[发明专利]基于自回归BiGRU的核电旋转机械状态监测方法

权利要求书

1.一种基于自回归BiGRU的核电旋转机械状态监测方法，其特征在于，包括以下步骤：

S1、获取核电旋转机械设备运行的历史监测数据，对历史监测数据进行预处理，将预处理后的历史监测数据分成训练集和测试集；

S2、构建自回归BiGRU网络模型，对自回归BiGRU网络模型进行训练和测试，输出训练好的自回归BiGRU网络模型；

S3、获取核电旋转机械设备正常工况下的运行参数估计值，计算核电旋转机械设备正常工况下的运行参数与运行参数估计值的残差，确定核电旋转机械设备正常工况下的运行参数残差阈值范围；

S4、获取核电旋转机械设备当前的实测运行数据，并输入至训练好的自回归BiGRU网络模型中，获取核电旋转机械设备当前的实测运行数据估计值；

S5、计算核电旋转机械设备当前的实测运行数据与实测运行数据估计值的残差，得到实测残差，并将实测残差与步骤S3中获取的残差阈值范围进行比较，若实测残差不属于残差阈值范围，则输出核电旋转机械设备故障报警。

2.根据权利要求1所述的基于自回归BiGRU的核电旋转机械状态监测方法，其特征在于，所述步骤S1具体包括：

S11、获取核电旋转机械设备运行的历史监测数据，将历史监测数据按时间戳进行合并，形成以时间戳为行索引、以历史监测数据的种类为列索引的核电旋转机械设备运行历史监测数据表格；

S12、绘制核电旋转机械设备运行历史监测数据表格中每一列历史监测数据的箱型图，以箱型图的上、下边缘为界限，若该列中的历史监测数据大于上边界或小于下边界，则将该历史监测数据所在行的整行数据从核电旋转机械设备运行历史监测数据表格中剔除；

S13、对核电旋转机械设备运行历史监测数据表格中剩余的历史监测数据进行归一化处理，构建无故障数据且经归一化处理的历史监测数据状态矩阵，所述无故障数据且经归一化处理的历史监测数据状态矩阵为：

其中，m为历史监测数据的种类，n为每一类历史监测数据所包含的参数个数，x_0b(t)＝[x₁(t) x₂(t) … x_m(t)]^T构成当前t时刻所对应的一条监测数据；

S14、将历史监测数据状态矩阵按照设定的比例划分成训练集和测试集。

3.根据权利要求2所述的基于自回归BiGRU的核电旋转机械状态监测方法，其特征在于，所述步骤S13中，对核电旋转机械设备运行历史监测数据表格中剩余的历史监测数据采用Z-score标准化方法进行归一化处理。

4.根据权利要求2或3所述的基于自回归BiGRU的核电旋转机械状态监测方法，所述步骤S14中，将历史监测数据状态矩阵按照设定的比例划分成训练集和测试集时，按照历史监测数据状态矩阵的时间顺序进行划分。

5.根据权利要求1所述的基于自回归BiGRU的核电旋转机械状态监测方法，其特征在于，所述自回归BiGRU网络模型包括输入层、映射层、压缩层、解映射层和输出层，其中：

输入层为双向GRU神经单元，用于获取核电旋转机械设备运行数据间的时空关联性；

映射层、压缩层为普通神经网络单元，用于将双向GRU单元的输出向量压缩至低维特征空间，并提取双向GRU单元的输出向量的非线性主元；

解映射层为普通神经单元，用于解析被压缩的输入信息；

输出层为双向GRU神经单元，用于重构输入的核电旋转机械设备运行数据；

压缩层中普通神经网络单元的个数小于映射层和解映射层中普通神经网络单元的个数，输入层与输出层采用线性激活函数，其他隐藏层节点采用非线性激活函数。