本发明属于燃气轮机转子故障诊断,具体涉及一种基于复杂网络建模的转子故障诊断方法及其装置。
背景技术:
1、燃气轮机是一种常见的发电机组和大型动力驱动系统,以其高效率和高可靠性,广泛应用在发电厂、航空发动机、大型船舶等诸多重工业领域。其中,燃气轮机转子由多个叶片和轮盘组成,通过燃气喷射产生的高速气流驱动转子旋转,最终将能量转化为电能或动能输出;燃气轮机由于其工作环境恶劣多变,且长期运行在高温高压环境下,导致逐渐老化,剩余寿命逐步下降,发生故障的潜在可能性逐渐增加,再加上转子高速旋转部件的复杂性和高要求,燃气轮机转子也容易出现碰摩、不平衡、不对中、裂纹等典型故障,故障一旦发生,不仅造成巨大的经济损失,甚至会导致灾难性的人员伤亡,形成严重的社会影响。
2、因此,亟需对燃气轮机的转子的特征进行研究,以避免转子由于碰摩、不平衡、不对中、裂纹等典型故障引起的经济损失。
技术实现思路
1、为了解决现有技术中存在的上述问题,本发明提供了一种基于复杂网络建模的转子故障诊断方法及其装置。本发明要解决的技术问题通过以下技术方案实现:
2、第一方面,本发明提供一种基于复杂网络建模的转子故障诊断方法,包括:
3、获取实时转子数据;其中,实时转子数据为正常、转子碰撞故障、转子不平衡故障或转子不对中故障数据;
4、将实时转子数据输入到训练好的转子故障诊断模型,进行实时诊断分类,并输出相应的诊断结果;其中,训练好的转子故障诊断模型根据复杂网络模型的边数特征、度均值特征和聚集系数特征进行训练。
5、第二方面,本发明还提供一种基于复杂网络建模的转子故障诊断装置,包括:
6、数据获取模块,用于获取实时转子数据;其中,实时转子数据为正常、转子碰撞故障、转子不平衡故障或转子不对中故障数据;
7、数据处理模块,用于将实时转子数据输入到训练好的转子故障诊断模型,进行实时诊断分类,并输出相应的诊断结果;其中,训练好的转子故障诊断模型根据复杂网络模型的边数特征、度均值特征和聚集系数特征进行训练。
8、本发明的有益效果:
9、本发明提供的一种基于复杂网络建模的转子故障诊断方法及其装置,通过复杂网络分析可以自动处理大量的机械振动数据,从而实现快速的转子故障诊断;通过分析复杂网络的特征,可以识别出不同类型的转子故障,从而提高诊断的准确性;基于复杂网络的转子故障诊断方法可以在噪声和干扰的情况下工作,因为复杂网络具有一定的鲁棒性。
10、以下将结合附图及实施例对本发明做进一步详细说明。
1.一种基于复杂网络建模的转子故障诊断方法,其特征在于,包括:
2.根据权利要求1所述的基于复杂网络建模的转子故障诊断方法,其特征在于,所述复杂网络模型的构建过程包括:
3.根据权利要求2所述的基于复杂网络建模的转子故障诊断方法,其特征在于,所述使用小波变换对所述训练数据集去除噪声,得到去噪后的时域训练数据集的过程包括:
4.根据权利要求2所述的基于复杂网络建模的转子故障诊断方法,其特征在于,所述使用递归图建模方法构建复杂网络模型的过程包括:
5.根据权利要求4所述的基于复杂网络建模的转子故障诊断方法,其特征在于,所述预设序列为去噪后的时域训练数据集中的正常数据,则对应构建正常数据时域复杂网络模型;所述预设序列为去噪后的时域训练数据集中的转子碰撞故障数据,则对应构建转子碰撞数据时域复杂网络模型;所述预设序列为去噪后的时域训练数据集中的转子不平衡故障数据,则对应构建转子不平衡数据时域复杂网络模型;所述预设序列为去噪后的时域训练数据集中的转子不对中故障数据,则对应构建转子对不中故障数据时域复杂网络模型;所述预设序列为去噪后的频域训练数据集中的正常数据,则对应构建正常数据频域复杂网络模型;所述预设序列为去噪后的频域数据集中的转子碰撞故障数据,则对应构建转子碰撞故障数据频域复杂网络模型;所述预设序列为去噪后的频域数据集中的转子不平衡故障数据,则对应构建转子不平衡数据频域复杂网络模型;所述预设序列为去噪后的频域数据集中的转子不对中数据故障,则对应构建转子不对中数据故障频域复杂网络模型。
6.根据权利要求4所述的基于复杂网络建模的转子故障诊断方法,其特征在于,所述复杂网络模型的边数特征、度均值特征和聚集系数特征的提取过程包括:
7.根据权利要求1所述的基于复杂网络建模的转子故障诊断方法,其特征在于,使用支持向量机对所述复杂网络模型的边数特征、度均值特征和聚集系数特征进行训练,得到所述训练好的故障诊断模型。
8.根据权利要求1所述的基于复杂网络建模的转子故障诊断方法,其特征在于,还包括:
9.一种基于复杂网络建模的转子故障诊断装置,其特征在于,包括: