【技术实现步骤摘要】
一种基于VMD
‑
TCN
‑
BiLSTM神经网络的一次风机轴承振动故障预警方法
[0001]本专利技术涉及火电机组一次风机故障预警
,具体来讲涉及一种基于
VMD
‑
TCN
‑
BiLSTM
神经网络的一次风机轴承振动故障预警方法
。
技术介绍
[0002]轴承在火电机组生产运行中有着举足轻重的地位,承担着零部件关键的支撑作用
。
但因其多变的工作环境,在运行中收到外界从冲击,十分容易出现磨损
、
裂纹
、
形变等缺陷,轻则导致设备故障,重则发生安全事故,造成不利影响
。
因此,如何对轴承故障精确的诊断一直是研究的热点
。
对于轴承故障来说振动信号的分析是最关键的,轴承具有良好的工作状态是,所产生的振动信号具有一定的随机性和平稳性;轴承出现故障时,轴承的振动现象会变得更加剧烈,同时振动信号将会表现出周期性的冲击特性和一定的非平稳性
。
实际测量的振动信号中含有大量无用信息,对混合振动信号中所蕴含的故障特征进行有效提取,是实现轴承故障预警的关键
。
[0003]故障诊断技术是实现轴承故障预警的关键技术
。
在轴承故障诊断领域内,传统的轴承故障诊断方式主要有时域分析法
、
频域分析法和时频分析法三种
。
此类方法主要是提取振动信号特性,并对其进行降噪和信号分解来进行
【技术保护点】
【技术特征摘要】
1.
一种基于
VMD
‑
TCN
‑
BiLSTM
神经网络的一次风机轴承振动故障预警方法,利用经贝叶斯算法优化得到的
BiLSTM
网络建立故障预警模型,其特征在于,按照以下步骤实施:步骤1:获取某火电机组一次风机轴承振动信号数据
。
步骤2:对获取的一次风机轴承振动信号数据进行预处理
。
步骤3:采用
VMD
对原始轴承振动数据信号进行模态分解
。
步骤4:将各模态数据归一化处理并采用滑动窗口重构分解后的模态数据,并划分训练集
、
验证集和测试集
。
步骤5:选用贝叶斯优化算法对
TCN
‑
BiLSTM
的参数进行优化,构建
TCN
‑
BiLSTM
网络拓扑结构
。
步骤6:使用完成的
TCN
‑
BiLSTM
神经网络对某火电机组一次风机振动信号进行故障预警
。2.
根据权利要求1所述中的一种基于
VMD
‑
TCN
‑
BiLSTM
神经网络的一次风机轴承振动故障预警方法,其特征在于,所属步骤1中具体为,获取某一次风机的轴承振动信号数据
。3.
根据权利要求1所述中的一种基于
VMD
‑
TCN
‑
BiLSTM
神经网络的一次风机轴承振动故障预警方法,其特征在于,所述步骤2中具体为,对获取的一次风机轴承振动信号数据进行预处理
。
具体过程如下:步骤
3.1、
预处理的数据通常为缺失数据和异常数据
。
步骤
3.2、
对于异常数据和缺失数据均使用均值插补法进行补全
。
步骤
3.3、
均值插补法如下:其中
x
i
'
作为
t
时刻的期望平抑目标
。
其中,
x
i
‑1为需处理数据的前一个数据点,
x
i+1
为需处理数据的后一个数据点,取需要处理数据的前后两个数据点求取均值进行插补
。4.
根据权利要求1所述中的一种基于
VMD
‑
TCN
‑
BiLSTM
神经网络的一次风机轴承振动故障预警方法,其特征在于,所述步骤3中具体为,采用
VMD
对原始轴承振动数据信号进行模态分解
。
具体过程如下:步骤
4.1、
初始化步骤
4.2、
设定判别精度
e
和分解模态数
K。
步骤
4.3、
更新
u
k
、
ω
k
和
λ
。
步骤
4.4、
当时终止迭代,否则继续更新
u
k
和
ω
k
。5.
根据权利要求1所述中的一种基于
VMD
‑
TCN
‑
BiLSTM
神经网络的一次风机轴承振动故障预警方法,其特征在于,所述步骤4中具体为,将各模态数据归一化处理并采用滑动窗口重构分解后的模态数据,并划分训练集
、
验证集和测试集
。
具体过程如下:步骤
5.1、
将分解的
K
个模态数据进行
Z
‑
Score
标准化,公式如下:其中
j
为所选
X
矩阵中的一个特征或一列,
μ
j
为特征
j
所有值的均值,
σ
j
为特征
j
的标准差
。
步骤
5.2、
采用滑动窗口将标准化后的模态数据重构为
(batch_size,timesteps,input_dim)
的形状
。
步骤
5.3、
将数据集按照
6:1:3
的比例划分为训练集
、
验证集和测试集
。6.
根据权利要求1所述中的一种基于
VMD
‑
TCN
‑
BiLSTM
神经网络的一次风机轴承振动故障预警方法,其特征在于,所述步骤5中具体为,选用贝叶斯优化算法对
TCN
‑
BiLSTM
的参数进行优化,构建
TCN
‑
BiLSTM
网络拓扑结构
。
具体过程如下:步骤
6.1、TCN
模块是在卷积网络的基础上引入了膨胀卷积
、
因果卷积和残差块的跳跃连接三种特殊结构而构建的网络...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。