一种汽涡轮发电机组振动故障诊断方法、装置及计算设备与流程

技术特征：
1.一种汽涡轮发电机组振动故障诊断方法，其特征在于，具体包括以下步骤：s1：收集转子不对中、转子不平衡、轴承松动、转子碰磨、油膜涡动、蒸汽涡动六类汽涡轮发电机组的故障振动信号，经傅立叶转换成离散频谱幅值，再依据能量特性区分为n个主要频段，对每个频段幅值进行模糊化处理，得到模糊化数值；s2：建立资料数据库，每一笔资料含有n个输入特征，将资料数据库内的资料划分为训练集和测试集；s3：建立最佳支持矢量分类器模型；s4：利用训练集对最佳支持矢量分类器模型进行训练，再利用测试集进行测试验证。2.根据权利要求1所述的汽涡轮发电机组振动故障诊断方法，其特征在于，s1中，依据能量的特性区分为8个主要频段，分别为：s1、s2、s3、s4、s5、s6、s7、s8；s1代表0～0.4f；s2代表0.4～0.49f；s3代表0.5f；s4代表0.51～0.99f；s5代表f；s6代表2f；s7代表3～5f；s8代表5f以上；其中：f为机组运转频率，单位hz。3.根据权利要求1所述的汽涡轮发电机组振动故障诊断方法，其特征在于，s1中，利用下式(1)对每个频段幅值进行模糊化处理，得到模糊化数值；其中：k与x0之值因机组部位不同，k代表系数，x代表振幅，x0代表初始振幅。4.根据权利要求1所述的汽涡轮发电机组振动故障诊断方法，其特征在于，还包括：s5：利用倒传递类神经网络验证最佳支持矢量分类器模型的建模效率及诊断准确度。5.根据权利要求1
‑
4任一项所述的汽涡轮发电机组振动故障诊断方法，其特征在于，s3包括以下内容：设定一组两类别可线性分割的训练集资料为s＝{(x
k
,y
k
)},k＝1,2,
…
,n；其中，x
k
为在输入模式的特征空间，x
k
为此组两类别资料的标示；x
k
的值为{
‑
1, 1}；通过找到一超平面来分割此两类资料，此超平面表示为式(2)：y
h
(x)＝w
t
x b
ꢀꢀ
(2)则其分类决策函数即为式(3)所示：y(x)＝sign(w
t
x b)
ꢀꢀ
(3)在式(3)中w为超平面的法矢量，b是原点到超平面的距离，x则是输入的资料集；此组可线性分割的训练集资料，满足式(4)与式(5)：w
t
x
k
b≥1,when y(x
k
)＝1
ꢀꢀ
(4)w
t
x
k
b≤
‑
1,when y(x
k
)＝
‑1ꢀꢀ
(5)其中，w是最佳超平面单位法矢量，b为最佳超平面常数；将式(4)与式(5)合并为式(6)：y
k
(w
t
x
k
b)≥1,k＝1,2,...,n (6)在空间中任一点x到超平面(w,b)的距离如式(7)所示：
为了找出为了找出相距最远的支持超平面，支持超平面边界值如式(8)表示为：由式(4)与式(5)可知为确保样本能够明确的分开，边界值m(w,b)越大越好，即或越小越好，如式(10)所示；y
k
(w
t
x
k
b)≥1,k＝1,2,
…
,n利用lagrange乘数法将上式转换成另一个二次方程式最小化问题，找出使l为最小值的w,b：其中：α
k
≥0为lagrange乘数，为求l的最小值，将式(11)分别对w及对b进行偏微分：将式(11)分别对w及对b进行偏微分：将式(12)与式(13)代入式(11)得到式(14)：将式(12)与式(13)代入式(11)得到式(14)：利用式(14)得最佳lagrange乘数并将代入式(11)得最佳超平面单位法矢量w
*
：并利用kkt条件：得到处理分类问题的函数并解得最佳超平面常数b
*
