【技术实现步骤摘要】
一种灯泡贯流式机组水导轴瓦支撑松动故障在线预警方法
本专利技术涉及松动故障检测领域，尤其涉及一种灯泡贯流式机组水导轴瓦支撑松动故障在线预警方法。
技术介绍
随着我国能源结构调整的逐步推进，风电、光伏发电等非稳定性电源快速发展，水轮发电机组在电网中承担调峰、调频的任务越来越多，这就要求水轮发电机组在其整个工况范围内具有充分的可用性，这就对水轮发电机组故障诊断方面提出了更髙的要求。传统水轮发电机组故障诊断方法绝大多数是基于振动信号的时频特征进行故障分析，忽略水轮发电机组运行工况对振动信号时频特征的影响，降低了诊断的准确率。
技术实现思路
本专利技术所要解决的技术问题在于，提供一种灯泡贯流式机组水导轴瓦支撑松动故障在线预警方法，以机组振动信号处理和运行工况分析为切入点，提取表征机组故障状态的信号时频分布特征和工况特征，提高故障预测的准确度。为了解决上述技术问题，本专利技术提供了一种灯泡贯流式机组水导轴瓦支撑松动故障在线预警方法，应用于水轮发电机组，包括：采集水导轴承的振动信号波形；根据所述振动信...
【技术保护点】
1.一种灯泡贯流式机组水导轴瓦支撑松动故障在线预警方法，应用于水轮发电机组，其特征在于，包括：/nS1采集水导轴承振动信号波形；/nS2根据所述振动信号波形计算出振动峰峰值以及振动倍频；/nS3提取振动峰峰值健康样本和振动倍频健康样本；/nS4将所述振动峰峰值健康样本、振动倍频健康样本、水轮机的导叶开度以及水轮机的水头输入神经网络进行训练，获得振动峰峰值预测值和振动倍频预测值；所述神经网络包括依次连接的第一卷积层、第一池化层、第一残差块、第二残差块、第三残差块、第四残差块以及全局池化层，其中：/n所述第一卷积层的channel为16、kernel为7、stride为2；/n...
【技术特征摘要】
1.一种灯泡贯流式机组水导轴瓦支撑松动故障在线预警方法，应用于水轮发电机组，其特征在于，包括：
S1采集水导轴承振动信号波形；
S2根据所述振动信号波形计算出振动峰峰值以及振动倍频；
S3提取振动峰峰值健康样本和振动倍频健康样本；
S4将所述振动峰峰值健康样本、振动倍频健康样本、水轮机的导叶开度以及水轮机的水头输入神经网络进行训练，获得振动峰峰值预测值和振动倍频预测值；所述神经网络包括依次连接的第一卷积层、第一池化层、第一残差块、第二残差块、第三残差块、第四残差块以及全局池化层，其中：
所述第一卷积层的channel为16、kernel为7、stride为2；
所述第一池化层的kernel为3、stride为2，最大池化；
所述第一残差块包括两个卷积层和一个残差连接，其中两个卷积层的channel均为32、kernel均为3、stride均为1，两个卷积层依次连接；
所述第二残差块包括两个卷积层和一个残差连接，其中两个卷积层的channel均为64、kernel均为3、stride分别为2和1，两个卷积层依次连接，残差连接包括一个channel为64、kernel为1、stride为2的卷积层；
所述第三残差块包括两个卷积层和一个残差连接，其中两个卷积层的channel均为128、kernel均为3、stride分别为2和1，两个卷积层依次连接，残差连接包括一个channel为128、kernel为1、stride为2的卷积层；
所述第四残差块包括两个卷积层和一个残差连接，其中两个卷积层的channel均为256、kernel均为3、stride分别为2和1，两个卷积层依次连接，残差连接包括一个channel为256、kernel为1、stride为2的卷积层；
所有卷积层后均与激活函数连接；
S5将实际测量的振动峰峰值和振动倍频分别和所述振动峰峰值预测值和振动倍频预测值进行残差比较，进行故障预测。
2.如权利要求1所述的一种灯泡贯流式机组水导轴瓦支撑松动故障在线预警方法，其特征在于，所述提取振动峰峰值健康样本的步骤包括：
根据所述振动峰峰值、水轮机的导叶开度以及水轮机的水头构建振动峰峰值三维模型，其中，所述振动峰峰值三维模型以所述导叶开度作为X轴，以所述水头为Y轴，以所述振动峰峰值为Z轴；
通过所述振动峰峰值三维模型提取振动峰峰值健康样本，其中，提取额定水头附近以及开度50%以上时对应的振动峰峰值作为振动峰峰值健康样本。
3.如权利要求1所述的一种灯泡贯流式机组水导轴瓦支撑松动故障在线预警方法，其特征在于，所...
【专利技术属性】
技术研发人员：杨占鳌，王晓东，沈继东，曾博，黎文明，郑国晨，黄友诚，
申请(专利权)人：国家电投集团广西长洲水电开发有限公司，
类型：发明
国别省市：广西;45
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。