專(zhuān)利名稱：基于cpn網(wǎng)絡(luò)和d-s證據(jù)的汽輪機(jī)集成故障診斷方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種汽輪機(jī)故障診斷，特別涉及一種基于CPN網(wǎng)絡(luò)和D-S證據(jù)的汽輪機(jī)集成故障診斷方法。
背景技術(shù)：
汽輪發(fā)電機(jī)組是電力生產(chǎn)企業(yè)的主要設(shè)備，汽輪機(jī)在運(yùn)行過(guò)程中不斷產(chǎn)生大量不同的信息，這些信息從不同的方面反映了汽輪機(jī)的運(yùn)行狀態(tài)。由于汽輪機(jī)結(jié)構(gòu)比較復(fù)雜，運(yùn)行環(huán)境比較特殊，機(jī)組出現(xiàn)故障情況不可避免，且故障種類(lèi)繁多，有很多故障特征信號(hào)，包括溫度、壓力、振幅、電壓、電流、流量、功率等等，而其中以振動(dòng)信號(hào)包含的故障特征最多， 更能迅速、直接地反映機(jī)組的運(yùn)行狀態(tài)，也比較容易被監(jiān)測(cè)和分析。因此，進(jìn)行汽輪機(jī)故障診斷的研究，對(duì)于發(fā)現(xiàn)故障原因及部位，提高機(jī)組的運(yùn)行可靠性，保障機(jī)組安全、經(jīng)濟(jì)運(yùn)行具有重要意義。信息融合技術(shù)是將來(lái)自不同用途、不同時(shí)間、不同空間的信息，通過(guò)計(jì)算機(jī)技術(shù)在一定準(zhǔn)則下加以自動(dòng)分析和綜合，形成統(tǒng)一的特征表達(dá)信息，以使系統(tǒng)獲得比單一信息源更準(zhǔn)確、更完整的估計(jì)和判決的技術(shù)。它為解決信息時(shí)代的信息處理與決策問(wèn)題提供了先進(jìn)而可靠的方法。在多傳感器系統(tǒng)中，信息融合的基本原理就像人腦綜合處理信息的過(guò)程一樣，將各種傳感器提供的在時(shí)間或者空間上冗余或者互補(bǔ)的信息依據(jù)某種準(zhǔn)則優(yōu)化組合起來(lái)，產(chǎn)生對(duì)觀測(cè)環(huán)境的合理描述。信息融合技術(shù)應(yīng)用于設(shè)備故障診斷是在對(duì)多傳感器的信息進(jìn)行綜合處理基礎(chǔ)上，實(shí)現(xiàn)對(duì)設(shè)備的實(shí)時(shí)狀態(tài)監(jiān)測(cè)、信號(hào)的突變預(yù)測(cè)甚至是故障診斷與報(bào)警。在故障診斷領(lǐng)域，信息融合過(guò)程可以分為數(shù)據(jù)層、特征層、決策層三個(gè)層次，這三個(gè)層次分別代表了對(duì)原始數(shù)據(jù)不同層度的抽象。與傳統(tǒng)的故障診斷技術(shù)相比，信息融合技術(shù)具有更高的診斷準(zhǔn)確度和可信度。信息融合技術(shù)中的證據(jù)理論是一種不確定性推理方法,首先由Dempster提出，并由Shafer進(jìn)一步發(fā)展起來(lái)，形成一套關(guān)于證據(jù)的數(shù)學(xué)理論，因而又稱為D-S證據(jù)理論。D-S 證據(jù)理論主要是依據(jù)可信度函數(shù)運(yùn)算，它是一種解決不確定性問(wèn)題的數(shù)據(jù)融合方法。D-S證據(jù)理論不需要先驗(yàn)信息，并采用區(qū)間估計(jì)的方法來(lái)描述不確定信息，解決了關(guān)于不確定性的表示方法。因此，D-S證據(jù)理論具有很強(qiáng)的處理不確定信息的能力，在區(qū)分不知道與不確定方面以及精確反映證據(jù)收集方面具有很大的靈活性，為不確定信息的表達(dá)和合成提供了強(qiáng)有力的方法，特別適應(yīng)于決策級(jí)信息融合，已經(jīng)在模式識(shí)別、故障診斷、問(wèn)題預(yù)測(cè)、專(zhuān)家系統(tǒng)等領(lǐng)域得到了廣泛應(yīng)用。對(duì)向傳播神經(jīng)網(wǎng)絡(luò)(Counter-propagation Network,簡(jiǎn)稱CPN)是近年來(lái)興起的一種新型特征映射網(wǎng)絡(luò)，它可以克服目前常用的BP神經(jīng)網(wǎng)絡(luò)陷入局部極小點(diǎn)、學(xué)習(xí)速度慢和收斂性差的缺陷。CPN神經(jīng)網(wǎng)絡(luò)將Kohonen特征映射網(wǎng)絡(luò)和Grossberg基本競(jìng)爭(zhēng)型網(wǎng)絡(luò)結(jié)合起來(lái)，發(fā)揮了各自的特長(zhǎng)，適用于故障診斷、模式分類(lèi)、函數(shù)逼近、統(tǒng)計(jì)分析以及數(shù)據(jù)壓縮
坐坐寸寸ο

發(fā)明內(nèi)容
本發(fā)明是針對(duì)汽輪機(jī)包含振動(dòng)信號(hào)的故障診斷的重要性問(wèn)題，提出了一種基于 CPN網(wǎng)絡(luò)和D-S證據(jù)的汽輪機(jī)集成故障診斷方法，以汽輪機(jī)轉(zhuǎn)子振動(dòng)模擬實(shí)驗(yàn)裝置為試驗(yàn)平臺(tái)，將從不同傳感器采集到的汽輪機(jī)振動(dòng)狀態(tài)參數(shù)作為獨(dú)立的數(shù)據(jù)樣本，利用CPN神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論的優(yōu)點(diǎn)，實(shí)現(xiàn)對(duì)汽輪機(jī)當(dāng)前運(yùn)行狀態(tài)進(jìn)行更準(zhǔn)確的診斷和分析。本發(fā)明的技術(shù)方案為一種基于CPN網(wǎng)絡(luò)和D-S證據(jù)的汽輪機(jī)集成故障診斷方法， 方法包括如下具體步驟
1)將從汽輪機(jī)轉(zhuǎn)子振動(dòng)模擬試驗(yàn)臺(tái)上傳感器采集到的汽輪機(jī)振動(dòng)狀態(tài)參數(shù)作為獨(dú)立的數(shù)據(jù)樣本，經(jīng)過(guò)特征提取、處理和參數(shù)歸一化處理后輸入到各自獨(dú)立的CPN神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使得每個(gè)獨(dú)立的CPN神經(jīng)網(wǎng)絡(luò)都能形成故障征兆到故障模式的非線性映射；
2)應(yīng)用各自獨(dú)立的CPN神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷后，將CPN神經(jīng)網(wǎng)絡(luò)的輸出值采用下面公式進(jìn)行歸一化處理，轉(zhuǎn)換成對(duì)應(yīng)該CPN神經(jīng)網(wǎng)絡(luò)的各種故障狀態(tài)的基本概率分配BPA，
權(quán)利要求
1.一種基于CPN網(wǎng)絡(luò)和D-S證據(jù)的汽輪機(jī)集成故障診斷方法，其特征在于，方法包括如下具體步驟1)將從汽輪機(jī)轉(zhuǎn)子振動(dòng)模擬試驗(yàn)臺(tái)上傳感器采集到的汽輪機(jī)振動(dòng)狀態(tài)參數(shù)作為獨(dú)立的數(shù)據(jù)樣本，經(jīng)過(guò)特征提取、處理和參數(shù)歸一化處理后輸入到各自獨(dú)立的CPN神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使得每個(gè)獨(dú)立的CPN神經(jīng)網(wǎng)絡(luò)都能形成故障征兆到故障模式的非線性映射；2)應(yīng)用各自獨(dú)立的CPN神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷后，將CPN神經(jīng)網(wǎng)絡(luò)的輸出值采用下面公式進(jìn)行歸一化處理，轉(zhuǎn)換成對(duì)應(yīng)該CPN神經(jīng)網(wǎng)絡(luò)的各種故障狀態(tài)的基本概率分配BPA，其中A(J)表示第；個(gè)證據(jù)在CPN網(wǎng)絡(luò)中的第J個(gè)輸出結(jié)果；Mi(J)代表第個(gè)證據(jù)對(duì)狀態(tài)J'的BPA ；3)根據(jù)D-S證據(jù)理論的融合規(guī)則對(duì)各個(gè)故障CPN神經(jīng)網(wǎng)絡(luò)的診斷結(jié)果進(jìn)行進(jìn)一步的數(shù)據(jù)融合，求得其正交和M，即為融合后各狀態(tài)故障狀態(tài)的基本概率分配，得到故障診斷結(jié)果。
全文摘要
本發(fā)明涉及一種基于CPN網(wǎng)絡(luò)和D-S證據(jù)的汽輪機(jī)集成故障診斷方法，利用CPN神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論的優(yōu)點(diǎn)，針對(duì)電廠汽輪機(jī)，將從不同傳感器采集到的汽輪機(jī)振動(dòng)狀態(tài)參數(shù)作為獨(dú)立的數(shù)據(jù)樣本，經(jīng)過(guò)特征提取、處理和參數(shù)歸一化處理后輸入各自獨(dú)立的CPN神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使得每個(gè)獨(dú)立的CPN神經(jīng)網(wǎng)絡(luò)都能形成故障征兆到故障模式的非線性映射。再利用D-S證據(jù)理論方法對(duì)各個(gè)CPN神經(jīng)網(wǎng)絡(luò)的診斷結(jié)果進(jìn)行進(jìn)一步的數(shù)據(jù)融合診斷，提高診斷結(jié)果的準(zhǔn)確性和可靠性。從而實(shí)現(xiàn)對(duì)汽輪機(jī)當(dāng)前運(yùn)行狀態(tài)進(jìn)行更準(zhǔn)確的診斷和分析。
文檔編號(hào)G01M15/00GK102589890SQ20121005075
公開(kāi)日2012年7月18日 申請(qǐng)日期2012年3月1日 優(yōu)先權(quán)日2012年3月1日
發(fā)明者夏飛, 張 浩, 彭道剛, 李輝, 錢(qián)玉良 申請(qǐng)人:上海電力學(xué)院