[发明专利]一种基于神经网络和案例推理的汽轮机轴系振动故障诊断方法

摘要

本发明公开了一种基于神经网络和案例推理的汽轮机轴系振动故障诊断方法，包括对历史故障案例的振动数据进行预处理和统计特征提取，其中历史故障案例的振动数据为低频采样；将对历史案例提取的统计特征作为神经网络的输入，进行网络学习；将新发生的异常事件提取统计特征后输入训练好的神经网络，利用相似度计算方法对神经网络的输出结果进行相似度计算，获取与新发生事件最为相似的历史故障案例。本方法提出了一种新颖且简单的数据预处理方法和一个新的统计特征，其对需要减轻同一模式下不同值引起的干扰或捕获不同输入之间的时序关系的情况效果十分明显。本发明方法对汽轮机轴系振动故障的诊断具有重要的应用价值。

主权项

1.一种基于神经网络和案例推理的汽轮机轴系振动故障诊断方法，其特征在于，该方法包括以下步骤：步骤1、对汽轮机轴系历史故障案例的振动数据进行预处理；步骤2、对步骤1预处理后的振动数据进行分块，提取统计特征，其中包括四种常用的统计特征和一个新提出的统计特征，使用的四种常用的统计特征如下：一个新提出的统计特征称之为相对位置RL：RL＝RMS‑rmin，其中，rmin表示所有块提取的RMS的最小值。步骤3、将提取的历史故障案例的统计特征作为神经网络的输入，采用标准的三层BP神经网络进行模型训练；步骤4、对新发生的异常事件进行数据预处理、分块和提取统计特征；步骤5、将经过特征提取后的新发生异常事件作为训练好的神经网络的输入，输出结果；步骤6、利用相似度计算方法对步骤4神经网络的输出结果与历史故障案例进行相似度计算；步骤7、将步骤6的计算结果按照从大到小的顺序排列，如果排在第一位的计算结果大于某个阈值，则将其故障原因作为新发生异常事件的诊断结果。