【技术实现步骤摘要】
本专利技术涉及状态监测和故障诊断，尤其涉及一种用于核电站循环水泵的状态监测方法和装置。
技术介绍
1、核电站循环水泵是核电站重要的设备之一，它的作用是将冷却水从低温高压侧引入核反应堆内部，吸收核反应堆中产生的热能，再将加热后的水送往高温低压侧，通过换热器将热能传递给汽轮机，驱动汽轮机发电。循环水泵在核电站中扮演着核反应堆和蒸汽发电系统之间的桥梁作用，是核电站内部能量转换的核心部件。如果循环水泵发生故障，会对核电站的安全和稳定运行造成严重影响，主要包括以下方面：安全风险、生产损失、维修成本和影响电网稳定。具体来说，安全风险中，核电站循环水泵故障可能导致反应堆温度升高、核燃料过热，甚至发生燃料棒熔毁、燃料泄漏等严重事故，对核电站周边环境和人员安全造成威胁。生产损失中，核电站循环水泵是核电站发电的关键设备之一，如果出现故障，将导致电站停机，造成巨大的经济损失。维修成本中，核电站循环水泵是高度复杂的设备，如果出现故障需要进行维修和更换，将会耗费大量时间和人力物力成本。影响电网稳定中，核电站循环水泵故障会导致核电站停机，影响电网的供电稳定性，可能会引起电网短缺，影响公共生活和社会经济发展。因此，对核电站循环水泵的故障需要高度重视，采取有效的故障诊断和维修措施，确保核电站的安全和稳定运行。
2、目前针对机械设备常用的故障诊断方法有基于信号处理的方法和基于智能诊断的方法。传统的使用信号处理的机械设备故障诊断算法通常依赖于信号处理技术，通过提取机械设备振动、声音等传感器采集到的信号特征，进行故障诊断。常见的信号处理方法包括傅里叶变换
3、相比之下，使用深度学习的机械设备故障诊断算法可以自动从原始数据中学习特征和分类器，避免了传统的手工特征提取过程，从而降低了人工干预的成本。常用的深度学习算法包括卷积神经网络(cnn，convolutional neural network)、长短时记忆网络(lstm，long short-termmemory)、自编码器等。这些算法能够自适应地学习数据的特征表示，并且在训练过程中可以自动调整模型参数，以提高模型的准确性和泛化能力。深度学习的机械设备故障诊断算法具有更高的准确性和泛化能力，能够自适应地处理不同类型和来源的数据，例如振动、声音、图像等。此外，深度学习的算法能够处理非线性、高维和复杂的数据，这些数据通常包含大量的噪声和非结构化信息，传统的信号处理方法难以处理。具体来说，专利us6655922公开了一种检测和诊断泵气蚀的系统和方法，包括：测量和/或估计诸如流量，压力和电动机速度的参数，然后将其提供给分类器系统，并由该系统划分气蚀程度。专利us7539549公开了一种控制和诊断电动系统的系统和方法，包括：使用马达驱动器控制电动系统中的马达，并利用与控制器集成的组件根据与电动系统相关联的测量属性来诊断电动系统的健康状况。但是，深度学习需要的算力十分庞大，传统的深度学习神经网络难以在便携式设备上；同时深度学习神经网络需要大量的训练数据，否则难以得到理想的结果。
4、综上，基于信号处理的故障诊断发展至今，诸多学者提出了大量的故障诊断方法。但是，传统的使用信号处理的机械设备故障诊断算法需要依赖于专业知识和经验，需要选择和设计特定的信号处理方法，使得算法的优化和改进需要具有一定的领域知识和经验。并且，传统算法通常难以处理非线性、高维和复杂的数据，适用性受限。此外，算法性能的提升难以通过参数调整和算法结构优化来实现，需要对信号处理方法进行改进和优化，增加了算法的难度。使用深度学习的机械设备故障诊断算法需要大量的数据进行训练，数据需求量较大，且需要进行数据的预处理和清洗，使得算法的使用需要具有较高的计算能力和存储能力；深度学习算法具有复杂的网络结构和参数，难以对算法的预测结果进行解释和解析，影响了算法的可解释性；深度学习算法的鲁棒性较差，对于数据中的噪声和异常值较为敏感，需要在数据预处理和模型设计方面加以优化。
技术实现思路
1、本专利技术旨在至少在一定程度上解决上述的技术问题之一。
2、为此，本专利技术的第一个目的在于提出一种用于核电站循环水泵的状态监测方法，对核电站循环水泵进行实时状态监测，并快速、便捷、高效、准确地进行故障诊断，从而提高故障诊断的准确性和可靠性，进而保障核电站的安全和稳定运行。
3、本专利技术的第二个目的在于提出一种用于核电站循环水泵的状态监测装置。
4、为达到上述目的，本专利技术第一方面实施例提出了用于核电站循环水泵的状态监测方法，包括：
5、采集核电站循环水泵的振动加速度信号；
6、利用滑动窗口切分振动加速度信号，并将切分后重叠的振动加速度信号确定为重叠采样样本；
7、对重叠采样样本进行包络分析以得到包络信号；
8、根据包络信号得到行矩阵；
9、根据行矩阵生成热力图数据集；
10、利用热力图数据集训练神经网络模型；
11、利用训练后的神经网络模型对核电站循环水泵进行状态监测。
12、可选的，在利用滑动窗口切分振动加速度信号之前，还包括：
13、利用公式一对振动加速度信号进行去直流分量处理，公式一：其中，sn(t)表示去直流分量处理后的振动加速度信号，表示振动加速度信号中第i个数据点对应的值，n表示振动加速度信号中数据点的个数。
14、可选的，利用滑动窗口切分振动加速度信号，包括：
15、利用长度为w、移动距离为l的滑动窗口对振动加速度信号进行切分，滑动窗口满足：其中，w表示滑动窗口的长度，fs表示滑动窗口的采样频率，n表示轴承的转速。
16、可选的，对重叠采样样本进行包络分析以得到包络信号，包括：
17、利用公式一对重叠采样样本进行希尔伯特变换，得到希尔伯特变换后的重叠采样样本，公式一：其中，hm(t)表示希尔伯特变换后的重叠采样样本，sm(t)表示重叠采样样本，m表示重叠采样样本的序列，t表示时间，τ表示积分变量；
18、使用重叠采样样本和希尔伯特变换后的重叠采样样本构建解析信号，解析信号通过公式三表示：fm(t)＝sm(t)+jhm(t)，其中，m表示第m个解析信号，j表示虚数单位；
19、将解析信号的幅值作为包络信号，包络信号通过公式四表示：其中，m表示第m个包络信号。
20、可选的，根据包络信号得到行矩阵，包括：
21、对包络信号进行快速傅里叶变换得到包络谱信号；
22、对包络谱信号进行复数取模运算，并取单边振幅谱得到包络谱幅值序列；
23、基于包络谱幅值序列组成行矩阵。
24、可选的，根据行矩阵生成热力图数据集，包括：...
