基于先验知识的燃气轮机系统多传感器故障信号重构方法

    公开(公告)号:CN114545899B

    公开(公告)日:2024-09-10

    申请号:CN202210125571.2

    申请日:2022-02-10

    Abstract: 本发明涉及一种基于先验知识的燃气轮机系统多传感器故障信号重构方法,包括:S1、采集燃气轮机上的多种传感器信号,构建时间序列表示组,时间序列表示组包括原始数据、掩膜和步差;S2、根据时间序列表示组和循环网络计算中间过程数据,其中输入历史信息得到第一中间过程数据,输入空间信息第二中间过程数据,根据步差得到第三中间过程数据,掩膜作为结合第三中间过程数据和原始数据的权重,计算得到信号重构结果;S3、信号重构结果和掩膜级联后,作为循环网络的输入,进行迭代循环计算损失函数,更新网络权重。与现有技术相比,本发明具有提升燃气轮机的多传感器故障信号重构结果的真实性和准确性,使燃气轮机控制系统具有一定的容错性等优点。

    一种燃气轮机控制系统未知故障检测方法及系统

    公开(公告)号:CN115454033A

    公开(公告)日:2022-12-09

    申请号:CN202211195143.3

    申请日:2022-09-27

    Abstract: 本发明涉及一种燃气轮机控制系统未知故障检测方法及系统,方法包括:构建由正常信号组成的正常数据集,构建测试数据集;构建无监督学习模型和一元分类器,使用正常数据集训练无监督学习模型,得到训练好的特征提取器;将正常数据集输入特征提取器中得到正常数据特征集,使用正常数据特征集训练一元分类器;将测试数据集输入和一元分类器进行测试,若测试结果满足预设置的评价指标,则完成特征提取器和一元分类器的训练;将燃气轮机上的传感器信号输入特征提取器和一元分类器中,得到故障检测结果。与现有技术相比,本发明提升了燃气轮机的多传感器故障信号检测结果的准确性和可靠性,使燃气轮机控制系统具有一定的智能诊断等优点。

    一种基于极限学习机的综合能源系统传感器故障诊断方法

    公开(公告)号:CN114877925A

    公开(公告)日:2022-08-09

    申请号:CN202210342256.5

    申请日:2022-03-31

    Abstract: 本发明涉及一种基于极限学习机的综合能源系统传感器故障诊断方法,具体包括以下步骤:S1、采集综合能源系统中燃气轮机传感器的原始信号,构建原始信号的多种长度的时间序列表示,根据故障特性在原始信号上叠加故障信号,生成故障信号的时间序列表示;S2、对原始信号的时间序列表示和故障信号的时间序列表示进行特征提取,得到故障信号的特征向量;S3、将特征向量输入改进的多重核极限学习机中,对分类器进行训练;S4、将待检测信号输入特征提取器与完成训练的分类器的集成模型中,得到传感器的故障检测结果。与现有技术相比,本发明具有提高传感器信号的故障类型的诊断准确率,并且诊断时间缩短,能够满足综合能源系统中在线检测的需求等优点。

    基于轻量级梯度提升决策树的传感器信号故障诊断方法

    公开(公告)号:CN114046816A

    公开(公告)日:2022-02-15

    申请号:CN202111327195.7

    申请日:2021-11-10

    Abstract: 本发明涉及一种基于轻量级梯度提升决策树的传感器信号故障诊断方法,具体包括以下步骤:S1、获取传感器信号的历史数据,利用梯度直方图分布提取传感器信号的故障特征并形成信号特征向量;S2、根据提取出的特征向量,利用轻量级梯度提升决策树的方法构造传感器故障分类器;S3、将需要检测的传感器数据输入训练好的传感器故障分类器,输出传感器信号故障的诊断结果。与现有技术相比,本发明具有能够诊断传感器信号是否存在故障,且能够诊断故障类型,故障诊断的准确率可达到90%以上,以及诊断时间缩短、诊断效率提高,能够满足综合能源系统中在线检测的需求等优点。

    一种燃气轮机传感器故障诊断方法及系统

    公开(公告)号:CN115438696A

    公开(公告)日:2022-12-06

    申请号:CN202211032021.2

    申请日:2022-08-26

    Abstract: 本发明涉及一种基于奇异谱分析和双向长短时记忆网络的燃气轮机传感器故障诊断方法及系统,方法包括:采集燃气轮机传感器信号作为原始信号,在原始信号上截取时间序列,并叠加不同的传感器故障;使用奇异谱分析对原始信号时间序列和故障信号时间序列进行处理,保留处理后的趋势项和周期项;构建带有注意力机制的深度双向长短时记忆网络作为分类模型;将信号的趋势项和周期项输入分类模型进行训练,得到训练好的分类模型;待检测信号经过处理后输入分类模型,得到故障诊断结果。与现有技术相比,本发明解决了故障数据稀少和故障幅度微弱对故障诊断准确率的影响,提高了故障诊断的准确率,准确率可达到96%以上。

