[发明专利]给水泵振动预测方法及装置

说明书

本申请提供一种给水泵振动预测方法及装置，所述给水泵振动预测方法包括：对获取到的给水泵历史运行状态参数进行筛选，得到历史运行状态参数样本集及目标参数振动数据集；利用K最近邻算法对所述历史运行状态参数样本数据集及所述目标参数振动数据集进行训练，得到近邻样本参数；根据获取到的给水泵当前运行状态参数及所述近邻样本参数，生成所述当前运行状态参数对应的给水泵振动预测值。本申请利用主成分分析法及K最近邻算法，能够根据给水泵的当前运行状态参数生成给水泵振动预测值，准确、高效地进行给水泵的故障预警。

技术领域

本申请涉及给水泵故障诊断技术领域，特别是一种基于主成分分析法及K最近邻(KNN，K-NearestNeighbor)算法的给水泵振动预测方法及装置。

背景技术

给水泵作为火电机组的重要辅机设备，其工作状态直接决定着火电机组的安全稳定运行。对于包含多台给水泵的机组，任何一台给水泵发生故障跳闸即可触发机组快速减负荷，直接影响机组带负荷的能力；而对于采用100％容量汽动给水泵的机组，给水泵跳闸将直接导致火电机组非计划停运。因此，对给水泵故障进行预警是保障火电机组安全运行的重要手段。而振动是评价给水泵运行状况的重要指标，是给水泵运行状态的重要监视参数，如何准确、高效地实现给水泵振动参数的预警对维持火电机组的安全稳定运行具有现实的工程意义。

发明内容

针对现有技术中的问题，本申请提供一种给水泵振动预测方法及装置，能够根据给水泵的当前运行状态参数生成给水泵振动预测值，准确、高效地进行给水泵的故障预警。

为解决上述技术问题，本申请提供以下技术方案：

第一方面，本申请提供一种给水泵振动预测方法，包括：

对获取到的给水泵历史运行状态参数进行筛选，得到历史运行状态参数样本集及目标参数振动数据集；

利用K最近邻算法对所述历史运行状态参数样本数据集及所述目标参数振动数据集进行训练，得到近邻样本参数；

根据获取到的给水泵当前运行状态参数及所述近邻样本参数，生成所述当前运行状态参数对应的给水泵振动预测值。

进一步地，利用K最近邻算法对所述历史运行状态参数样本数据集及所述目标参数振动数据集进行训练，得到近邻样本参数，包括：

对所述历史运行状态参数样本数据集中的历史运行状态参数样本数据进行特征降维，得到所述历史运行状态参数样本数据对应的主成分重建原数据；

对所述历史运行状态参数样本数据对应的所述主成分重建原数据进行归一化处理，得到主成分重建标准化数据；

将所述主成分重建标准化数据划分为训练样本集与测试样本集；

利用K最近邻算法对所述训练样本集、所述测试样本集及所述目标参数振动数据集进行训练，调整预先设定的近邻样本初始参数，得到近邻样本参数。

进一步地，对所述历史运行状态参数样本数据集中的历史运行状态参数样本数据进行特征降维，得到所述历史运行状态参数样本数据对应的主成分重建原数据，包括：

计算所述历史运行状态参数样本数据集中所述历史运行状态参数样本数据的特征均值向量；

根据所述特征均值向量，将所述历史运行状态参数样本数据中心化，得到历史运行状态参数样本数据矩阵；

构造所述历史运行状态参数样本数据矩阵的协方差矩阵；

对所述协方差矩阵进行特征分解，求取所述协方差矩阵的特征值及各所述特征值对应的特征向量；

根据计算得到的各所述特征值的贡献率提取前d个主成分，其中d的数量小于所述特征向量的维度；

根据所述主成分计算所述历史运行状态参数样本数据对应的主成分重建原数据。