一种火电厂送风机故障诊断方法、系统及电子设备技术方案

本发明专利技术涉及一种火电厂送风机故障诊断方法、系统及电子设备。本发明专利技术首先对非线性非平稳的原始振动信号进行初始降噪，去除部分随机颗粒噪声；其次，通过潜在因子模型(LatentFactorModel，LFM)，对信号进行建模得到隐含特征，并对降噪信号进行信号分解，实现二次降噪；最后，基于提取的乘积函数(ProductFunction，PF)分量(即第二PF分量)，利用高效可扩展的多故障分类器得到得到诊断结果，进而高效准确的实现火电厂送风机故障诊断。断。断。

【技术实现步骤摘要】
一种火电厂送风机故障诊断方法、系统及电子设备


[0001]本专利技术涉及故障诊断
，特别是涉及一种火电厂送风机故障诊断方法、系统及电子设备。

技术介绍

[0002]火电厂送风机作为火电站设备管理系统的重要辅助设备，在提高火电厂自身的核心竞争力中占有重要地位。辅机设备的故障不仅会直接影响电站发电的质量和产量，严重的还会导致发电故障，甚至造成不必要的人身和财产损失。因此，对电站辅机进行故障诊断研究，具有重大的意义。电厂辅机设备中的水泵、风机等，多数为电机驱动的旋转设备。该类设备的异常振动问题是影响机组安全稳定运行的主要因素之一，如何准确高效地诊断出旋转设备的异常振动故障，成为本领域亟待解决的技术问题。

