一种振动信号二维映射的数据安全风险识别系统及方法技术方案

本发明专利技术涉及电力能源电子计算信息技术领域，特别涉及一种振动信号二维映射的数据安全风险识别系统，包括硬件部分和软件部分；硬件部分包括振动信号采集装置及计算信息存储装置；软件部分包括一维信号预处理模块、特征增强融合模块、二维皮亚诺映射模块、相位一致性筛选模块、灰度特征对比优化模块以及卷积网络模型训练模块。本发明专利技术中的振动信号二维映射的数据安全风险识别系统，从样本映射空间转换的角度来对实际的故障信号进行实际的处理，可以提高实际转动机械设备故障信号的特征识别能力，进而提高转动机械故障缺陷数据的高效分类处理和风险识别。本发明专利技术还提供了一种振动信号二维映射的数据安全风险识别方法。二维映射的数据安全风险识别方法。二维映射的数据安全风险识别方法。

【技术实现步骤摘要】
一种振动信号二维映射的数据安全风险识别系统及方法


[0001]本专利技术涉及电力能源电子计算信息
，更具体地说，特别涉及一种振动信号二维映射的数据安全风险识别系统及方法。

技术介绍

[0002]数据处理风险识别电子设备元件是现代社会电力能源应用中不可或缺的物质支撑。在目前通常的电站转动机械风险防护处理中，通常采用定期人工巡检的方式来进行，即通过振动探针来对转动机械进行振动健康状态的定期监测和故障状态判断。而已有针对转动机械的振动保护装置，即为转动设备安装相应的振动探头进行设备保护，例如TSI系统、DCS系统、ETS系统等。但是该类系统不会对振动信号的强弱状态持续进行监测，通常会为振动信号设置相应的保护阈值，达到振动信号的保护逻辑条件之后，随即触发转动机械的停机保护动作指令。因为该类保护系统装置无法对振动设备进行动态的设备状态预警，电站系统中如何快速有效的将潜在存在的转动机械缺陷状态及时发现，并将相应潜在的缺陷风险进行有效的辨识和预警，是影响发电系统正常经济运行的重要因素。尤其是在核电站的运行设备系统监测中，需要考虑当发生严重事故情况时，如何快速有效的将堆芯内余热通过循环冷却水带走，进而避免发生熔堆等严重事故。当转动机械设备发生振动缺陷故障导致被迫停运后，需要机组设备检修维护人员对转动机械设备进行解体检查，并依次检查处理受损的轴承设备并撰写相应的故障处理事件报告。由于各个不同类型的转动机械设备之间存在着不同程度的数据孤岛现象，因此，如何能实现电站转动机械设备故障信息的智能动态识别及风险预警防护，打破转动机械设备故障处理数据中的数据孤岛现象，是电力系统未来实现智慧发电应该解决的一个主要的问题。
[0003]随着能源大数据振动信号处理算法和深度学习分析性能的不断提高，数据驱动模式的故障状态诊断是未来智慧电站技术发展的主要方向之一。但是能源大数据的技术实现和数据处理的过程分析，由于所涉及的转动机械设备型号种类的差异化以及实际转动机械故障振动特点的复杂特殊性，目前仍然没有被设计实现应用在实际的转动机械设备维护检修过程之中。针对目前已有的振动信号的深度学习算法处理，主要有小波变换处理法、堆叠自编码特征识别、最大分类差异的域自适应方法等。在这些算法中，仍然存在着一些问题。例如每一类故障的样本数量必须保持相对一致，否则容易发生采样误差。且上述该类算法依赖于实际输入的故障信号样本，通常故障信号样本以标准的轴承故障振动实验室进行人为故障实验来获取得到的。该类故障样本跟实际生产环境中的机械故障特征具有明显的差异性。因此单纯的算法改进不能解决样本故障的差异问题。因此从样本映射空间转换的角度来对实际的故障信号进行实际的处理，可以提高实际转动机械设备故障信号的特征识别能力。进而提高转动机械故障缺陷数据的高效分类处理和风险识别，是未来转动机械设备实现状态检修及高效的风险防护预警的发展趋势之一，具有较为广阔的应用前景和重要的现实意义。

