一种大型水轮发电机组故障诊断方法技术

本发明专利技术公开了一种大型水轮发电机组故障诊断方法，先采集n种类型的水轮发电机故障振动信号和水轮发电机正常运行的振动信号，信号数据分为训练集和测试集，每个(n+1)种振动状况需采集用于训练的100个数据点和用于测试的50个数据点；然后利用采样频率信息，使用快速谱峭度将水轮发电机振动时域信号转换为频域信号；用堆叠稀疏自编码器对频域信号进行分类；用粒子群优化算法对堆叠稀疏自编码器进行超参数选择，进而选择适用于水轮发电机组故障诊断的最优超参数；采用已训练合格的堆叠自编码网络对测试样本进行测试，以识别水轮发电机组的振动信号的故障类型。本发明专利技术无需大量故障样本数据即可对水轮机故障进行诊断，并且故障诊断精度高。

【技术实现步骤摘要】
一种大型水轮发电机组故障诊断方法
本专利技术涉及水轮发电机
，具体涉及一种大型水轮发电机组故障诊断方法。
技术介绍
随着人们节能环保意识的增强，作为绿色能源的水力发电正在大力发展。我国的大型水电站具有髙水头、高海拔、空化性能差、机械振动强烈、布置复杂、多机组共水力单元、引水管道长、水流惯性巨大、水力电力耦合密切等特点，使得水轮发电机组运行环境日趋恶劣，引起水轮发电机组故障的激励因素越来越多，给水轮发电机组的安全稳定运行带来了一系列亟待解决的国际学术前沿问题和工程技术难题。为确保水轮发电机组在整个生命周期内安全可靠运行，有必要对机组进行精确故障诊断，以提髙机组动态性能与运行效率，防范水电站灾难性事故发生。在现有技术中，形成了一些围绕水轮发电机组开展故障诊断的理论，其中专家系统技术和神经网络技术是研究与应用的热点。基于专家系统的故障诊断方法利用了专家积累的丰富实践经验，通过模仿专家分析问题和解决问题的思路，能够解释推理过程，成为故障诊断的一种方法。但专家系统获取知识能力、容错能力、以及自我学习能力较差，在水轮机故障诊断中应用并获得成功本文档来自技高网...

【技术保护点】
1.一种大型水轮发电机组故障诊断方法，其特征是，包括如下步骤：/na.采集n种类型的水轮发电机故障振动信号和水轮发电机正常运行的振动信号，信号数据分为训练集和测试集，每个(n+1)种振动状况需采集用于训练的100个数据点和用于测试的50个数据点；/nb.利用采样频率信息，使用快速谱峭度将水轮发电机振动时域信号转换为频域信号，/nK

【技术特征摘要】
1.一种大型水轮发电机组故障诊断方法，其特征是，包括如下步骤：
a.采集n种类型的水轮发电机故障振动信号和水轮发电机正常运行的振动信号，信号数据分为训练集和测试集，每个(n+1)种振动状况需采集用于训练的100个数据点和用于测试的50个数据点；
b.利用采样频率信息，使用快速谱峭度将水轮发电机振动时域信号转换为频域信号，
Kx(f)＝S4(f)/(S2(f))2-2(公式1)
Sn(f)＝E<|L(f,t)|n>(公式2)
其中，f≠0，Sn(f)为信号的n阶谱矩，E<·>为取均值，|·|为取模，L(f,t)是信号x(t)在f处的复包络；
c.用堆叠稀疏自编码器对频域信号进行分类；
d.稀疏自动编码器对隐藏单元施加约束，从而激活非活动隐藏单元；
e.用粒子群优化算法对堆叠稀疏自编码器进行超参数选择，进而选择适用于水轮发电机组故障诊断的最优超参数；
f.采用已训练合格的堆叠自编码网络对测试样本进行测试，以识别水轮发电机组的振动信号的故障类型。


2.根据权利要求1所述的一种大型水轮发电机组故障诊断方法，其特征是，堆叠稀疏自编码器使用公式3将输入数据映射进隐藏层，隐藏层通过公式4重建，
公式3为：公式4为：
其中为输入层和隐藏层之间的权值矩阵，b为输入层...

【专利技术属性】
技术研发人员：马建峰，潘骏，周叶，陈文华，缪熙熙，曹登峰，刘胜柱，成德明，张炜，邵保安，
申请(专利权)人：浙江富春江水电设备有限公司，
类型：发明
国别省市：浙江;33