基于时空图的核电循环水泵行星齿轮箱检测方法技术

公开了基于时空图的核电循环水泵行星齿轮箱检测方法，方法中，采集核电循环水泵行星齿轮箱监测数据，采用短时傅里叶变换将振动信号的时域和频域相联系；短时傅里叶变换处理后的振动信号频域划分为K个部分，构建时空图及时空图权重矩阵；进而构建拉普拉斯矩阵，进行特征提取；将时空图转换为特征矩阵输入时域图卷积网络模型以训练模型，通过argmax函数求出模型参数；用验证集选取最优超参数，构建混淆矩阵评估模型；用测试测试最优模型。用测试测试最优模型。用测试测试最优模型。

【技术实现步骤摘要】
基于时空图的核电循环水泵行星齿轮箱检测方法


[0001]本专利技术属于核电故障诊断
，尤其涉及一种基于时空图的核电循环水泵行星齿轮箱检测方法。

技术介绍

[0002]核电投资巨大、涉及产业众多，核安全关系国家安全，是核电发展的生命线。循环水泵作为核电厂中循环水系统的提升设备，其功能是向常规岛汽轮机凝汽器及常规岛辅助冷却系统提供冷却水，在系统中有着非常重要的地位。循环水泵发生故障会直接引起设备不可用、系统暂停、机组降功率、停机停堆(约1000万/单机组/天)等重大事件，影响核电厂启动和运行期间的安全性以及经济效益。
[0003]目前核电厂循环水泵的维修方式包括事后维修和定期维护两种形式，现行的两种维修方式存在潜在缺陷难以发现，设备过度维护等问题。作为循环水泵的关键设备，行星齿轮箱具有承载力大、对中要求高、高维修费用和高风险等特点，其振动信号成分复杂、特征时变，微弱损伤识别困难，行星齿轮箱的健康状态对循环水泵正常运行具有重大影响。一旦故障，将引发严重连锁反应，导致停泵。因此选择行星齿轮箱为研究对象，开展智能故障诊断模型研究。
[0004]在
技术介绍
部分中公开的上述信息仅仅用于增强对本专利技术背景的理解，因此可能包含不构成本领域普通技术人员公知的现有技术的信息。

