[发明专利]一种燃气轮机传感器信号的故障识别方法和装置在审
申请号: | 202010489253.5 | 申请日: | 2020-06-02 |
公开(公告)号: | CN111752259A | 公开(公告)日: | 2020-10-09 |
发明(设计)人: | 王玉璋;孙荣灼;史历程;赵群飞 | 申请(专利权)人: | 上海交通大学 |
主分类号: | G05B23/02 | 分类号: | G05B23/02;F02C9/00 |
代理公司: | 上海科盛知识产权代理有限公司 31225 | 代理人: | 宣慧兰 |
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: | 一种 燃气轮机 传感器 信号 故障 识别 方法 装置 | ||
1.一种燃气轮机传感器信号的故障识别方法,其特征在于,具体包括以下步骤:
步骤S1:获取燃气轮机控制系统的传感器运行数据和故障信号数据,将所述传感器运行数据和故障信号数据叠加,并标注对应的故障类型标签,形成传感器故障信号数据库;
步骤S2:逐个提取所述传感器故障信号数据库里的传感器信号,利用小波分解对提取出的传感器信号进行处理,构成多维度的信号特征向量作为所述传感器信号的本体特征;
步骤S3:所述传感器故障信号数据库中带有故障类型标签的传感器信号按比例分成训练集和测试集,输入故障分类器进行训练,当所述训练集在故障分类器中回归输出的故障结果与其故障类型标签之间的准确率小于设定阈值时,输出训练完成的故障分类器。所述训练完成的故障分类器对测试集进行识别,记录分类结果、分类准确率和识别用时。
2.根据权利要求1所述的一种燃气轮机传感器信号的故障识别方法,其特征在于,所述故障信号数据的类型包括阶跃故障、脉冲故障、噪声故障、漂移故障和周期故障。
3.根据权利要求2所述的一种燃气轮机传感器信号的故障识别方法,其特征在于,所述故障类型标签包括数字0-4,数字0表示阶跃故障,数字1表示脉冲故障、数字2表示噪声故障、数字3表示漂移故障,数字4表示周期故障。
4.根据权利要求1所述的一种燃气轮机传感器信号的故障识别方法,其特征在于,所述小波分解具体为4阶Daubechies小波,将所述传感器信号逐层分解为细节系数分量和近似系数分量。
5.根据权利要求4所述的一种燃气轮机传感器信号的故障识别方法,其特征在于,所述小波分解的总层数为5层。
6.根据权利要求5所述的一种燃气轮机传感器信号的故障识别方法,其特征在于,后一层的所述近似系数分量和细节系数分量通过分解上一层的近似系数分量得到。
7.根据权利要求6所述的一种燃气轮机传感器信号的故障识别方法,其特征在于,所述多维度的信号特征向量具体为7个维度,分别是第五层的近似系数分量和细节系数分量、其余四层的细节系数分量共6个维度,最后一个维度是第四层和第五层的细节系数分量与近似系数分量信号的均值、方差以及整个传感器信号的小波能量熵。
8.根据权利要求1所述的一种燃气轮机传感器信号的故障识别方法,其特征在于,所述故障分类器中显示训练集的故障类型标签,隐藏测试集的故障类型标签。
9.一种基于燃气轮机传感器信号的故障识别方法的装置,其特征在于,包括存储器和处理器,所述故障识别方法以计算机程序的形式存储于所述存储器中,并由所述处理器执行,执行时实现以下步骤:
步骤S1:获取燃气轮机控制系统的传感器运行数据和故障信号数据,将所述传感器运行数据和故障信号数据叠加,并标注对应的故障类型标签,形成传感器故障信号数据库;
步骤S2:逐个提取所述传感器故障信号数据库里的传感器信号,利用小波分解对提取出的传感器信号进行处理,构成多维度的信号特征向量作为所述传感器信号的本体特征;
步骤S3:所述传感器故障信号数据库中带有故障类型标签的传感器信号按比例分成训练集和测试集,输入故障分类器进行训练,当所述训练集在故障分类器中回归输出的故障结果与其故障类型标签之间的准确率小于设定阈值时,输出训练完成的故障分类器。所述训练完成的故障分类器对测试集进行识别,记录分类结果、分类准确率和识别用时。
10.根据权利要求9所述的一种基于燃气轮机传感器信号的故障识别方法的装置,其特征在于,所述故障信号数据的类型包括阶跃故障、脉冲故障、噪声故障、漂移故障和周期故障。
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,未经上海交通大学许可,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/202010489253.5/1.html,转载请声明来源钻瓜专利网。