一种核电阀门的故障特征提取及优选方法技术

本发明专利技术涉及核电阀门的特征提取领域，尤其涉及一种核电阀门的故障特征提取及优选方法。本发明专利技术有效的解决了传统故障特征类型少、敏感特征评价体系不完整的问题。其主要技术要点是先对振动信号提取原始时域特征、频域特征参数，并对原始振动信号运用Hilbert变换提取包络信号，对包络信号做特征参数的提取，得到全部的待优选的特征集，通过构建目标优化函数，建立特征评价指标，完成对特征参数的评价和优筛，确保了特征选择的客观性和可靠性。确保了特征选择的客观性和可靠性。确保了特征选择的客观性和可靠性。

【技术实现步骤摘要】
一种核电阀门的故障特征提取及优选方法


[0001]本专利技术涉及核电阀门的特征提取领域，有效解决特征少的问题，尤其涉及一种基于原始信号和Hilbert提取包络信号，对多特征参数的优筛与对敏感特征评价方法。

技术介绍

[0002]核电站的建设是驱动科技创新、改善民生、增进福祉的重要建设项目，而阀门是在核电站正常运行过程中，主要需要维修的关键设备和装置。
[0003]在实际核电站运行的过程中，工作的环境组成都十分复杂，对于介质、和安全等级和环境条件都有着较高的要求，并且结构和内部构造都与普通阀门不同，这导致在核电项目正常运行过程中，核电阀门出现故障的概率非常大，十分有必要对阀门进行故障预测。
[0004]进行故障预测前，一个重要的步骤是提取故障特征作为敏感特征，针对传统的阀门设备的故障提取，通常对监测的原始信号做时域和频域特征的提取，例如振动原始信号，并仅依靠经验与人为评定作为筛选敏感特征的指标，这样不仅缺乏论证验证性，同时也对工作量带来一点的不便。并且仅将原始信号进行时域和频域特征的提取，往往提取到的参数都不能全面地反映故障的信息，很大程度上影响了故障预测的精度。