技术实现思路

[0005]本专利技术的目的是提供一种基于时空图的核电循环水泵行星齿轮箱检测方法，通过构建基于时空图的故障诊断模型，利用短时傅里叶变换与时空图相结合，使时域和频域相联系，时空图不仅包含时频域信息，还包含图结构信息，通过图结构和节点属性来提取图的特征，不同故障类型的振动信号对应不同的图结构，将图转换为二维矩阵，通过图卷积网络模型实现故障诊断，提高了特征提取的精度，从而提升故障诊断的准确率。
[0006]为了实现上述目的，本专利技术提供如下技术方案：
[0007]本专利技术的一种基于时空图的核电循环水泵行星齿轮箱检测方法包括：
[0008]第一步骤，采集核电循环水泵行星齿轮箱振动信号，短时傅里叶变换振动信号以计算离散时域和频域：
[0009][0010]其中，x[n]为振动信号，n∈[0，N
‑
1]，具有N个观测值；m为时间，k为频率，ΔM为时间变化量，Δf为频率变化量；Y(k，m)为频率kΔf和时间mΔM的输出；运算符(*)表示共轭；ω为窗函数；j为虚数单位；
[0011]第二步骤，构建时空图，其中，计算短时周期图：
[0012][0013]其中，T为窗口长度；m为时间，k为频率，Y(k，m)为短时傅里叶变换后时域和频域；p(k，m)为频率索引1≤k≤K和时间索引1≤m≤M的输出，K，M为正整数K取值为时空图节点，M为振动信号采样时域上限。
[0014]振动信号经过短时傅里叶变换后，其频域被分为K个部分，以短时周期图中的每个频率F1，F2，......，F
k
为节点，属性相互连接，构建时空图；
[0015]第三步骤，构建时空图权重矩阵，其中，
[0016][0017]其中，W
i，j
为矩阵权重；Dis{S(F
i，t
)，S(F
j，t
)}为节点F
i
和F
j
在时间点t的欧式距离；i，j为正整数，
[0018]第四步骤，特征提取，计算权重矩阵中点(x
i
，y
j
)处的拉普拉斯算子：
[0019][0020]其中，x为矩阵中横坐标，y为纵坐标，i，j为正整数，Δx和Δy分别为x，y的增量，设为1，
[0021]计算度矩阵D：
[0022][0023]其中，d
i，j
为主对角线元素对应节点权重，W
i，j
为矩阵权重，i，j为正整数，
[0024]拉普拉斯矩阵为度矩阵与权重矩阵之差：
[0025]L＝D
‑
W，
[0026]其中，L、D、W分别为拉普拉斯矩阵、度矩阵和权重矩阵。
[0027]将拉普拉斯矩阵L正交分解：
[0028]L＝UΛU
T
[0029]其中，U＝[u0，u1，
…
，u
n
‑1]为特征向量；Λ＝diag([λ0，λ1，
…
，λ
n
‑1])为特征值矩阵，每一个时空图用一维特征向量F来表示，由特征值组成，记为F＝[λ0，λ1，
…
，λ
n
‑1]；
[0030]第五步骤，构建图卷积网络模型，其包括三层图神经网络，函数为convGCN，每层convGCN函数输入通道数为进入图卷积层数据的维数，输出通道数与下一层输入通道数相等，最后一层输出通道数为故障分类数，在两层convGCN函数之间设置激活函数为ReLU，输出为一个SoftMax层；
[0031]第六步骤，将时空图转换为特征矩阵输入图卷积网络模型，训练模型直至分类准
确率收敛，通过argmax函数求出模型参数；
[0032]第七步骤，构建混淆矩阵C以评估模型，其纵坐标反映真实的健康和故障类别，横坐标反映模型预测的健康和故障类别，其中元素记为c
ij
，i表示预测类别中第i个元素，j代表真实类别中第j个元素，i，j为正整数；
[0033]第八步骤，用验证集验证图卷积网络模型，调整超参数，选择使分类效果的最优超参数；
[0034]第九步骤，用测试集测试最优模型。
[0035]所述的一种基于时空图的核电循环水泵行星齿轮箱检测方法中，第一步骤中，通过在与齿轮芯包中间位置等高处的齿轮箱箱体上胶装PCB振动加速度传感器采集核电循环水泵行星齿轮箱振动信号，采样频率为10240Hz。
[0036]所述的一种基于时空图的核电循环水泵行星齿轮箱检测方法中，采用48通道采集核电循环水泵行星齿轮箱振动数据，其包括核电循环水泵行星齿轮箱正常运行的健康数据、太阳轮中度剥落数据、太阳轮中度点蚀数据、行星轮中度剥落数据和行星轮中度点蚀数据。
[0037]所述的一种基于时空图的核电循环水泵行星齿轮箱检测方法中，每种数据类型各20组，将其合并为一个文件，每个文件中有655360个数据点，分别读入后，以2048为样本长度进行切割，共分为320组，每组取前80个样本，将前60％作为训练集，用于训练模型；20％作为验证集，用于调整和选择模型；后20％作为测试集。
[0038]所述的一种基于时空图的核电循环水泵行星齿轮箱检测方法中，
[0039]拉普拉斯算子进一步写为：
[0040][0041]其中，N(i，j)为(x
i
，y
i
)邻居节点的集合。
[0042]所述的一种基于时空图的核电循环水泵行星齿轮箱检测方法中，窗函数为汉宁窗：
[0043][0044]其中，N为振动信号的观测值。
[0045]所述的一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时空图的核电循环水泵行星齿轮箱检测方法，其特征在于，其包括以下步骤：第一步骤，采集核电循环水泵行星齿轮箱振动信号，短时傅里叶变换振动信号以计算离散时域和频域：其中，x[n]为振动信号，n∈[0，N
‑
1]，具有N个观测值；m为时间，k为频率，ΔM为时间变化量，Δf为频率变化量；Y(k，m)为频率kΔf和时间mΔM的输出；运算符(*)表示共轭；ω为窗函数；j为虚数单位；第二步骤，构建时空图，其中，计算短时周期图：其中，T为窗口长度；Y(k，m)为短时傅里叶变换后的离散时域和频域；p(k，m)为频率索引1≤k≤K和时间索引1≤m≤M的输出，K，M为正整数，K取值为时空图节点，M为振动信号采样时域上限；振动信号经过短时傅里叶变换后，其频域被分为K个部分，以短时周期图中的每个频率F1，F2，......，F
k
为节点，属性相互连接，构建时空图；第三步骤，构建时空图权重矩阵，其中，其中，W
i，j
为矩阵权重；Dis{S(F
i
，t)，S(F
j
，t)}为节点F
i
和F
j
在时间点t的欧式距离；i，j为正整数；第四步骤，特征提取，计算权重矩阵中点(x
i
，y
j
)处的拉普拉斯算子：其中，x为权重矩阵中横坐标，y为纵坐标，i，j为正整数，Δx和Δy分别为x，y的增量，设为1；计算度矩阵D：其中，d
i，j
为主对角线元素对应节点权重，W
i，j
为矩阵权重，i，j为正整数；拉普拉斯矩阵为度矩阵与权重矩阵之差：L＝D
‑
W，
其中，L、D、W分别为拉普拉斯矩阵、度矩阵和权重矩阵；将拉普拉斯矩阵L正交分解：L＝UΛU
T
其中，U＝[u0，u1，
…
，u
n
‑1]为特征向量；Λ＝diag([λ0，λ1，
…
，λ
n
‑1])为特征值矩阵；每一个时空图用一维特征向量F来表示，由特征值组成，记为F＝[λ0，λ1，
…

【专利技术属性】
技术研发人员：聂泽琳，刘炳辰，刘一龙，成玮，杨来浩，谢述帅，周光辉，陈雪峰，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：