[发明专利]一种油膜涡动检测方法、装置和系统

说明书

本发明实施例提供了一种油膜涡动检测方法、装置和系统，所述方法包括：通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果；若检测结果包括存在油膜涡动，向油温调整系统发送调温指令，以供油温调整系统按照预设的油温调整策略对油温进行调整，能够提高检测准确性并对油膜涡动进行及时调控，从而保证机组稳定运行。

技术领域

本发明涉及电力技术领域，尤其涉及一种油膜涡动检测方法、装置和系统。

背景技术

目前，高转速、大功率的汽轮发电机组支承系统多采用滑动轴承，油膜涡动是滑动轴承在运行过程中常见的故障。相关技术中，振动工程师通过时频分析法对油膜涡动进行人工分析，实际工况下的转子故障信号通常是非线性、非平稳的多分量信号，它们的频率成分随着时间变化，振动工程师在运用时频分析法时需要有充足的经验和精力，即便如此，也往往会出现诊断错误。油膜涡动故障发生初期无明显特征，故障隐匿性强，检测准确性较差且无法及时调控，导致机组无法稳定运行。

发明内容

本发明的一个目的在于提供一种油膜涡动检测方法，能够提高检测准确性并对油膜涡动进行及时调控，从而保证机组稳定运行。本发明的另一个目的在于提供一种油膜涡动检测装置。本发明的再一个目的在于提供一种计算机可读介质。本发明的还一个目的在于提供一种计算机设备。

为了达到以上目的，本发明一方面公开了一种油膜涡动检测方法，包括：

通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果；

若检测结果包括存在油膜涡动，向油温调整系统发送调温指令，以供油温调整系统按照预设的油温调整策略对油温进行调整。

优选的，在通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果之前，还包括：

获取原始振动数据和对应的样本检测结果；

通过原始振动数据和对应的样本检测结果，对卷积神经网络进行训练，得到深度学习诊断模型。

优选的，在通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果之前，还包括：

通过振动测试系统，获取当前的轴瓦振动数据。

优选的，通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果，包括：

按照指定时间间隔，通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果。

优选的，方法还包括：

若检测结果包括不存在油膜涡动，继续执行按照指定时间间隔，通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果的步骤。

本发明还公开了一种油膜涡动检测系统，系统包括：油膜涡动检测装置和油温调整系统，油膜涡动检测装置与油温调整系统通信连接；

油膜涡动检测装置用于通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果；若检测结果包括存在油膜涡动，向油温调整系统发送调温指令；

油温调整系统用于响应于调温指令，按照预设的油温调整策略对油温进行调整。

优选的，系统还包括：振动测试系统，振动测试系统与油膜涡动检测装置通信连接；

油膜涡动检测装置还用于通过振动测试系统，获取当前的轴瓦振动数据。

本发明还公开了一种油膜涡动检测装置，包括：

检测单元，用于通过构建的深度学习诊断模型对获取的轴瓦振动数据进行油膜涡动检测，得到检测结果；