技术实现思路

[0004]本专利技术为解决目前电站转动机械设备的故障风险识别处理能力不足，不能在转动机械设备发生故障状态的早期进行状态预警检查进而导致故障设备被迫停运所面临的检修时间不充分的问题，旨在提供一种具有可靠的振动信号数据处理的高维映射转换以及风险识别的振动信号二维映射的数据安全风险识别系统。
[0005]本专利技术采用了如下的技术方案：
[0006]一种振动信号二维映射的数据安全风险识别系统，包括硬件部分和软件部分；
[0007]所述硬件部分包括振动信号采集装置及计算信息存储装置，所述振动信号采集装置安装于转动机械的轴承部件上，用于采集转动机械振动信号，并将转动机械振动信号传输给所述计算信息存储装置，所述计算信息存储装置与所述振动信号采集装置通信连接，用于接收所述振动信号采集装置采集的转动机械振动信号，并对转动机械振动信号进行计算存储；
[0008]所述软件部分包括一维信号预处理模块、特征增强融合模块、二维皮亚诺映射模块、相位一致性筛选模块、灰度特征对比优化模块以及卷积网络模型训练模块；所述一维信号预处理模块用于对采集的转动机械振动信号进行数据增强的数据截断，通过滤波得到信号降噪后的截断振动信号；所述特征增强融合模块用于对截断振动信号进行基于多量程克隆连接的特征增强融合，通过拟合得到特征融合后的振动信号；所述二维皮亚诺映射模块用于对特征融合后的振动信号进行皮亚诺二维映射转换，得到二维皮亚诺特征图；所述相位一致性筛选模块用于根据实际的灰度像素信息，对实际的故障特征相位一致性信息进行筛选，并分别得到不同故障特征的相位灰度图；所述灰度特征对比优化模块用于根据图像自相关性判断是否存在特征漏检区域点，并根据实际的故障灰度区进行特征对比调节优化；所述卷积网络模型训练模块，用于根据最终得到故障类型灰度样本图，进行卷积神经网络的故障模型训练，最终计算识别出相应故障振动信号的故障类型和受损程度。
[0009]进一步的，所述计算信息存储装置设置有抗干扰屏蔽层，所述抗干扰屏蔽层采用多纳米聚合防腐蚀金属外壳材料。
[0010]进一步的，所述多纳米聚合防腐蚀金属外壳材料由镍钛合金和多粒径聚合纳米防腐蚀材料1～2:1.5～5混合而成，所述聚合纳米防腐蚀材料的粒径为20nm～750nm。
[0011]本专利技术还提供了一种振动信号二维映射的数据安全风险识别方法，包括以下步骤：
[0012]步骤一，采集转动信号：通过振动信号探头采集转动机械的振动信号；
[0013]步骤二，一维信号预处理：对采集的振动信号进行数据增强的数据截断，通过BM3D滤波得到信号降噪后的截断振动信号；
[0014]步骤三，特征增强融合：对截断振动信号进行基于多量程克隆连接的特征增强融合，通过细化、最优平均、最小二乘法拟合得到特征融合后的振动信号；
[0015]步骤四，二维皮亚诺映射：对特征融合后的振动信号进行4～6阶皮亚诺二维映射转换，得到二维皮亚诺特征图；
[0016]步骤五，相位一致性筛选：根据实际的灰度像素信息，对实际的故障特征相位一致性信息进行筛选，并分别得到不同故障特征的相位灰度图；
[0017]步骤六，灰度特征对比优化：根据图像自相关性判断是否存在特征漏检区域点，并
根据实际的故障灰度区进行特征对比调节优化，最终得到故障类型灰度样本图；
[0018]步骤七，卷积网络模型训练：根据最终得到故障类型灰度样本图，进行卷积神经网络的故障模型训练，最终计算识别出相应故障振动信号的故障类型和受损程度。
