预测模型对复杂情况的预测精度。应理解，在进行训练前，需要获取训练集。训练集可以根据特征参数获取。例如，假设主蒸汽温度是与转子的瞬态压力相关度很高的特征参数，那么可以在预设的时间段内，隔预设间隔采集主蒸汽温度，就得到了一个数据集。可以根据以下方法对数据集进行划分：根据交叉验证法将数据集分为n份，将其中1份作为测试集，其余作为训练集；重复划分n次，得到n个划分后的数据集，每个数据集中都有n-1份训练集。例如，如图3所示，假设n＝3，即第一层结构中有3个机器学习模型，那么可以使用3折交叉验证来划分数据集，可以在一定程度上降低过拟合的风险和减小方差。首先，使用不重复抽样将数据集随机划分为3份，挑选其中的1份数据作为测试集3，其余2份作为训练集4，一共重复迭代3次，那么如图3所示，就能够得到3个不同的数据集，每个数据集中都有1份测试集3和2份训练集4，且2份训练集4的组合都是不同的，这样保证了每份子集都有机会作为测试集3和训练集4，提高预测的精度。S3，根据训练后的瞬态应力预测模型对汽轮机转子的瞬态应力进行检测。应理解，在对瞬态应力预测模型进行训练后，直接将检测到的汽轮机组的相关的运行数据输入到瞬态应力预测模型，就能快速的得到瞬态应力的分析结果，相比于传统方法，速度提高很多。本实施例提供的检测方法，通过根据影响汽轮机转子瞬态应力的特征参数对具有两层结构的瞬态应力预测模型进行训练，提高了瞬态应力预测模型对复杂情况的预测能力，保证了充分学习数据间的信息，提高了多参数复杂情况下转子瞬态应力预测的精度，且不需要进行复杂建模。可选地，在一些实施例中，还包括：根据特征参数对瞬态应力预测模型进行预测。可选地，在一些实施例中，根据特征参数对瞬态应力预测模型进行预测，具体包括：根据交叉验证法将特征参数的数据集分为n份，将其中1份作为测试集，其余作为训练集；重复划分n次，得到n个划分后的测试集；将n个测试集一对一地输入到第一层结构中的n个机器学习模型中进行预测，得到n个初步预测结果；对n个初步预测结果取均值，将均值和n个测试集输入到第二层结构中的机器学习模型中进行预测，得到预测结果。可选地，在一些实施例中，获取汽轮机组内影响汽轮机转子瞬态应力的特征参数，具体包括：获取汽轮机组运行时的全部运行参数；根据预设特征选择模型对全部运行参数进行训练，根据训练结果确定全部运行参数的重要性，将重要性大于预设阈值的运行参数作为影响汽轮机转子瞬态应力的特征参数。预设阈值可以根据实际需求设置。优选地，还可以在计算完全部运行参数的重要性后，按重要性的大小进行排序，将排名在前x名的运行参数作为特征参数，x的值可以根据实际需求设置，这样也能够挑选出对汽轮机转子瞬态应力影响较大的参数，提高预测的精度。应本文档来自技高网...

【技术保护点】
1.一种汽轮机转子瞬态应力的检测方法，其特征在于，包括：获取汽轮机组内影响汽轮机转子瞬态应力的特征参数；建立瞬态应力预测模型，根据所述特征参数对所述瞬态应力预测模型进行训练，其中，所述瞬态应力预测模型包括两层结构，第一层结构由n个互不相同的机器学习模型组成，所述第一层结构中的n个所述机器学习模型的输出与第二层结构中的机器学习模型的输入连接，n≥2；根据训练后的所述瞬态应力预测模型对汽轮机转子的瞬态应力进行检测。

【技术特征摘要】
1.一种汽轮机转子瞬态应力的检测方法，其特征在于，包括：获取汽轮机组内影响汽轮机转子瞬态应力的特征参数；建立瞬态应力预测模型，根据所述特征参数对所述瞬态应力预测模型进行训练，其中，所述瞬态应力预测模型包括两层结构，第一层结构由n个互不相同的机器学习模型组成，所述第一层结构中的n个所述机器学习模型的输出与第二层结构中的机器学习模型的输入连接，n≥2；根据训练后的所述瞬态应力预测模型对汽轮机转子的瞬态应力进行检测。2.根据权利要求1所述的检测方法，其特征在于，还包括：根据所述特征参数对所述瞬态应力预测模型进行预测。3.根据权利要求2所述的检测方法，其特征在于，根据所述特征参数对所述瞬态应力预测模型进行预测，具体包括：根据交叉验证法将所述特征参数的数据集分为n份，将其中1份作为测试集，其余作为训练集；重复划分n次，得到n个划分后的测试集；将n个测试集一对一地输入到所述第一层结构中的n个机器学习模型中进行预测，得到n个初步预测结果；对n个所述初步预测结果取均值，将所述均值和n个所述测试集输入到所述第二层结构中的机器学习模型中进行预测，得到预测结果。4.根据权利要求1至3中任一项所述的检测方法，其特征在于，获取汽轮机组内影响汽轮机转子瞬态应力的特征参数，具体包括：获取汽轮机组运行时的全部运行参数；根据预设特征选择模型对全部所述运行参数进行训练，根据训练结果确定全部所述运行参数的重要性，将重要性大于预设阈值的运行参数作为影响汽轮机转子瞬态应力的特征参数。5.根据权利要求4所述的检测方法...

【专利技术属性】
技术研发人员：宋磊，梁浩然，郑太生，郭丽丽，李绪志，
申请(专利权)人：中国科学院空间应用工程与技术中心，
类型：发明
国别省市：北京,11