[发明专利]基于概率神经网络的水轮机运行故障诊断方法

权利要求书

1.基于概率神经网络的水轮机运行故障诊断方法，其特征在于，所述方法包括：

S1、将水轮机的主要相关工况参数与压力脉动信号进行特征融合形成融合特征向量，作为概率神经网络的输入，将水轮机的运行状态作为所述概率神经网络的输出，构建概率神经网络的故障诊断模型；

S2、利用构建的故障诊断模型实时监测水轮机的运行状态，进行故障诊断。

2.根据权利要求1所述的基于概率神经网络的水轮机运行故障诊断方法，其特征在于，所述S1中，水轮机的主要相关工况参数的获取方法，包括：

将水轮机运行工况和压力脉动信号一同作为特征进行识别，通过对历史数据进行互信息计算，并根据计算的互信息，求得水轮机各种工况参数对压力脉动信号影响的重要程度，进而求得水轮机的主要相关工况参数。

3.根据权利要求2所述的基于概率神经网络的水轮机运行故障诊断方法，其特征在于，

将每个压力脉动信号与所有工况参数之间的平均影响程度进行降序排序，计算水轮机振动变量的前n个工况参数的相关程度之和，当其大于设定值时，则认为前n个工况参数为对应振动变量的主要相关工况参数，即为待测水轮机的主要相关工况参数。

4.根据权利要求2所述的基于概率神经网络的水轮机运行故障诊断方法，其特征在于，所述水轮机各种工况参数对压力脉动信号影响的重要程度，表示为：

式中，δ_i,j为水轮机第j个工况参数对第i个压力脉动信号的影响程度，J表示工况参数的数量，I_i,j为水轮机第i个压力脉动信号与第j个工况参数之间的互信息；

X表示第i个压力脉动信号，Y表示j个工况参数，p(x,y)为随机变量x与随机变量y的联合概率密度函数，p(x)与p(y)分别为随机变量x与随机变量y的边缘概率密度函数。

5.根据权利要求2所述的基于概率神经网络的水轮机运行故障诊断方法，其特征在于，采用正常状态、警戒状态、报警状态和故障状态四种类别表示概率神经网络输出的运行状态。