一种数据驱动的核级管道共振故障检测方法和系统技术方案

本发明专利技术公开了一种数据驱动的核级管道共振故障检测方法和系统，方法包括：数据采集及标定；多域特征提取；特征差异化；敏感特征筛选；分类器训练；分类器性能测试；待测管道检测。本发明专利技术在大量试验数据的基础上，得出能够区分正常管道和共振管道的多域特征，称之为共振敏感特征，在此基础上获得共振故障的分类器，可以自动检出核级管道是否存在共振。本发明专利技术加强数据与特征之间的关联，提高管道共振故障检测的准确性，避免共振引发更为严重的问题，影响整个管道和关联系统的安全运行。影响整个管道和关联系统的安全运行。影响整个管道和关联系统的安全运行。

【技术实现步骤摘要】
一种数据驱动的核级管道共振故障检测方法和系统


[0001]本专利技术涉及核级设备故障诊断
，具体涉及一种数据驱动的核级管道共振故障检测方法和系统。

技术介绍

[0002]发展核电的一个关键问题是提高核电的可靠性与安全性，必须要保证核电站的安全。核电站核级管道往往会因为各种问题和缺陷(如设计、施工缺陷、振动问题、腐蚀及老化等)，并随着运行时间的增加，各种故障频发，且日趋严重。一旦装有放射性内流介质的核级管道泄漏或失效，将很有可能造成严重的环境污染，如发现不及时，后果会相当惨重。
[0003]管道是压水堆核电冷却剂系统的重要组成部分。在核电运行中，主管道内处在高温、高压水环境中，在这种工作环境及在一定服役应力下，会使管道产生应力腐蚀开裂，从而在管道内表面产生裂纹，导致主管道材料的失效。此外，管道系统中还有多方面的振动源，泵、阀门等变工况元件的工况变化，或是地震等，会使管道系统中存在机械振动与内压波动，使管道处于循环载荷作用下，如果管道固有频率与循环载荷频率相接近，会使管道产生共振，使主管道处于明显的共振效应之下。共振使管道系统的结构或者附件遭到破坏，减少管线使用寿命，并对相连设备、建筑物和工作人员产生巨大的潜在危害。如果管道的焊缝及弯头发生泄露，会造成事故停产，一旦发生泄露事故后果不堪设想。
[0004]为了确保管道、水泵等的正常运行，通常采用加速计采集管道的振动数据，用以分析管道内部的情况，通过信号处理与分析来辨识管道内是否存在共振故障，可提高管道状态的在线监测与故障诊断水平。但是，采集的振动数据数量庞大，人工监测与固定振幅监测的效率较低，需要设计核级管道共振故障检测方法，实现对管道共振的自动检测，避免其发展成更为严重的事故。