技术实现思路

[0005]本专利技术涉及阀门故障特征的提取领域，提供了一种基于原始信号和Hilbert变换后包络信号的故障敏感特征提取与优选评价方法，有效的解决了传统故障特征类型少、敏感特征评价体系不完整的问题。
[0006]本专利技术采用的技术方法是，一种核电阀门的故障特征提取及优选方法，包括以下步骤：
[0007]S1：以等间隔时间T
n
记录采集阀门的振动信号，保存采样点，并针对原始振动信号提取时域和频域上的特征，获得原始时域特征集D_t和频域特征集D_f；
[0008]S2：采用希尔伯特变换对振动信号提取包络线，得到包络信号，并针对包络信号提取时域和频域上的特征，获得特征集D_T和D_F；
[0009]S3：建立多指标的敏感特征评价和特征优筛体系，根据多特征评价指标，构造多目标优化函数W，并结合熵权法，确定优化函数各指标权重，寻找到最优参数，通过对S2步骤中特征集的各特征进行打分和排序，优选出高分的特征；
[0010]进一步地，步骤S3涉及的具体方法有：
[0011]S31：建立敏感特征优选体系的多评价指标；
[0012]计算相关性指标
[0013]其中，X＝(x1,x2,x3,
…
,x
N
)表示退化特征的特征序列，N是采集到的样本点数， T＝(t1,t2,t3,
…
t
N
)表示对应特征序列的监测的时刻序列；
[0014]计算单调性指标其中，表示单位阶跃函数；
[0015]计算离散性指标其中，x
max
是特征序列的最大值， x
min
表示特征序列的最小值，σ(x)表示特征序列的标准差，是监测的特征序列的样本标准差大小；
[0016]S32：构建多优化参数目标函数，综合考虑相关性、单调性和离散性这三种指标的结合，设计多目标组合函数，W＝ω1Corr(X)+ω2Mon(X)+ω3Dis(X)；ω
i
表示指标参数的权重，ω
i
≥0 并且
[0017]S33：根据熵权法确定S32中ω
i
的大小，
[0018]其中，H
i
第i项指标的输出熵值，
[0019]其中，P
ij
第i项指标的第j特征的比重，
[0020]其中，x
ij
是标准化参数，表示指标数的个数，j＝1,2,3
…
n某特征序列数量；
[0021]S34：选择W高的特征为优选特征。
[0022]进一步地，步骤S2涉及的具体方法有：
[0023]S21：阀门的振动信号是连续信号，设一个时间信号x(t)，对其进行希尔伯特变换之后得到
[0024]S22：构建解析信号，以x(t)为实部，希尔伯特变换得到为虚部，构建的复数信号z(t) 定义为，z(t)是解析信号，对解析信号取模运算，a(t)＝|z(t)|，a(t)即表示x(t)的包络信号；其中，
[0025]S23：根据得到的原始信号x(t)和包络信号a(t)，提取时域和频域特征，采用快速
傅里叶变换可以对信号进行频域分析，获得频域信号，对于任一采样周期内的第n个点，频率其中，F
s
是信号的采样频率，N是采集到的样本点数。
[0026]本专利技术的有益效果在于，提供了一种核电阀门的故障特征提取及优选评价方法。针对传统故障特征类型少的问题，本专利技术对振动信号做Hilbert变换以得到信号的包络线，并对包络信号做时域和频域特征的提取，在原始信号的基础上，扩大了特征类型；同时，对于敏感特征评价体系不完整的问题，本专利技术通过结合熵权法和多评价指标方法，构建了多优化参数的目标函数，进而建立多评价指标的敏感特征优选评价体系，准确、有效地完成对阀门故障敏感特征的提取，能够保证敏感特征的精确性，避免了无效的信息量及冗余。
附图说明
[0027]图1是本专利技术的敏感特征优筛方法原理示意图。
[0028]图2是阀门部分振动信号图。
[0029]图3是原始信号的时域和频域特征分布图。
[0030]图4是Hilbert变换之后的阀门部分信号上包络信号图。
[0031]图5是包络信号的时域和频域特征分布图。
[0032]图6是优筛特征后的评价得分示意图。
具体实施方式
[0033]下面结合实际案例和附图对本专利技术提出的方法做进一步的介绍。
[0034]图1是本专利技术的方法原理示意图。
[0035]S1：采集阀门振动信号，并提取原始振动信号的时域和频域特征。
[0036]本专利技术结合的实际案例中，用传感器采集振动信号，此处包括X轴、Y轴和Z轴三个方向的振动信号，采样频率是1000HZ，采样时间是一次试验从闭阀动作开始到闭阀结束的完整过程；采集到的振动信号部分如图2所示；图中的四幅图分别是第1次试验、第12次试验、第 14次试验和最后一次试验的振动原始信号图，直观的，随着试验次数的增加振动信号变化明显。
[0037]根据采集到的振动原始信号，提取时域和频域两种不同的特征类型，通过对时域信号做快速傅里叶变换得到频域特征；通过对原始信号提取特征，获得D_t和D_f；图3是原始信号的时域特征分布和频域特征分布；图中的四幅图分别是X轴方向的两个时域特征和Y轴方向两个频域特征分布，表明随着试验频次的增加，时域和频域特征变化地愈专利技术显。
[0038]S2：运用Hilbert变换对原始信号提取包络线，并提取包络信号的时域特征集D_T和频域特征集D_F；通过Hilbert变换提取的信号包络信号S(T)如图4中所示，提取的部分振动信号的上包络示意图；图中的四幅图分别是第1次、第13次、第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种核电阀门的故障特征提取及优选方法，包括以下步骤：S1：以等间隔时间T
n
记录采集阀门的振动信号，保存采样点，并针对原始振动信号提取时域和频域上的特征，获得原始时域特征集D_t和频域特征集D_f；S2：采用希尔伯特变换对振动信号提取包络线，得到包络信号，并针对包络信号提取时域和频域上的特征，获得特征集D_T和D_F；S3：建立多指标的敏感特征评价和特征优筛体系，根据多特征评价指标，构造多目标优化函数W，并结合熵权法，确定优化函数各指标权重，寻找到最优参数，通过对S2步骤中特征集的各特征进行打分和排序，优选出高分的特征；S31：建立敏感特征优选体系的多评价指标；计算相关性指标其中，X＝(x1,x2,x3,...,x
N
)表示退化特征的特征序列，N是采集到的样本点数，T＝(t1,t2,t3,...t
N
)表示对应特征序列的监测的时刻序列；计算单调性指标其中，表示单位阶跃函数；计算离散性指标其中，x
max
是特征序列的最大值，x
min
表示特征序列的最小值，σ(x)表示特征序列的标准差，是监测的特征序列的样本标准差大小；S32：构建多优化参数目标函数，综合考虑相关性、单调性和离散性这三种指标的结合，设计多目标...

【专利技术属性】
技术研发人员：唐樟春，谢葭，夏艳君，李征泰，杨宗承，吴文锋，周斌，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：