[发明专利]用于涡轮部件测试的数字孪生健康管理方法

权利要求书

1.用于涡轮部件测试的数字孪生健康管理方法，其特征在于：包括步骤：

S01、在涡轮水力测功设备上布置若干传感器，实时监测水力测功设备性能参数；

S02、建立水力测功设备性能参数数据库，将所述传感器监测数据储存至所述数据库，根据预设转换关系将传感器的电压信号转换为性能参数对应的工程值数据，对所述工程值数据进行筛查处理后，储存至所述数据库；

S03、根据水力测功设备性能预测模型的输入要求，按所述步骤S02中传感器监测数据的存储频率提取测试数据；

S04、将所述步骤S03中提取的测试数据输入所述水力测功设备性能预测模型，计算预测水力测功设备的性能参数；

S05、计算步骤S04中的性能参数预测值与传感器采集的性能参数采集值的相对误差；

S06、根据水力测功设备的性能参数采集值、性能参数预测值及预测精度，判断水力测功设备运行状态。

2.根据权利要求1所述的用于涡轮部件测试的数字孪生健康管理方法，其特征在于：所述步骤S01中传感器包括压力传感器、温度传感器、流量传感器、速度传感器、振动传感器；和/或，所述性能参数包括转速、扭矩、进水压力、滑油供油压力、进水阀开度、排水阀开度、前轴承滑油流量、后轴承滑油流量、进水温度、排水温度、前轴承温度、后轴承温度、前轴承振动参数和后轴承振动参数。

3.根据权利要求2所述的用于涡轮部件测试的数字孪生健康管理方法，其特征在于：所述步骤S02中工程值数据筛查处理方法如下：将转速1000rpm以内的数据作为无效数据剔除掉；将进排水阀位低于1％的数据作为干扰数据剔除掉；将前后轴承温度高于70℃的数据整组剔除出训练数据，作为异常数据在测试环节中进行模型精度验证。

4.根据权利要求1所述的用于涡轮部件测试的数字孪生健康管理方法，其特征在于：所述步骤S06中水力测功设备运行状态判断方法如下，

S061、若性能参数采集值、性能参数预测值超出限值，或者预测精度超出第一阈值，根据异常情况确定是否继续测试；

若继续测试，则改变测试环境后进入步骤S01中继续测试，剔除当前时刻的异常数据并将异常数据储存至所述数据库中的异常数据库表；

若不继续测试，则结束测试，根据本次测试过程中所有健康数据对所述性能预测模型进行更新校正；

S062、若性能参数采集值、性能参数预测值未超出限值，且预测精度未超出第一阈值，根据预定测试计划确定是否继续测试；

若继续测试，则将当前时刻的性能参数预测值和预测精度储存至所述数据库中的预测跟踪结果表，并进入步骤S01中继续下一时刻的数据采集和性能跟踪预测；

若当前时刻为测试最终时刻，则终止测试，根据本次测试过程中所有健康数据对所述性能预测模型进行更新校正。

5.根据权利要求4所述的用于涡轮部件测试的数字孪生健康管理方法，其特征在于：还包括步骤S07、对性能预测模型中的水力设备性能衰退检测、部件性能衰退检测及衰退特征进行迁移学习。

6.根据权利要求5所述的用于涡轮部件测试的数字孪生健康管理方法，其特征在于：所述步骤S07包括，

S071、采用当前时刻测试周期数据，根据水力测功设备性能数字孪生模型抽取当前性能状态特征，训练当前测试周期性能模型M’；

S072、将M’在原始数据上进行数字化试验：将原始状态的输入状态代入M’，得到M’对原始状态的性能反馈结果；

S073、计算部件衰退因子：假定水力测试设备原始状态下部件核心性能参数P在稳态运行时的均值M’对原始状态P的预测结果为则参数P的衰退因子为

S074、计算衰退因子差：本次测试周期与前一次每个部件性能参数的α_p差值；

S075、判断是否需要对部件网络层进行迁移训练学习：

若所述α_p差值在第二阈值范围内，则认为各部件性能未发生衰退，当前的性能预测模型可以继续使用；

若α_p差值超过第二阈值，则将超过第二阈值的部件定为性能衰退部件，在之后的性能预测模型更新过程中仅对性能衰退部件网络层进行迁移训练学习。