基于图卷积神经网络的磨煤机故障诊断方法技术

本发明专利技术公开了一种基于图卷积神经网络的磨煤机故障诊断方法，包括如下步骤：构建卷积图神经网络模型；所述卷积图神经网络模型包括卷积层、GCN层和Softmax输出层；通过所述卷积层对磨煤机的运行状态数据集进行预处理获得训练样本数据集以及测试样本数据集；将所述训练样本数据集或所述测试样本数据集依次输入所述GCN层和所述Softmax输出层进行训练或测试，获得训练后卷积图神经网络模型；将待诊断磨煤机样本集输入训练后卷积图神经网络模型进行故障诊断并获得诊断结果。本发明专利技术通过设定的卷积层能够有效的解决因为磨煤机的运行参数是时间序列，并且各参数之间相关性不同，而难以构建邻接矩阵，进而导致用于磨煤机故障诊断的神经网络模型检测准确性较低的问题。断的神经网络模型检测准确性较低的问题。断的神经网络模型检测准确性较低的问题。

【技术实现步骤摘要】
基于图卷积神经网络的磨煤机故障诊断方法


[0001]本专利技术属于及其故障检测
，具体涉及一种基于图卷积神经网络的磨煤机故障诊断方法。

技术介绍

[0002]目前我国电力工业经过一个快速发展阶段，火电厂的数目和装机容量已经达到了非常巨大的数量。虽然燃煤机组的技术在不断的发展，但与此同时，火电厂一些关键设备的可靠性、可用性、可维修性与安全性的问题也日益突出。电站磨煤机是锅炉燃烧制粉系统的核心设备，其运行状况直接影响到电站系统的安全性和经济性。此外，在长期的煤粉磨制过程中，还存在设备安全隐患、零部件老化磨损等问题，导致磨煤机性能退化甚至发生故障，严重影响电力系统安全生产运行。目前电厂常规的磨煤机维护方案是根据磨煤机运行时间，定期进行检修。这种计划性方案不考虑机器的实际运行状态，因此存在着在正常工作状态下的机器被停机检修(过维护)，而在故障边缘的机器却被忽略(欠维护)的问题。由于磨煤机对保障电厂生产率的关键作用，非计划停机检修将可能导致较大的经济损失。
[0003]近年来，随着信息技术和人工智能技术发展，利用在机器上安装传感器进行在线检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图卷积神经网络的磨煤机故障诊断方法，包括如下步骤：构建卷积图神经网络模型；所述卷积图神经网络模型包括卷积层、GCN层和Softmax输出层；通过所述卷积层对磨煤机的运行状态数据集进行预处理获得训练样本数据集以及测试样本数据集；将所述训练样本数据集或所述测试样本数据集依次输入所述GCN层和所述Softmax输出层进行训练或测试，获得训练后卷积图神经网络模型；将待诊断磨煤机样本集输入训练后卷积图神经网络模型进行故障诊断并获得诊断结果；其中，所述卷积层为式中，W为神经网络需要学习的卷积核，N为卷积核的尺寸，I为输入的时域数据，m为数据的个数，n为参数的维度；而valid互相关表示当输入的信号末尾数据长度不足卷积核的尺寸时，采用直接截断处理，不做0值填充补齐。2.根据权利要求1所述的基于图卷积神经网络的磨煤机故障诊断方法，其特征在于：所述构建卷积图神经网络模型后，还包括设定所述卷积图神经网络模型的初始参数。3.根据权利要求1所述的基于图卷积神经网络的磨煤机故障诊断方法，其特征在于：所述对磨煤机的运行状态数据集进行预处理的过程包括如下步骤：将磨煤机的运行状态数据集分成故障数据以及非故障数据并打上对应的标签；将磨煤机的运行状态数据集中的运行参数设为节点，强相关性的参数之间连接边，将运行参数构建为图结构。4.根据权利要求1所述的基于图卷积神经网络的磨煤机故障诊断方法，其特征在于：所述GCN层中层与层之间的传播方式为：f(H
(l)
,A)＝σ(AH
(l)<...

【专利技术属性】
技术研发人员：冯旭刚，赵凯，王正兵，王伟，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：