【技术实现步骤摘要】
一种旋转机械状态监测和异常自动报警的方法及装置
本专利技术属于工业设备监测
，尤其涉及一种旋转机械状态监测和异常自动报警的方法及装置。
技术介绍
燃气轮机、汽轮机、压缩机等大型旋转机械是能源、油气、化工、国防等国计民生和安全稳定的重要工业装备。这些装备的核心部件一旦发生故障，会引起非计划停机，甚至导致人身安全事故，造成巨大的维修费用和经济损失。为了确保大型旋转机械长期安全稳定运行，减少非正常停机，降低维修成本，发展旋转装备状态监测和故障诊断技术成为一种重要而且有效的方法，状态监测的目的就是实时掌握机组运行状态，在其发生故障之前做出自动预警，方便维修人员采取相应的措施对其进行维护，避免发生不可逆的事故。而现有技术还欠缺这类监测方案。
技术实现思路
有鉴于此，本专利技术实施例提供了一种旋转机械状态监测和异常自动报警的方法及装置，以解决现有技术中缺少状态监测和故障诊断的方案，不能实时掌握机组运行状态的问题。本专利技术实施例的第一方面提供了一种旋转机械状态监测和异常自动报警的方法，包括以下步...
【技术保护点】
1.一种旋转机械状态监测和异常自动报警的方法，其特征在于，包括以下步骤：/n获取原始数据，通过数据接口获取机组运行参数的传感器数据，并通信传输存储在本地或云服务器上；/n对传感器数据进行预处理，依次包括频谱特征值提取、缺失值处理、离群值处理、数据标准化、小波包贝叶斯阈值去噪；/n使用训练存储的PPCA参数对预处理后的传感器数据进行降维分析，得到主成分数据；/n建立OAKR模型，所述OAKR模型包括模型训练、模型测试和模型预测；/n通过检查OAKR模型输出与实际PPCA主成分数据之间的均方误差MSE，来动态判断设备是否出现异常，产生异常警报。/n
【技术特征摘要】 【专利技术属性】
1.一种旋转机械状态监测和异常自动报警的方法，其特征在于，包括以下步骤：
获取原始数据，通过数据接口获取机组运行参数的传感器数据，并通信传输存储在本地或云服务器上；
对传感器数据进行预处理，依次包括频谱特征值提取、缺失值处理、离群值处理、数据标准化、小波包贝叶斯阈值去噪；
使用训练存储的PPCA参数对预处理后的传感器数据进行降维分析，得到主成分数据；
建立OAKR模型，所述OAKR模型包括模型训练、模型测试和模型预测；
通过检查OAKR模型输出与实际PPCA主成分数据之间的均方误差MSE，来动态判断设备是否出现异常，产生异常警报。
2.如权利要求1所述的旋转机械状态监测和异常自动报警的方法，其特征在于，所述频谱特征值提取、缺失值处理、离群值处理、数据标准化、小波包贝叶斯阈值去噪具体为：
频谱特征值提取，将得到的传感器数据经过快速傅里叶变换，提取时间序列不同的频谱特征值；
缺失值处理，采用向上填充和向下填充的方法来处理传感器数据中的空缺值或无穷值；
离群值处理，根据机组运行的速度，对停机重启时的数据点进行自动剔除；
数据标准化，对传感器数据中多变量数据进行标准化处理，通过去均值和方差归一化方法，对传感器数据进行线性变换，使传感器数据的均值为0、方差为1；
小波包贝叶斯阈值去噪，对采集的传感器数据中低频和高频信号的噪声进行去除。
3.如权利要求1所述的旋转机械状态监测和异常自动报警的方法，其特征在于，所述使用训练存储的PPCA参数对预处理后的传感器数据进行降维分析，得到主成分数据，具体为：对传感器数据进行主成分分析，选取降维后累计方差贡献率至少95％的主成分构件数量，然后再进行概率主成分分析降维，提取不相关的主成分特征。
4.如权利要求1所述的旋转机械状态监测和异常自动报警的方法，其特征在于，所述建立OAKR模型的方法为：
第一步、计算监测向量θ和每一个记忆向量Θi之间的距离，得到一个nm×1的距离向量d，采用最常用的欧式距离计算方法：
第二步、通过得到的距离矩阵d和高斯核函数来计算权重w，w也是一个nm×1的矩阵：
式中，h是核函数带宽，带宽h决定了核函数的平滑程度；
第三步、通过模型训练时最小化均方误差(MSE)值，得到核密度带宽h最佳值，并更新权重w；
技术研发人员：姜孝谟，唐伟健，赵海心，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21
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。