【技术保护点】
1.一种用于核电站循环水泵的状态监测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在利用滑动窗口切分所述振动加速度信号之前，还包括：
3.根据权利要求1所述的方法，其特征在于，利用滑动窗口切分所述振动加速度信号，包括：
4.根据权利要求1所述的方法，其特征在于，对所述重叠采样样本进行包络分析以得到包络信号，包括：
5.根据权利要求1所述的方法，其特征在于，根据所述包络信号得到行矩阵，包括：
6.根据权利要求1所述的方法，其特征在于，根据所述行矩阵生成热力图数据集，包括：
7.根据权利要求6所述的方法，其特征在于，对所述行矩阵中的元素进行极坐标编码，包括：
8.根据权利要求6所述的方法，其特征在于，利用所述热力图生成热力图数据集，包括：
9.根据权利要求8所述的方法，其特征在于，在根据故障类型和堆叠后的所述张量生成热力图数据集之前，还包括：
10.根据权利要求1所述的方法，其特征在于，在利用训练后的神经网络模型对所述核电站循环水泵进行状态监测之前还包括：
11.根据权利要求10所述的方法，其特征在于，将训练后的神经网络模型部署在监测设备上，包括：
12.一种用于核电站循环水泵的状态监测装置，其特征在于，包括：
13.根据权利要求12所述的装置，其特征在于，装置还包括：
14.根据权利要求12所述的装置，其特征在于，所述切分模块，用于：
15.根据权利要求12所述的装置，其特征在于，所述分析模块，用于：
16.根据权利要求12所述的装置，其特征在于，所述计算模块，用于：对所述包络信号进行快速傅里叶变换得到包络谱信号；
17.根据权利要求12所述的装置，其特征在于，所述生成模块，用于：对所述行矩阵中的元素进行极坐标编码；
18.根据权利要求17所述的装置，其特征在于，所述生成模块，用于：
19.根据权利要求17所述的装置，其特征在于，所述生成模块，用于：利用转换函数将所述热力图转化为张量；
20.根据权利要求19所述的装置，其特征在于，所述生成模块，还用于：
21.根据权利要求12所述的装置，其特征在于，装置还包括：
22.根据权利要求21所述的装置，其特征在于，所述部署模块，用于：将所述训练后的神经网络模型转换为静态图表示格式的优化模型；
...【技术特征摘要】
1.一种用于核电站循环水泵的状态监测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在利用滑动窗口切分所述振动加速度信号之前，还包括：
3.根据权利要求1所述的方法，其特征在于，利用滑动窗口切分所述振动加速度信号，包括：
4.根据权利要求1所述的方法，其特征在于，对所述重叠采样样本进行包络分析以得到包络信号，包括：
5.根据权利要求1所述的方法，其特征在于，根据所述包络信号得到行矩阵，包括：
6.根据权利要求1所述的方法，其特征在于，根据所述行矩阵生成热力图数据集，包括：
7.根据权利要求6所述的方法，其特征在于，对所述行矩阵中的元素进行极坐标编码，包括：
8.根据权利要求6所述的方法，其特征在于，利用所述热力图生成热力图数据集，包括：
9.根据权利要求8所述的方法，其特征在于，在根据故障类型和堆叠后的所述张量生成热力图数据集之前，还包括：
10.根据权利要求1所述的方法，其特征在于，在利用训练后的神经网络模型对所述核电站循环水泵进行状态监测之前还包括：
11.根据权利要求10所述的方法，其特征在于，将训练后的神经网...
【专利技术属性】
技术研发人员：张婧，聂洪权，宋磊，杜德君，黄倩，张敏，孙涛，智一凡，徐钊，张荣勇，马颖菲，刘一龙，成玮，陈雪峰，
申请(专利权)人：中国核电工程有限公司，
类型：发明
国别省市：
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。