[发明专利]汽轮机故障严重程度的评估方法、终端设备及存储介质

说明书

本发明涉及一种汽轮机故障严重程度的评估方法，包括以下步骤：S1、获取根据汽轮机故障严重程度的分类数据；S2、将特征集合A划分为两个特征子集：单调特征子集A_m和非单调的特征子集A_nm；S3、从单调特征子集A_m中计算获得最好的单调特征子集A_mp；S4、从非单调的特征子集A_nm与最好的单调特征子集A_mp中计算获得最好的特征子集A_p；S5、基于汽轮机的样本集合U＝{x₁,x₂,...,x_n}，获取A_p的所有特征，以故障的严重程度D＝{d₁,d₂,...,d_k}为类别，作为分类器的训练样本，构建训练出一个分类模型，训练结果记为Me；S6、以模型Me为故障严重程度的评估模型，对待评判的数据进行分类，分类结果也在D＝{d₁,d₂,...,d_k}中，此即对应故障的严重程度。

技术领域

本发明属于故障检测的应用领域，具体地涉及一种汽轮机故障的严重程度的评估方法、终端设备及存储介质。

背景技术

汽轮机作为重要的动力设备，广泛用于电厂中，而对汽轮机的运行的基础理论和应用技术方面的研究工作，特别是对于生产中的主要关键机组实行状态监测和故障诊断，及时准确的掌握设备运行状态，预测其未来的发展趋势，已取得了显著的经济效益和社会效益。

现代化生产要求最大程度的保证企业的安全，汽轮机作为核心主动力设备，一发生故障，就马上停机检修，这对对生产造成的经济和安全的影响都极大。但汽轮机的故障是逐渐发展的，有不同的严重程度信息，生产部门更希望能够根据设备运行状态的异常或早期的故障征兆，按故障的严重程度和发展趋势进行有目的的检修。获取故障的严重程度信息能够帮助用户了解设备状态的发展趋势，制定合理的维修策略和检修方案。在设备状态监测中的大量传感器数据，为设备故障程度识别提供了重要的科学依据。在实际的故障诊断问题中，为了更好的进行故障诊断研究，更需要考虑故障的严重程度信息。这种维修方式更加科学合理，可以缩短设备维修的时间，提高设备利用率，减少设备停机时间，延长设备生命周期，增强市场竞争力。

汽轮机的故障程度识别极为困难，而故障程度识别是故障诊断领域的新的挑战和一项特殊任务。

发明内容

本发明旨在提供一种汽轮机故障的严重程度的评估方法，以解决目前不能有效识别汽轮机故障的严重程度的问题。为此，本发明采用的具体技术方案如下：

一种汽轮机故障严重程度的评估方法，包括以下步骤：

S1：获取根据汽轮机故障严重程度的分类数据，汽轮机的样本集合记为U＝{x₁,x₂,...,x_n}，这些样本的特征集合记为A＝{a₁,a₂,...,a_j}，这样每个样本由A进行描述，而故障的严重程度为D＝{d₁,d₂,...,d_k}，从而样本x_i在特征a_j∈A和故障的严重程度D上的取值分别记为v(x_i,a_j)和v(x_i,D)；

S2：将特征集合A划分为两个特征子集：单调特征子集A_m和非单调的特征

子集A_nm；

S3：从单调特征子集A_m中计算获得最好的单调特征子集A_mp；