[发明专利]转子系统异常智能检测方法、系统、计算机设备、终端

权利要求书

1.一种转子系统异常智能检测方法，其特征在于，所述转子系统异常智能检测方法包括：采集转子系统支承界面相互垂直方向的电涡流位移信号；利用谐波窗分解提取转子系统振动信号的特定频率成分，构建转子系统的合成轴心轨迹，将合成轴心轨迹数据转换为一个数值方阵；将所述数值方阵作为生成对抗网络模型的输入，通过正常运行状态下的数据对生成对抗网络进行训练，利用待检测数据输入网络后所得的损失作为异常指标实现转子系统运行异常检测。

2.如权利要求1所述转子系统异常智能检测方法，其特征在于，所述转子系统异常智能检测方法包括以下步骤：

步骤一，数据采集；

步骤二，构建转子系统的合成轴心轨迹；

步骤三，构建生成对抗网络模型；

步骤四，训练生成对抗网络；

步骤五，计算异常值。

3.如权利要求2所述转子系统异常智能检测方法，其特征在于，步骤一中，所述数据采集，包括：

采集转子系统运行过程中支承截面相互垂直X方向和Y方向的电涡流振动数据，把采样频率记为f，转子的转速记为n，所采集的X方向振动数据记为D_x，所采集的Y方向数据记为D_y，X方向和Y方向数据开始采集与结束采集的时间需要相同，且数据开始采集的时间点为转子系统的初相点。

4.如权利要求2所述转子系统异常智能检测方法，其特征在于，步骤二中，所述构建转子系统的合成轴心轨迹，包括：

(1)采用谐波窗分解分别提取X方向和Y方向转频和高倍频频率成分，记转频为f_r，高倍频为f_h,f_h＝kf_r，其中k＝1,2,3,...,N为正整数，N可根据分析需求自行设定，谐波窗窗口的上限分别为f_r+10和f_h+10,下限分别为f_r-10和f_h-10；

(2)采用二进谐波小波变换分别提取X方向和Y方向振动信号分倍频区域内的频率成分，将大于f_r的分量滤掉，保留(0,f_r)区间内的所有频率成分；

(3)将所得X方向与Y方向振动信号的分倍频、转频和高倍频故障特征频率成分数据分别整合成一个2列m行的矩阵形式，其中，矩阵的第一列为所提取的X方向故障特征频率成分，第二列为Y方向的故障特征频率成分；

(4)将上述矩阵中的元素进行重新排列，得到整合后的转子系统合成轴心轨迹数值矩阵，排列方式为按列从原始的矩阵中进行取数，按行填入数值方阵中；

(5)将分倍频、转频和高倍频数值方阵合成为一个三维数值矩阵,在实际运用过程中，也可结合所关注的故障模式，根据实际分析需求选择单一或两个通道的数值矩阵作为后续模型输入。

5.如权利要求2所述转子系统异常智能检测方法，其特征在于，步骤三中，所述构建生成对抗网络模型，包括：

(1)构建生成器；

(2)初始化生成器；

(3)构建判别器；

(4)初始化判别器；

其中，所构建的生成器包含9层，依次为转置卷积层、批归一化层、转置卷积层、批归一化层、转置卷积层、批归一化层、转置卷积层、批归一化层、转置卷积层和批归一化层；

所构建的判别器包含9层，依次为卷积层、卷积层、批归一化层、卷积层、批归一化层、卷积层、批归一化层、卷积层和批归一化层。

6.如权利要求2所述转子系统异常智能检测方法，其特征在于，步骤四中，所述训练生成对抗网络，包括对所述生成器和判别器进行交替训练：

(1)固定生成器参数，将生成器生成的数据与所述轴心轨迹数据组成一个数据集输入至判别器，采用梯度下降法对判别器进行训练来更新判别器的参数；

(2)固定判别器的参数，将当前判别器的损失的梯度反向传播至生成器，对生成器的参数进行更新；

(3)重复执行步骤(1)-步骤(2)，直到网络收敛。