[发明专利]一种汽轮机转子振动故障诊断方法及装置

说明书

本申请提供了一种汽轮机转子振动故障诊断方法及装置，汽轮机转子振动故障诊断方法包括：获取汽轮机转子振动信号；利用卷积神经网络故障诊断模型，对汽轮机转子振动信号进行分类识别，得到故障诊断结果。在本申请中，通过以上方式实现了对汽轮机转子的故障诊断。

技术领域

本申请涉及汽轮机故障诊断领域，特别涉及一种汽轮机转子振动故障诊断方法及装置。

背景技术

汽轮机是火电厂的核心设备之一。在长期连续高速旋转过程中，汽轮机转子在某些情况下可能出现故障，而汽轮机转子故障程度不同将引起机组振动。异常振动对安全生产构成了重大隐患，并已经造成了一些严重的设备事故。由此可见，汽轮机转子故障诊断是关系到发电厂安全运行的重要课题之一。

其中，由于汽轮机转子振动信号是设备状态信息的载体，蕴含了丰富的设备异常或故障的信息，因此可以通过对汽轮机转子振动信号进行处理来实现汽轮机转子故障诊断。而如何对汽轮机转子振动信号进行处理，来实现汽轮机转子故障诊断成为问题。

发明内容

为解决上述技术问题，本申请实施例提供一种汽轮机转子振动故障诊断方法及装置，以达到实现对汽轮机转子的故障诊断的目的，技术方案如下：

一种汽轮机转子振动故障诊断方法，包括：

获取汽轮机转子振动信号；

利用卷积神经网络故障诊断模型，对所述汽轮机转子振动信号进行分类识别，得到故障诊断结果。

优选的，所述卷积神经网络故障诊断模型包括：输入层、n个卷积层、n个下采样层、全连接层和输出层，n为不小于1的整数；

第1个卷积层分别与所述输入层和第1个下采样层相连，第i个卷积层分别与第i-1个下采样层和第i个下采样层相连，第n个下采样层与所述全连接层相连，所述全连接层与所述输出层相连，i为大于1且不大于n的整数；

所述输入层用于将原始的数据信号输入到由二维平面构成的网格中；

各个所述卷积层的输入为：各个所述卷积层的输出为：

其中，l为不小于1的整数，所述卷积神经网络故障诊断模型的第l层为卷积层，R_i表示输入数据信号的集合；是所述卷积神经网络故障诊断模型的第l-1层的第i个特征平面的激活值；是所述卷积神经网络故障诊断模型的第l层第j个特征平面与第(l-1)层第i个特征平面的卷积核；是所述卷积神经网络故障诊断模型的第l层的第j个特征平面的偏置值；是所述卷积神经网络故障诊断模型的第l层的第j个特征平面的加权和，f()表示激活函数，“*”是卷积符号，是所述卷积神经网络故障诊断模型的第l层第j个特征平面的激活值；

各个所述下采样层的输入为：各个所述下采样层的输出为：

其中，第l+1层为下采样层，所述卷积神经网络故障诊断模型的第l+1层的第j通道的净激活，是所述卷积神经网络故障诊断模型的第l+1层的权重系数，是所述卷积神经网络故障诊断模型的第l+1层的偏置项，down()是下采样函数，f()表示激活函数，是所述卷积神经网络故障诊断模型的第l+1层第j个特征平面的激活值；

所述全连接层的输出为：u₁＝ω₁x₁+b₁，其中x'＝f(u₁)，ω₁是所述卷积神经网络故障诊断模型的全连接层的权重系数，b₁是所述卷积神经网络故障诊断模型的全连接层的偏置值，x₁是所述全连接层的前一层输出的特征矩阵转换为一维数据，得到的一维数据特征，u₁是所述卷积神经网络故障诊断模型的全连接层的净激活值，x'是所述卷积神经网络故障诊断模型的全连接层的激活值，f()表示激活函数；