【技术实现步骤摘要】
一种多策略融合的核动力关键设备故障诊断方法及系统
本专利技术涉及核动力装置的故障诊断领域,特别是涉及一种多策略融合的核动力关键设备故障诊断方法及系统。
技术介绍
核动力装置是典型的复杂系统工程,具有结构复杂、强耦合和非线性的特点,同时具有运行时间长、功率大、潜在放射性释放风险等特性。基于以上特性,核动力系统在长期运行过程中发生失效的风险亦逐步增大,核动力关键设备在长期连续工作过程中容易发生故障,如若设备出现故障而不能及时采取措施则会导致严重的后果。智能故障诊断与分析技术主要研究如何准确、有效地分析运行中出现的故障,以便及时支持后续决策。而当前,核动力系统与关键设备的运行状态判断和故障诊断大多采用传统的阈值监测法或依赖人工经验。这些技术并不能完全适应复杂系统与关键设备的故障诊断任务。随着人工智能技术的不断发展、核行业对数据价值和数据积累的不断重视以及其他领域故障诊断应用的一些经验,进一步研究关键设备的智能故障诊断技术是非常有必要的。相关研究可以有效提高核动力系统与关键设备维护保障能力,降低运维费用,对保障人员安全、故障排除、事故的缓解起着至关重要的作用。在1967年,由美国海军研究室成立了机械故障预防小组,从此开始了故障诊断技术的研究工作;国的故障诊断技术相关研究起步于80年代初,目前已经形成了相对完善的理论体系。21世纪初,美国专家VenkatV.将故障诊断方法重新划分为基于定量模型方法、基于定性模型方法及基于历史数据方法三类。国外方面,Santosh研究了神经网络在核电厂始发事件识别上的应用 ...
【技术保护点】
1.一种多策略融合的核动力关键设备故障诊断方法,其特征在于,包括:/n获取每一个核动力关键设备的每个测点的故障数据以及故障数据的类型;将所述故障数据作为原始故障信号;所述核动力关键设备包括离心泵、轴流泵、汽车轮机以及电动阀门;/n对每个测点的所述原始故障信号进行经验模态分解,得到每个测点的所述原始故障信号的各阶本征模态函数分量;/n对各阶本征模态函数分量进行相空间重构,得到特征参数;/n根据所述特征参数,采用排列熵算法,得到排列熵特征;/n根据所述排列熵特征,采用核主元分析,确定异常检测模型;所述异常检测模型用于检测异常数据;/n根据所述排列熵特征以及所述故障数据的类型构建故障分类模型;所述构建故障分类模型用于对异常数据进行故障分类;/n确定每一个核动力关键设备的每个测点的实时数据的排列熵特征;/n根据所述实时数据的排列熵特征和所述异常检测模型判断所述实时数据是否为异常数据;/n若所述实时数据是异常数据,则利用所述故障分类模型进行故障分类;/n若所述实时数据不是异常数据,则返回所述确定每一个核动力关键设备的每个测点的实时数据的排列熵特征的步骤。/n
【技术特征摘要】
1.一种多策略融合的核动力关键设备故障诊断方法,其特征在于,包括:
获取每一个核动力关键设备的每个测点的故障数据以及故障数据的类型;将所述故障数据作为原始故障信号;所述核动力关键设备包括离心泵、轴流泵、汽车轮机以及电动阀门;
对每个测点的所述原始故障信号进行经验模态分解,得到每个测点的所述原始故障信号的各阶本征模态函数分量;
对各阶本征模态函数分量进行相空间重构,得到特征参数;
根据所述特征参数,采用排列熵算法,得到排列熵特征;
根据所述排列熵特征,采用核主元分析,确定异常检测模型;所述异常检测模型用于检测异常数据;
根据所述排列熵特征以及所述故障数据的类型构建故障分类模型;所述构建故障分类模型用于对异常数据进行故障分类;
确定每一个核动力关键设备的每个测点的实时数据的排列熵特征;
根据所述实时数据的排列熵特征和所述异常检测模型判断所述实时数据是否为异常数据;
若所述实时数据是异常数据,则利用所述故障分类模型进行故障分类;
若所述实时数据不是异常数据,则返回所述确定每一个核动力关键设备的每个测点的实时数据的排列熵特征的步骤。
2.根据权利要求1所述的一种多策略融合的核动力关键设备故障诊断方法,其特征在于,所述对每个测点的所述原始故障信号进行经验模态分解,得到每个测点的所述原始故障信号的各阶本征模态函数分量,具体包括:
在所述原始故障信号中多次加入同等幅值的随机白噪声,得到多个加入随机白噪声后的信号;
对每一个所述加入随机白噪声后的信号进行经验模态分解,得到对应的各阶本征模态函数分量;
将所有的相同阶数的本征模态函数分量进行加权平均,得到原始故障信号的各阶本征模态函数分量。
3.根据权利要求1所述的一种多策略融合的核动力关键设备故障诊断方法,其特征在于,所述根据所述排列熵特征,采用核主元分析,确定异常检测模型,之前还包括:
根据每一个核动力关键设备的每个测点的正常数据,确定主元空间统计量和残差空间统计量的基准值。
4.根据权利要求1所述的一种多策略融合的核动力关键设备故障诊断方法,其特征在于,所述根据所述排列熵特征以及所述故障数据的类型构建故障分类模型,具体包括:
根据所述排列熵特征以及所述故障数据的类型,采用支持向量机,构建故障分类模型。
5.一种多策略融合的核动力关键设备故障诊断系统,其特征在于,包括:
故障数据信息获取模...
【专利技术属性】
技术研发人员:王航,彭敏俊,夏庚磊,夏虹,邓强,王晓昆,
申请(专利权)人:哈尔滨工程大学,
类型:发明
国别省市:黑龙江;23
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。