：6.根据权利要求5所述的汽涡轮发电机组振动故障诊断方法，其特征在于，当无法得到
一个最佳超平面将两类资料进行完全分类时，导入松弛变量ζ
k
，将式(6)改写为：y
k
(w
t
x
k
b)≥1
‑
ζ
k
,for k＝1,2,
…
,n
ꢀꢀ
(18)在求最佳超平面时，应越小越好，将视为惩罚函数并赋予一权重值c，表示如式(19)所示：式(19)所示：利用lagrange乘数法将式(19)改写成式(20)：利用lagrange乘数法将式(19)改写成式(20)：kkt条件为：α
k
(y
k
(w
t
x
k
b)
‑
1 ζ
k
)＝0,for k＝1,2,...,n
ꢀꢀ
(21)(c
‑
α
k
)ζ
k
＝0,for k＝1,2,...,n
ꢀꢀ
(22)利用式(20)得到最佳lagrange乘数再将代入式(11)得最佳超平面单位法矢量w
*
，利用kkt条件求得最佳超平面常数b
*
；利用φ(x
k
)将式(19)改写为：)将式(19)改写为：利用lagrange乘数法将式(23)写为：其中：α
k
＞0，β
k
＞0皆为lagrange乘数；
为求解l的最小值，对式(24)进行偏微分，得到式(25)：再将式(25)代入式(24)得：再将式(25)代入式(24)得：定义核心函数：k(x
k
,x
l
)＝φ(x
k
)
t
φ(x
l
)
ꢀꢀ
(27)核心函数满足下列条件：∫k(x
k
,x
l
)g(x
k
)g(x
l
)dx
k
dx
l
≥0
ꢀꢀ
(28)其中，g(x)为可积分的函数。7.一种汽涡轮发电机组振动故障诊断装置，其特征在于，包括：收集处理模块，用于收集转子不对中、转子不平衡、轴承松动、转子碰磨、油膜涡动、蒸汽涡动六类汽涡轮发电机组的故障振动信号，经傅立叶转换成离散频谱幅值，再依据能量特性区分为n个主要频段，对每个频段幅值进行模糊化处理，得到模糊化数值；数据库建立模块，用于建立资料数据库，每一笔资料含有n个输入特征，将资料数据库内的资料划分为训练集和测试集；模型建立模块，用于建立最佳支持矢量分类器模型；训练测试模块，用于利用训练集对最佳支持矢量分类器模型进行训练，再利用测试集进行测试验证。8.一种计算设备，其特征在于，所述计算设备包括：一个或多个处理器、存储器以及一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由一个或多个处理器执行，所述的一个或多个程序包括用于实现上述权利要求1
‑
6中任一所述的汽涡轮发电机组振动故障诊断方法的指令；或，所述计算设备包括：如权利要求7所述的汽涡轮发电机组振动故障诊断装置。

技术总结
本发明公开一种汽涡轮发电机组振动故障诊断方法、装置及计算设备，该方法包括：S1：收集转子不对中、转子不平衡、轴承松动、转子碰磨、油膜涡动、蒸汽涡动六类汽涡轮发电机组的故障振动信号，经傅立叶转换成离散频谱幅值，再依据能量特性区分为N个主要频段，对每个频段幅值进行模糊化处理，得到模糊化数值；S2：建立资料数据库，每一笔资料含有N个输入特征，将资料数据库内的资料划分为训练集和测试集；S3：建立最佳支持矢量分类器模型；S4：利用训练集对最佳支持矢量分类器模型进行训练，再利用测试集进行测试验证。本发明建立最佳支持矢量分类器模型进行汽涡轮发电机组振动故障诊断，架构简单、收敛快速。收敛快速。收敛快速。


技术研发人员：胡德霖 胡醇 黄涛 王林 严俊 张光辉 郑伦旭 卞菊惠 赵国才
受保护的技术使用者：苏州电器科学研究院股份有限公司
技术研发日：2021.08.02
技术公布日：2021/10/26