[发明专利]基于贝叶斯网络模型的燃气轮机气路故障的检测方法在审
| 申请号： | 201811354221.3 | 申请日： | 2018-11-14 |
| 公开（公告）号： | CN109508745A | 公开（公告）日： | 2019-03-22 |
| 发明（设计）人： | 夏唐斌;徐伟;司国锦;周骏;史周;郑宇 | 申请（专利权）人： | 上海交通大学;中国电信股份有限公司上海分公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46;G06Q50/06 |
| 代理公司： | 上海交达专利事务所 31201 | 代理人： | 王毓理;王锡麟 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 燃气轮机 贝叶斯网络模型 气路故障 气路系统 优化测试 正常工况 检测 实时信号采集 在线故障检测 预处理 贝叶斯网络 参数学习 参数优化 测量参数 工况状态 聚类分析 气路部件 实时检测 数据集中 数据生成 系统故障 异常参数 优化训练 测试集 初始化 离散化 数据集 训练集 测试 优化 学习 | ||
1.一种基于贝叶斯网络模型的燃气轮机气路故障的检测方法，其特征在于，将实时信号采集得到的燃气轮机气路部件的数据生成数据集，从数据集中得到正常工况参数、待测异常参数、训练集和测试集，经预处理和聚类分析得到离散化后的优化训练集和优化测试集，然后通过优化测试集对经初始化以及参数优化后的贝叶斯网络进行测试，得到用于实时检测燃气轮机气路系统当前的工况状态的优化贝叶斯网络模型，从而对系统故障进行检测。
2.根据权利要求1所述的基于贝叶斯网络模型的燃气轮机气路故障的检测方法，其特征是，所述的数据集，包含多个周期燃气轮机气路部件正常运行数据和故障数据，经划分得到正常工况参数、待测异常参数。
3.根据权利要求1所述的基于贝叶斯网络模型的燃气轮机气路故障的检测方法，其特征是，所述的训练集和测试集来自无量纲化处理后的数据集中随机抽取的数据，优选训练集和测试集的比例为4:1。
4.根据权利要求1所述的基于贝叶斯网络模型的燃气轮机气路故障的检测方法，其特征是，所述的预处理包括：清洗异常值以删除无效数据、迭代中值滤波以降低测量仪器噪声以及结合梯度和Laplacian算子的边缘检测以减少错误预警。
5.根据权利要求1所述的基于贝叶斯网络模型的燃气轮机气路故障的检测方法，其特征是，所述的聚类分析是指：采用K-Means算法基于正常工况参数和待测异常参数对训练集进行连续变量聚类分析，使训练集离散化并得到优化训练集和优化测试集。
6.根据权利要求1所述的基于贝叶斯网络模型的燃气轮机气路故障的检测方法，其特征是，所述的贝叶斯网络，采用基于遗传算法与K2(GA-K2)算法相结合和贝叶斯信息准则(BIC)的方法建立得到。
7.根据权利要求1所述的基于贝叶斯网络模型的燃气轮机气路故障的检测方法，其特征是，所述的初始化是指：将优化训练集基于历史经验和专家知识进行建模以将专家知识转化为先验概率分布。
8.根据权利要求1所述的基于贝叶斯网络模型的燃气轮机气路故障的检测方法，其特征是，所述的参数优化是指：采用重要性抽样法产生模拟样本后，再利用贝叶斯估计整合先验知识优化网络参数学习。
9.根据权利要求1所述的基于贝叶斯网络模型的燃气轮机气路故障的检测方法，其特征是，所述的测试是指：基于优化测试集进行贝叶斯网络模型测试，输出推断准确率最优的贝叶斯网络模型。
10.本发明涉及一种实现上述方法的系统，包括：信号采集模块、贝叶斯网络训练模块以及贝叶斯网络测试模块，其中：信号采集模块输入实时采集得到的燃气轮机气路部件的数据，贝叶斯网络训练模块与信号采集模块相连并传输离散化后的优化训练集和优化测试集，贝叶斯网络测试模块与贝叶斯网络训练模块相连并传输经初始化以及参数优化后的贝叶斯网络，贝叶斯网络测试模块输出推断准确率最优的贝叶斯网络模型。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学;中国电信股份有限公司上海分公司，未经上海交通大学;中国电信股份有限公司上海分公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811354221.3/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种旅游景点的分类方法
- 下一篇：基于卷积神经网络的脉冲星候选体识别方法
