【技术实现步骤摘要】
本专利技术涉及故障智能诊断领域，具体涉及基于小样本的核电站旋转机械故障诊断方法及相关产品。
技术介绍
1、在核电站运行过程中，反应堆内部的关键设备如主泵、堆内构件、电气贯穿件等，需要持续监测其运行状态，以确保设备的安全、可靠和高效运行。这些设备通常配备有状态监测系统，用于实时监控设备的运行情况、诊断故障并预测故障的发展趋势，从而为设备维修提供决策支持。
2、随着互联网和计算机技术的发展，智能技术逐渐被应用于核电站关键设备的监测和故障诊断领域。其中，深度学习技术由于其高自适应性、自学习和自组织能力，被广泛应用于分类、回归和预测等领域，并取得了显著效果。
3、以核电站的旋转机械如主泵为例，绝大部分时间内主泵处于正常运行状态，故障数据相对较少。这导致了深度学习模型在训练时面临样本稀缺的问题，难以达到预期的故障诊断效果。而现有技术中，针对旋转机械的故障诊断方法多基于大数据和常规的深度学习算法，未能有效解决小样本数据条件下的故障诊断问题。
4、因此，研究如何在小样本条件下有效扩充训练数据，提升故障诊断的准确性，...
【技术保护点】
1.一种基于小样本的核电站旋转机械故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种基于小样本的核电站旋转机械故障诊断方法，其特征在于，故障类型包括：转子不对中、转子不平衡、部件松动、转轴摩擦、转子裂纹、屏蔽泵典型故障；
3.根据权利要求1所述的一种基于小样本的核电站旋转机械故障诊断方法，其特征在于，根据旋转机械的振动参量依次设定两个振动限值T1和T2，且T1＜T2；若振动参量T＜T1，则划分为可接受范围；若T1≤T＜T2，则划分为报警范围；T≥T2，则划分为需采取措施范围。
4.根据权利要求3所述的一种基于小样本的核电...
【技术特征摘要】
1.一种基于小样本的核电站旋转机械故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种基于小样本的核电站旋转机械故障诊断方法，其特征在于，故障类型包括：转子不对中、转子不平衡、部件松动、转轴摩擦、转子裂纹、屏蔽泵典型故障；
3.根据权利要求1所述的一种基于小样本的核电站旋转机械故障诊断方法，其特征在于，根据旋转机械的振动参量依次设定两个振动限值t1和t2，且t1＜t2；若振动参量t＜t1，则划分为可接受范围；若t1≤t＜t2，则划分为报警范围；t≥t2，则划分为需采取措施范围。
4.根据权利要求3所述的一种基于小样本的核电站旋转机械故障诊断方法，其特征在于，根据旋转机械的振动参量还依次设定三个预警值t1、t2和t3，且t1＜t1＜t2＜t2＜t3；若t1＜t＜t1，则确定为可接受范围向报警范围转换的预警；若t2＜t＜t2，则确定为报警范围向需采取措施范围转换的预警；若t＞t2，则确定为急需处理的预警。
5.根据权利要求3或4所述的一种基于小样本的核电站旋转机械故障诊断方法，其特征在于，振动参量包括振动烈度、振动位移峰值、振动频谱中基...
【专利技术属性】
技术研发人员：李书剑，杨泰波，王广金，庞天枫，罗能，刘才学，罗婷，王琰，
申请(专利权)人：中国核动力研究设计院，
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。