    基于先验知识的燃气轮机系统多传感器故障信号重构方法

    公开(公告)号:CN114545899A

    公开(公告)日:2022-05-27

    申请号:CN202210125571.2

    申请日:2022-02-10

    Abstract: 本发明涉及一种基于先验知识的燃气轮机系统多传感器故障信号重构方法,包括:S1、采集燃气轮机上的多种传感器信号,构建时间序列表示组,时间序列表示组包括原始数据、掩膜和步差;S2、根据时间序列表示组和循环网络计算中间过程数据,其中输入历史信息得到第一中间过程数据,输入空间信息第二中间过程数据,根据步差得到第三中间过程数据,掩膜作为结合第三中间过程数据和原始数据的权重,计算得到信号重构结果;S3、信号重构结果和掩膜级联后,作为循环网络的输入,进行迭代循环计算损失函数,更新网络权重。与现有技术相比,本发明具有提升燃气轮机的多传感器故障信号重构结果的真实性和准确性,使燃气轮机控制系统具有一定的容错性等优点。

    一种基于多源数据融合的燃气轮机控制系统状态预测方法

    公开(公告)号:CN113988133A

    公开(公告)日:2022-01-28

    申请号:CN202111270359.7

    申请日:2021-10-29

    Abstract: 本发明涉及一种基于多源数据融合的燃气轮机控制系统状态预测方法,具体包括以下步骤:S1、采集真实运行的燃气轮机上的多源传感器信号,建模得到一个随时间变化的图结构;S2、根据预设的步长大小和批处理大小,对图结构的每步输入序列进行特征提取,并将提取得到的信号特征输入自注意力机制模块,得到自适应邻接矩阵;S3、将多源传感器信号和自适应邻接矩阵同时输入到编码器和解码器中,输出多源时间序列预测结果作为燃气轮机控制系统的状态预测结果。与现有技术相比,本发明具有简单易于实现,不仅能同时处理多个信号的多步长预测任务,且能利用多变量信号之间的空间关系,提高预测准确率,满足工业现场的需求等优点。

    一种基于视觉增强的燃气轮机传感器故障诊断方法及系统

    公开(公告)号:CN115617010B

    公开(公告)日:2024-11-22

    申请号:CN202211074831.4

    申请日:2022-09-02

    Abstract: 本发明涉及一种基于视觉增强的燃气轮机传感器故障诊断方法及系统,方法包括:获取原始信号时间序列和故障信号时间序列;使用格拉姆角场变换把时间序列转换成二维图像;使用定向梯度直方图提取二维图像中的特征描述子,得到信号数据集;建立多分类支持向量机作为故障诊断模型,并使用信号数据集对故障诊断模型进行训练;使用训练好的故障诊断模型进行故障诊断。与现有技术相比,本发明采用格拉姆角场对传感器时间序列信号进行变换,使用定向梯度直方图提取特征描述子,改变了故障信号特征的提取方式,放大了微小信号的特征,增强了故障信号的表征能力,提升了燃气轮机的多传感器故障信号分类结果的准确性和可靠性。

    基于轻量级梯度提升决策树的传感器信号故障诊断方法

    公开(公告)号:CN114046816B

    公开(公告)日:2023-05-02

    申请号:CN202111327195.7

    申请日:2021-11-10

    Abstract: 本发明涉及一种基于轻量级梯度提升决策树的传感器信号故障诊断方法,具体包括以下步骤:S1、获取传感器信号的历史数据,利用梯度直方图分布提取传感器信号的故障特征并形成信号特征向量;S2、根据提取出的特征向量,利用轻量级梯度提升决策树的方法构造传感器故障分类器;S3、将需要检测的传感器数据输入训练好的传感器故障分类器,输出传感器信号故障的诊断结果。与现有技术相比,本发明具有能够诊断传感器信号是否存在故障,且能够诊断故障类型,故障诊断的准确率可达到90%以上,以及诊断时间缩短、诊断效率提高,能够满足综合能源系统中在线检测的需求等优点。

    一种基于视觉增强的燃气轮机传感器故障诊断方法及系统

    公开(公告)号:CN115617010A

    公开(公告)日:2023-01-17

    申请号:CN202211074831.4

    申请日:2022-09-02

    Abstract: 本发明涉及一种基于视觉增强的燃气轮机传感器故障诊断方法及系统,方法包括:获取原始信号时间序列和故障信号时间序列;使用格拉姆角场变换把时间序列转换成二维图像;使用定向梯度直方图提取二维图像中的特征描述子,得到信号数据集;建立多分类支持向量机作为故障诊断模型,并使用信号数据集对故障诊断模型进行训练;使用训练好的故障诊断模型进行故障诊断。与现有技术相比,本发明采用格拉姆角场对传感器时间序列信号进行变换,使用定向梯度直方图提取特征描述子,改变了故障信号特征的提取方式,放大了微小信号的特征,增强了故障信号的表征能力,提升了燃气轮机的多传感器故障信号分类结果的准确性和可靠性。

Patent Agency Ranking