【技术实现步骤摘要】
基于集成经验模态分解和卷积神经网络的汽轮机主机故障诊断方法
本专利技术属于振动信号的故障诊断
，特别是针对一种面向火力发电机组汽轮机主机的基于集成经验模态分解和卷积神经网络的故障诊断方法。
技术介绍
电力行业一直是国家发展的支柱性产业，其生产过程能否安全顺利的进行影响着国民经济的命脉。传统的火力燃煤发电一直是我国的主要发电方式之一，我国一半以上的电力需求都有火力发电来提供。在火力发电中，锅炉、汽轮机和发电机是三大关键设备，在这其中，汽轮机又是连接锅炉和发电机的核心设备，因此其安全问题是火力发电过程的重中之重。汽轮机设备在生产过程中工艺流程繁多，连接多个相关的辅机，受多种设备的影响，这加大了对汽轮机主机设备的状态监测和故障诊断的难度。在对汽轮机主机的研究中，利用振动信号进行状态监测和故障诊断一直是研究的重要方式，因为汽轮机属于旋转机械，其运行状态可以通过对其振动信号的分析判断出来。但由于汽轮机主机体积庞大，运行过程受周围各种因素的影响，汽轮机主机设备处的振动信号包含大量的成分，难以直接利用真正的故障信息。因此振动信号的故障诊断一般分为两部分，第一步为对原始振动...
【技术保护点】
1.一种基于集成经验模态分解和卷积神经网络的汽轮机主机故障诊断方法，其特征在于，包括以下步骤：(1)采集正常状态下和不同故障状态下的汽轮机主机振动信号，作为原始振动信号，进行模型训练，包括以下步骤：(1.1)对原始振动信号进行集成经验模态分解，将原始的振动信号分解为n个本征模态(IMF)分量。(1.2)针对(1.1)中的n个IMF分量构建神经网络，其中前四层为1D的卷积神经网络，后三层为全连接层神经网络。(1.3)将(1.1)中提取的n个IMF分量输入到(1.2)中构建的神经网络模型中进行训练，得到基于神经网络的汽轮机主机故障诊断模型。(2)采集汽轮机主机的原始振动信号，按...
【技术特征摘要】
1.一种基于集成经验模态分解和卷积神经网络的汽轮机主机故障诊断方法，其特征在于，包括以下步骤：(1)采集正常状态下和不同故障状态下的汽轮机主机振动信号，作为原始振动信号，进行模型训练，包括以下步骤：(1.1)对原始振动信号进行集成经验模态分解，将原始的振动信号分解为n个本征模态(IMF)分量。(1.2)针对(1.1)中的n个IMF分量构建神经网络，其中前四层为1D的卷积神经网络，后三层为全连接层神经网络。(1.3)将(1.1)中提取的n个IMF分量输入到(1.2)中构建的神经网络模型中进行训练，得到基于神经网络的汽轮机主机故障诊断模型。(2)采集汽轮机主机的原始振动信号，按照步骤1.1将原始振动信号分解为n个IMF分量，将n个IMF分量输入到按照1.2-1.3训练好的故障诊断模型进行故障诊断。2.根据权利要求1所述的故障诊断方法，其特征在于，所述步骤(1.1)中，集成经验模态分解的具体方法如下：(1)向原始信号中加入正态分布的白噪声序列，将加入白噪声之后的信号通过经验模态分解，分解成n个IMF分量。(2)重复步骤(1)K-1次，每次加入新的白噪声序列，并得到n个IMF分量：其中i∈1,2,…n，表示第i个分量，j表示第j次执行模态分解；(3)分别对步骤(2)中经K次迭代的n个IMF分量：求平均，其中，K表示模态分解的执行次数，最终得到的IMF分量为I1,I2,I3,…Ii,…In。其中，经验模态分解的步骤如下：(a)找出信号x(t)的所有极大值点和极小值点，将其极大值点和极小值点分别用三次样条曲线连接起来，组成上下包络线，上包络线和下包络线之间包含的是原始数据，求取上下包络线的均值线m1，计...
【专利技术属性】
技术研发人员：金玄玄，赵朝阳，沙万里，赵春晖，田峰，
申请(专利权)人：浙江浙能嘉华发电有限公司，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。