技术实现思路

[0003]本专利技术的目的是提供一种火电厂送风机故障诊断方法、系统及电子设备，能够准确高效地诊断出火电厂送风机的异常振动故障。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种火电厂送风机故障诊断方法，包括：
[0006]获取火电厂送风机的原始振动信号，并对所述原始振动信号进行降噪处理得到降噪信号；
[0007]对所述降噪信号进行信号分解得到第一PF分量；
[0008]将所述第一PF分量从所述原始振动信号中剔除得到剩余信号，并将所述剩余信号作为新的降噪信号，返回执行“对所述降噪信号进行信号分解得到第一PF分量”直至迭代k次，得到第二PF分量；
[0009]将所述第二PF分量输入多故障分类器得到诊断结果。
[0010]优先地，所述对所述降噪信号进行信号分解得到第一PF分量，具体包括：
[0011]对所述降噪信号进行LFM分解得到隐含特征；所述隐含特征包括隐含特征P和隐含特征Q；
[0012]搜索所述隐含特征得到隐含特征极值点；
[0013]基于所述隐含特征极值点确定相邻隐含特征极值点的均值和包络估计值；
[0014]确定所述均值的滑动平均值和所述包络估计值的滑动平均值；
[0015]确定第一局部均值信号和第二局部均值信号；所述第一局部均值信号为所述均值的滑动平均值的局部均值信号；所述第二局部均值信号为所述包络估计值的滑动平均值的局部均值信号；
[0016]将所述第一局部均值信号从所述原始振动信号分离得到分离信号；
[0017]基于所述第二局部均值信号对所述分离信号进行解调得到解调信号；
[0018]基于所述第二局部均值信号确定包络信号，并基于所述包络信号和所述解调信号
确定所述第一PF分量。
[0019]优先地，所述第一PF分量为所述包络信号和所述解调信号的乘积。
[0020]优先地，采用均值滤波法对所述原始振动信号进行降噪处理得到所述降噪信号。
[0021]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0022]本专利技术提供的火电厂送风机故障诊断方法，首先对非线性非平稳的原始振动信号进行初始降噪，去除部分随机颗粒噪声；其次，通过潜在因子模型(LatentFactor Model，LFM)，对信号进行建模得到隐含特征，并对降噪信号进行信号分解，实现二次降噪；最后，基于提取的乘积函数(Product Function，PF)分量(即第二PF分量)，利用高效可扩展的多故障分类器得到得到诊断结果，进而高效准确的实现火电厂送风机故障诊断。
[0023]此外，本专利技术还提供了以下实施系统：
[0024]其中，一种火电厂送风机故障诊断系统，包括：
[0025]信号降噪模块，用于获取火电厂送风机的原始振动信号，并对所述原始振动信号进行降噪处理得到降噪信号；
[0026]信号分解模块，用于对所述降噪信号进行信号分解得到第一PF分量；
[0027]循环分离模块，用于将第一PF分量从原始振动信号中剔除得到剩余信号，并将剩余信号作为新的降噪信号，返回执行信号分解模块中的处理流程，直至迭代k次，得到第二PF分量；
[0028]故障诊断模块，用于将所述第二PF分量输入多故障分类器得到诊断结果。
[0029]一种电子设备，包括：
[0030]存储器，用于存储逻辑控制指令；所述逻辑控制指令用于实施上述提供的火电厂送风机故障诊断方法；
[0031]处理器，与所述存储器连接，用于调取并执行所述逻辑控制指令。
[0032]优选地，所述存储器为计算机可读存储介质。
[0033]因本专利技术提供的上述系统和电子设备实现的技术效果与本专利技术提供的火电厂送风机故障诊断方法实现的技术效果相同，故在此不再进行赘述。
附图说明
[0034]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0035]图1为本专利技术提供的火电厂送风机故障诊断方法的流程图；
[0036]图2为本专利技术提供的火电厂送风机故障诊断方法的实施框架图；
[0037]图3为本专利技术实施例提供的均值滤波后部分时域波形图；其中，图3中(a) 部分为均值滤波后横向振动时域波形图；图3中(b)部分为均值滤波后纵向振动时域波形图；
[0038]图4为本专利技术实施例提供的LFM分解损失函数曲线图；
[0039]图5为本专利技术实施例提供的LMD分解结果图；其中，图5中(a)部分为PF1分量的损失函数曲线图；图5中(b)部分为PF2分量的损失函数曲线图；图5中(c)部分为PF3分量的损失函数曲线图；图5中(d)部分为PF4 分量的损失函数曲线图；图5中(e)部分为PF5分量的损失
函数曲线图；图5中(f)部分为PF6分量的损失函数曲线图；图5中(g)部分为PF7分量的损失函数曲线图；图5中(h)部分为PF8分量的损失函数曲线图；图5中(i) 部分为PER分量的损失函数曲线图；
[0040]图6为本专利技术实施例提供的PF分量相关系数分析图；
[0041]图7为本专利技术实施例提供的不同故障类型的ROC曲线图；
[0042]图8为本专利技术提供的火电厂送风机故障诊断系统的结构示意图。
具体实施方式
[0043]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0044]本专利技术的目的是提供一种火电厂送风机故障诊断方法、系统及电子设备，能够准确高效地诊断出火电厂送风机的异常振动故障。
[0045]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0046]如图1所示，本专利技术提供的火电厂送风机故障诊断方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火电厂送风机故障诊断方法，其特征在于，包括：获取火电厂送风机的原始振动信号，并对所述原始振动信号进行降噪处理得到降噪信号；对所述降噪信号进行信号分解得到第一PF分量；将所述第一PF分量从所述原始振动信号中剔除得到剩余信号，并将所述剩余信号作为新的降噪信号，返回执行“对所述降噪信号进行信号分解得到第一PF分量”直至迭代k次，得到第二PF分量；将所述第二PF分量输入多故障分类器得到诊断结果。2.根据权利要求1所述的火电厂送风机故障诊断方法，其特征在于，所述对所述降噪信号进行信号分解得到第一PF分量，具体包括：对所述降噪信号进行LFM分解得到隐含特征；所述隐含特征包括隐含特征P和隐含特征Q；搜索所述隐含特征得到隐含特征极值点；基于所述隐含特征极值点确定相邻隐含特征极值点的均值和包络估计值；确定所述均值的滑动平均值和所述包络估计值的滑动平均值；确定第一局部均值信号和第二局部均值信号；所述第一局部均值信号为所述均值的滑动平均值的局部均值信号；所述第二局部均值信号为所述包络估计值的滑动平均值的局部均值信号；将所述第一局部均值信号从所述原始振动信号分离得到分离信号；基于所述第二局部均值信号对所述分离信号进行解调得到解调信号；基于所述第二局部均值信号确定...

【专利技术属性】
技术研发人员：王荣，常屹，李俊，仇晓智，刘麟，臧电宗，刘吉，刘青松，赵志宏，梁满仓，史艳强，朱启春，牟志强，董伟波，肖梁，范国强，韩建衡，贾志军，刘帅，赵东辉，何立荣，吴立星，孙梓玮，陈刚，彭道刚，裴浩然，
申请(专利权)人：内蒙古京隆发电有限责任公司，
类型：发明
国别省市：