[0019]进一步的，在步骤三中，对截断振动信号采用1/4等间距的数据增强处理，采用Canny算子对振动信号进行局部噪声的非极大值的抑制过程处理，对抑制处理后的数据采用24～26量程范围内的最优平均数据克隆，以增强样本空间的特征识别融合。
[0020]进一步的，在步骤四中，对特征融合后的振动信号序列向二维空间平面进行转换的过程中，采用皮亚诺型空间填充曲线进行一维信号向二维平面的空间映射，映射的样本空间范围在8
×
8～64
×<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种振动信号二维映射的数据安全风险识别系统，其特征在于，包括硬件部分和软件部分；所述硬件部分包括：振动信号采集装置，安装于转动机械的轴承部件上，用于采集转动机械振动信号，并将转动机械振动信号传输给计算信息存储装置；以及计算信息存储装置，与所述振动信号采集装置通信连接，用于接收所述振动信号采集装置采集的转动机械振动信号，并对转动机械振动信号进行计算存储；所述软件部分包括：一维信号预处理模块，用于对采集的转动机械振动信号进行数据增强的数据截断，通过滤波得到信号降噪后的截断振动信号；特征增强融合模块，用于对截断振动信号进行基于多量程克隆连接的特征增强融合，通过拟合得到特征融合后的振动信号；二维皮亚诺映射模块，用于对特征融合后的振动信号进行皮亚诺二维映射转换，得到二维皮亚诺特征图；相位一致性筛选模块，用于根据实际的灰度像素信息，对实际的故障特征相位一致性信息进行筛选，并分别得到不同故障特征的相位灰度图；灰度特征对比优化模块，用于根据图像自相关性判断是否存在特征漏检区域点，并根据实际的故障灰度区进行特征对比调节优化；卷积网络模型训练模块，用于根据最终得到故障类型灰度样本图，进行卷积神经网络的故障模型训练，最终计算识别出相应故障振动信号的故障类型和受损程度。2.根据权利要求1所述的振动信号二维映射的数据安全风险识别系统，其特征在于：所述计算信息存储装置设置有抗干扰屏蔽层，所述抗干扰屏蔽层采用多纳米聚合防腐蚀金属外壳材料。3.根据权利要求2所述的振动信号二维映射的数据安全风险识别系统，其特征在于：所述多纳米聚合防腐蚀金属外壳材料由镍钛合金和多粒径聚合纳米防腐蚀材料1～2:1.5～5混合而成，所述聚合纳米防腐蚀材料的粒径为20nm～750nm。4.一种振动信号二维映射的数据安全风险识别方法，其特征在于，包括以下步骤：步骤一，采集转动信号：通过振动信号探头采集转动机械的振动信号；步骤二，一维信号预处理：对采集的振动信号进行数据增强的数据截断，通过BM3D滤波得到信号降噪后的截断振动信号；步骤三，特征增强融合：对截断振动信号进行基于多量程克隆连接的特征增强融合，通过细化、最优平均、最小二乘法中的一种拟合得到特征融合后的振动信号；步骤四，二维皮亚诺映射：对特征融合后的振动信号进行4～6阶皮亚诺二维映射转换，得到二维皮亚诺特征图；步骤五，相位一致性筛选：根据实际的灰度像素信息，对实际的故障特征相位一致性信息进行筛选，并分别得到不同故障特征的相位灰度图；步骤六，灰度特征对比优化：根据图像自相关性判断是否存在特征漏检区域点，...

【专利技术属性】
技术研发人员：马栋梁，张一名，陈辉，裴蕾，
申请(专利权)人：河北金融学院，
类型：发明
国别省市：