[发明专利]一种“听振”结合的电厂密封设备漏气监测方法

说明书

本发明公开了一种“听振”结合的电厂密封设备漏气监测方法。所述方法包括以下步骤：振动数据获取及预处理；振动信号特征提取；根据振动信号特征进行漏气振动异常判断；声音数据获取；电厂密封设备声音高频特征提取，并进行漏气声音异常判断；根据漏气振动异常判断结果和漏气声音异常判断，得到电厂密封设备漏气识别结果。本发明有效解决了目前漏气检测技术通过气体监测及物理检测的实用性不足、可靠性不高等问题，本发明结合了声音识别和振动识别达到了更好的漏气识别效果。

技术领域

本发明涉及电气设备缺陷识别技术领域，具体涉及一种“听振”结合的电厂密封设备漏气监测方法。

背景技术

气体作为物质形态之一，在工业领域起到各异的作用。一方面，SF6气体的绝缘性和灭弧性能可以给电气设备增添较好的保护作用，另一方面，空压机等电厂密封设备通过压缩气体将机械能转换成气体压力能，从而为气动系统提供气源动力。

在电厂中，气体绝缘开关设备、气阀门等电厂密封设备并不少见，当设备由于老化或破损导致气密性下降，就极有可能出现设备漏气的现象。一旦发生设备漏气，轻则导致设备动作异常，降低电厂生产效率导致经济损失；重则导致有毒气体泄漏，危及人身安全带来严重危害。

在设备发生漏气的过程中，往往伴随着设备的异常振动与气体泄漏的“吱吱”声，传统监测设备是否漏气的方法包括肥皂泡捡漏方法、真空监视检漏与气体检漏方法。传统方法无法达到实时监测的效果，而且均依赖于工作人员动手操作，不具备自动识别的功能。

肥皂泡检测方法是指：检漏的过程中，将肥皂水涂抹到怀疑的漏点或是密封点上，若出现鼓泡的情况便说明此处存在漏点或是鼓泡处便是漏点。

真空监视检漏方法是指检漏过程中首先要将回装的设备抽真空，连接管也要采用抽真空的方式，确保设备处于真空状态后需一定的观察期，在观察期内设备观察有没有出现泄露的情况；

气体检漏方法：利用能与密封气体反应的检测器，在设备附近检测是否有密封气体漏出从而获知设备是否有漏气。

随着数据采集技术和人工智能技术的持续发展，不断丰富起来的监控资源足以让漏气监测技术不用局限在外观判断、气体探测等传统检测方法。而是从电厂密封设备漏气的振动信号特征与声音特征两方面进行全自动的漏气监测。

现有技术的声音识别算法中，基于深度学习的设备声音识别方法是利用深度学习模型提取电厂密封设备异常声音序列中的有用特征，再利用提取到的特征进行识别和分类，可以取得良好的性能。

现有技术的气体特征识别算法中，基于BP神经网络的气体管道泄漏方法，是利用标定流速值呼吸气潮气量等参数训练神经网络从而识别呼吸机仪器是否发生漏气，根据其显著的气体特征参数可以轻松识别出漏气。

现有技术的声音监测方法中，漏气噪声监测方法通过传感器模块识别断路器噪声的音量、音频和时长以判断是否发生漏气；基于声检测与盲信号分离得气密性监测方法通过多路声音传感器信号波形的一致性来判断是否发生漏气。

现有技术的背景声识别方法中，基于深度学习的背景声识别方法首先进行声音的预处理、特征选择和特征融合以及数据增强，在AMLENet网络模型中对汽车鸣笛声、玻璃破碎声、尖叫声、枪声和背景噪声进行分类识别。

现有技术的漏气振动诊断方法中，气阀漏气故障诊断方法通过提取漏气故障振动的时域和频域的故障特征参，再经过支持向量机进行分类，从而辨识出气阀是否漏气。

当前的声音识别算法需要先对原始数据进行降噪处理，从而确保提取到的特征充分有效，针对设备漏气的深度学习声音识别算法或文章极少，到目前为止，由于电厂场景的噪声大及设备漏气声音的能量低，声音降噪的预处理操作有可能隐去了设备漏气的声音特点，检测设备漏气异常声音仍然纯在较大的困难；其次由于电厂密封设备中无法完全对采集气体特性的传感器进行布设，气体流速的特征难以检测。