一种基于深度学习的主氦风机故障诊断系统及方法技术方案

本发明专利技术提供了一种基于深度学习的主氦风机故障诊断系统及方法，属于主氦风机故障诊断技术领域，包括，融合振动、电流、温度等多源传感器数据，采用注意力机制卷积神经网络进行故障模式识别和根源定位；同时，引入健康指数预测模型和动态预警阈值，实现多级别实时预警；此外，通过在线学习和迁移学习技术，赋予诊断模型持续进化和快速部署能力。本发明专利技术集故障诊断、趋势预测、预警决策、自适应学习于一体，为主氦风机智能运维提供了新思路，在提高核电机组安全性、可靠性和经济性方面具有重要价值。

【技术实现步骤摘要】

本专利技术涉及主氦风机故障诊断，尤其涉及一种基于深度学习的主氦风机故障诊断系统及方法。

技术介绍

1、主氦风机是核电站关键设备之一，其作为核反应堆一回路系统的主要循环动力，肩负着冷却剂循环和热量传递的重要职责，其运行状态直接关系到核电机组的安全与效率。然而，主氦风机由于其复杂的内部结构和苛刻的工作环境，长期运行过程中不可避免地会发生各类机械故障和性能退化问题，如轴承磨损、叶片开裂、转子不平衡等。这些故障一旦发生，轻则影响机组运行效率，重则可能引发事故，造成重大的安全隐患和经济损失。因此，对主氦风机进行状态监测和故障诊断至关重要。

2、传统的主氦风机故障诊断主要依赖于人工巡检和定期检修，存在诸多局限性：首先，离线检测无法及时发现设备的早期异常，可能错失最佳的维修时机；其次，拆卸检查会破坏设备完整性，引入新的故障风险；再者，维修决策高度依赖专家经验，缺乏客观量化的依据。随着状态监测技术的发展，机组运行过程中产生了海量的多源传感器数据，蕴含着设备健康状态的重要信息。如何高效地整合这些异构数据，及时准确地诊断主氦风机故障，成为一个亟待解决的问题。...

【技术保护点】

1.一种基于深度学习的主氦风机故障诊断系统，其特征在于：包括数据采集模块、数据预处理模块、故障预警模块、故障诊断模块以及在线自适应模块；

2.如权利要求1所述的一种基于深度学习的主氦风机故障诊断系统，其特征在于：所述数据采集模块包括，系统上部署有振动传感器、电流传感器、温度传感器，实时采集主氦风机运行数据；

3.如权利要求2所述的一种基于深度学习的主氦风机故障诊断系统，其特征在于：所述故障预警模块包括，健康指数预测子模块和预警规则优化子模块；

4.如权利要求3所述的一种基于深度学习的主氦风机故障诊断系统，其特征在于：所述在线自适应模块包括，在线学习子模...

【技术特征摘要】

1.一种基于深度学习的主氦风机故障诊断系统，其特征在于：包括数据采集模块、数据预处理模块、故障预警模块、故障诊断模块以及在线自适应模块；

2.如权利要求1所述的一种基于深度学习的主氦风机故障诊断系统，其特征在于：所述数据采集模块包括，系统上部署有振动传感器、电流传感器、温度传感器，实时采集主氦风机运行数据；

3.如权利要求2所述的一种基于深度学习的主氦风机故障诊断系统，其特征在于：所述故障预警模块包括，健康指数预测子模块和预警规则优化子模块；

4.如权利要求3所述的一种基于深度学习的主氦风机故障诊断系统，其特征在于：所述在线自适应模块包括，在线学习子模块和跨设备迁移子模块；

5.一种采用如权利要求1～4任一所述的一种基于深度学习的主氦风机故障诊断系统的方法，其特征在于：所述异常值检测和去除子模块包括，采用基于z-score和基于箱线图的综合异常值检测方法，当数据服从正态分布时，则z-score表示数据点相对于均值的偏离程度，计算公式为：

6.如权利要求5所述的一种基...

【专利技术属性】
技术研发人员：王苗苗，董毓晖，邢艳平，崔超，姜峰，严义杰，王健，常重喜，
申请(专利权)人：华能核能技术研究院有限公司，
类型：发明
国别省市：