[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

说明书

本发明涉及一种燃气轮机传感器信号的故障识别方法，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并叠加，标注故障类型标签，形成传感器故障信号数据库；步骤S2：逐个数据库里的传感器信号，利用小波分解进行处理，构成多维度的信号特征向量作为本体特征；步骤S3：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，当训练集的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，对测试集进行识别，记录分类结果、分类准确率和识别用时。与现有技术相比，本发明具有提高传感器信号故障识别的准确率、同时识别故障类型等优点。

技术领域

本发明涉及动力工程技术领域，尤其是涉及一种燃气轮机传感器信号的故障识别方法和装置。

背景技术

燃气轮机工况环境较为复杂，例如快速启停、复杂的烟雾环境等等，导致燃气轮机控制系统的传感器不可避免的发生各种各样故障，如果故障信号被传送到燃气轮机控制系统，将会使得燃气轮机控制系统基于错误的监测数据从而做出错误的控制决策，导致燃气轮机停机或者产生其他安全事故，因此如何快速准确判断燃气轮机传感器信号是否故障对于燃气轮机的安全运行具有非常重要作用。

传统的传感器信号故障检测算法是基于提取信号本体特征并且通过设定阈值判断燃气轮机控制系统传感器是否发生故障，但是该方法的局限性在于阈值的设定是根据实验经验取得且主观性过大，极易导致诊断出错。随着机器学习和深度学习等人工智能算法的兴起，也有人将人工智能技术和算法应用于燃气轮机传感器故障诊断中去。该方法利用传感器的历史数据训练出传感器的数学模型，通过比较传感器模型输出与真实测量值便可以判定传感器是否发生故障。但是该种方法需要大量历史运行数据用作训练模型，且该种方法不能够提取信号本体特征，也无法判断传感器故障类型，且只能用作离线诊断，并不能适用于工业现场的应用。

现有技术公开了一种燃气轮机双转速传感器信号故障处理方法及装置，将获取的传感器信号和故障诊断参数输入到故障诊断模块的阈值判别块来对传感器故障进行判断。但阈值判别块的具体阈值由人为设定，主观性较大，且该方法仅能判断出传感器信号是否发生故障，不能定位具体的故障类型，增加后续维修工作的难度。

发明内容

本发明的目的就是为了克服上述现有技术存在的人为设定阈值主观性较大、不能判断传感器故障类型的缺陷而提供一种燃气轮机传感器信号的故障识别方法和装置。

本发明的目的可以通过以下技术方案来实现：

一种燃气轮机传感器信号的故障识别方法，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。

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。

进一步地，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。

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。

进一步地，所述小波分解的总层数为5层。