技术实现思路

[0005]为了减少核级管道共振检测对人为经验或固定振动幅值的依赖，本专利技术提供了一种数据驱动的核级管道共振故障检测方法。本专利技术在大量试验数据的基础上，得出能够区分正常管道和共振管道的多域特征，进而通过特征分析获取对管道共振敏感的特征，称之为共振敏感特征；在此基础上获得共振故障的分类器，可以自动检出核级管道是否存在共振。本专利技术加强数据与特征之间的关联，提高管道共振故障检测的准确性，避免共振引发更为严重的问题，影响整个管道和关联系统的安全运行。
[0006]本专利技术通过下述技术方案实现：
[0007]一种数据驱动的核级管道共振故障检测方法，包括：
[0008]数据采集及标定：采集多组核级管道状态正常和管道存在共振时的振动数据，对采集的每组数据进行预处理并添加标签；
[0009]多域特征提取：对每组采集数据进行多域特征提取；
[0010]特征差异化：基于正常管道特征均值，对正常管道特征和共振管道特征进行差异
化处理；
[0011]敏感特征筛选：根据差异化处理结果，去除非敏感性特征，对剩余特征的敏感性差异进行标准化，选取标准化共振特征矩阵中所有小于预设值的特征为敏感特征；
[0012]分类器训练：基于采集的所有数据的敏感特征矩阵构造训练样本集和测试样本集，将训练样本集输入到分类器中进行训练，直到满足停止条件；
[0013]分类器性能测试：将测试样本集输入到已训练完成的分类器中，如果测试准确率满足要求则将分类器用于待测管道的检测，否则重新进行训练；
[0014]待测管道检测：采集待测管道的振动数据并进行预处理、多域特征提取，根据筛选的敏感特征获得将待测管道的敏感特征矩阵，并将其输入到已完成性能测试的分类器中，即可判断管道是否存在共振故障。
[0015]本专利技术的方法原理为：通过数据采集、预处理、特征提取、差异化处理和敏感特征筛选，筛选出敏感特征，并构建敏感特征矩阵作为样本集训练和测试分类器，将完成测试的分类器用于待测管道的状态判定识别，即可实现管道共振故障的快速可靠识别。
[0016]作为优选实施方式，本专利技术的多域特征提取步骤具体包括：
[0017]对采集的每组数据提取多域特征，包括11个时域特征和9个频域特征；时域特征是直接计算采集数据的统计特征，频域特征是先对采集数据进行快速傅里叶变换，获得信号的频谱后再计算相应的统计特征，即为频域特征；
[0018]设定正常管道采集了M次数据，共振管道采集了N次数据，每次采集获得一个数据文件，分别获得正常管道的特征矩阵F1和共振管道的特征矩阵F2，矩阵中每行表示一个数据文件提取出的特征，矩阵每列表示一个特征在所有数据文件中提取出的数值；
[0019]正常管道的特征矩阵F1：
[0020][0021]共振管道的特征矩阵F2：
[0022][0023]作为优选实施方式，本专利技术的特征差异化步骤具体包括：
[0024]针对正常管道的特征矩阵F1的每一列是一个时域或频域特征的M次采集计算出的统计值，计算每个特征的均值，表示为：
[0025][0026]分别计算正常管道特征矩阵和共振管道特征矩阵与均值f
mean
(1,j)的偏差，其表达式如下：
[0027]dF1(i,j)＝F1(i,j)
–
f
mean
(1,j)
[0028]dF2(i,j)＝F2(i,j)
–
f
mean
(1,j)。
[0029]作为优选实施方式，本专利技术的敏感特征筛选步骤具体包括：
[0030]根据正常管道和共振管道特征差异性处理结果，识别共振特征矩阵dF2元素值非负所在的列，该列为非敏感性特征，从特征矩阵中移除该列，获得新的特征矩阵，正常管道和共振管道的特征矩阵分别表示为nF1和nF2；
[0031]通过对上述特征矩阵分别进行标准化，量化剩余特征的敏感性差异；对每一个特征分别从正常管道和共振管道提取最大值和最小值，即f
max
(1,j)＝max(nF1(1:M,j))，f
min
(1,j)＝min(nF2(1:N,j))，其中max(.)和min(.)分别表示取向量中的最大值和最小值；
[0032]通过特征矩阵标准化来度量特征的敏感度差异，表示为
[0033][0034][0035]在上述分析的基础上选取更为敏感的特征进行后续分析，判断标准化共振特征矩阵sF2中所有元素低于0.3的特征为敏感特征，表示为：敏感特征＝{j|sF2(i,j)<0.3,i＝1,...,N}。
[0036]作为优选实施方式，本专利技术的分类器训练步骤具体包括：
[0037]基于正常管道和共振管道的敏感特征矩阵构建训练样本集和测试样本集；
[0038]将训练样本集数据与对应的标签输入分类器进行训练，直到满足停止条件。
[0039]作为优选实施方式，本专利技术的分类器性能测试步骤具体包括：
[0040]根据敏感特征矩阵来获取测试样本集的特征矩阵，输入已训练完成的分类器中进行测试，计算分类器的分类准确率，即分类器正确分类的样本数与测试样本数的百分比；当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据驱动的核级管道共振故障检测方法，其特征在于，包括：数据采集及标定：采集多组核级管道状态正常和管道存在共振时的振动数据，对采集的每组数据进行预处理并添加标签；多域特征提取：对每组采集数据进行多域特征提取；特征差异化：基于正常管道特征均值，对正常管道特征和共振管道特征进行差异化处理；敏感特征筛选：根据差异化处理结果，去除非敏感性特征，对剩余特征的敏感性差异进行标准化，选取标准化共振特征矩阵中所有小于预设值的特征为敏感特征；分类器训练：基于采集的所有数据的敏感特征矩阵构造训练样本集和测试样本集，将训练样本集输入到分类器中进行训练，直到满足停止条件；分类器性能测试：将测试样本集输入到已训练完成的分类器中，如果测试准确率满足要求则将分类器用于待测管道的检测，否则重新进行训练；待测管道检测：采集待测管道的振动数据并进行预处理、多域特征提取，根据筛选的敏感特征获得将待测管道的敏感特征矩阵，并将其输入到已完成性能测试的分类器中，即可判断管道是否存在共振故障。2.根据权利要求1所述的一种数据驱动的核级管道共振故障检测方法，其特征在于，所述多域特征提取步骤具体包括：对采集的每组数据提取多域特征，包括11个时域特征和9个频域特征；时域特征是直接计算采集数据的统计特征，频域特征是先对采集数据进行快速傅里叶变换，获得信号的频谱后再计算相应的统计特征，即为频域特征；设定正常管道采集了M次数据，共振管道采集了N次数据，每次采集获得一个数据文件，分别获得正常管道的特征矩阵F1和共振管道的特征矩阵F2，矩阵中每行表示一个数据文件提取出的特征，矩阵每列表示一个特征在所有数据文件中提取出的数值；正常管道的特征矩阵F1：共振管道的特征矩阵F2：
3.根据权利要求2所述的一种数据驱动的核级管道共振故障检测方法，其特征在于，所述特征差异化步骤具体包括：针对正常管道的特征矩阵F1的每一列是一个时域或频域特征的M次采集计算出的统计值，计算每个特征的均值，表示为：分别计算正常管道特征矩阵和共振管道特征矩阵与均值f
mean
(1,j)的偏差，其表达式如下：dF1(i,j)＝F1(i,j)
–
f
mean
(1,j)dF2(i,j)＝F2(i,j)
–
f
mean
(1,j)。4.根据权利要求3所述的一种数据驱动的核级管道共振故障检测方法，其特征在于，所述敏感特征筛选步骤具体包括：根据正常管道和共振管道特征差异性处理结果，识别共振特征矩阵dF2元素值非负所在的列，该列为非敏感性特征，从特征矩阵中移除该列，获得新的特征矩阵，正常管道和共振管道的特征矩阵分别表示为nF1和nF2；通过对上述特征矩阵分别进行标准化，量化剩余特征的敏感性差异；对每一个特征分别从正常管道和共振管道提取最大值和最小值，即f
max
(1,j)＝max(nF1(1:M,j))，f

【专利技术属性】
技术研发人员：何超，孙磊，李朋洲，袁少波，李锡华，赖姜，
申请(专利权)人：中国核动力研究设计院，
类型：发明
国别省市：