基于hlsne的水轮机组状态监测实现方法
【专利摘要】一种基于HLSNE的水轮机组状态监测实现方法，包括以下步骤：(1)信号测取：利用水电机组上的振动传感器采集一组能够较全面反映不同噪声源振动异常的振动信号；(2)特征提取：利用HLSNE计算最佳线性投影矩阵A，根据线性投影矩阵A对振动信号进行特征提取；(3)状态识别：对特征提取后的振动信号进行状态正常或异常的识别；(4)状态分析：采用最近邻分类器对异常振动信号所属的故障源进行判别分类分析；(5)结果输出：依据状态分析结果提出诊断决策。本发明的有益效果主要表现在：将重尾线性随机近邻嵌入分析方法(HLSNE)应用到水电机组状态监测中，使得在实际应用过程中利用快速下降法进行梯度最优化过程中多参数设定及调整可行，无需手动调整参数，有效提高了水轮机组状态监测过程的效率和鲁棒性。
【专利说明】基于HLSNE的水轮机组状态监测实现方法
【技术领域】
[0001]本发明涉及一种基于HLSNE的水轮机组状态监测实现方法及系统。
【背景技术】
[0002]随着“六小工程”的实施，小水电在电力能源结构中所占比重逐渐增大，作为小水电生产过程核心设备的水电机组的结构日趋复杂，集成化程度越来越高，不同部件之间动力学行为相互影响、相互作用，机组振动问题日益突出，对电网的安全稳定运行造成的影响也日益凸显。水电机组的运行健康状况不仅关系到水电厂的安全还直接关系到水电厂能否向电网安全、经济地提供可靠的电力。因此，对水电机组进行运行状态监测，确保水力发电机组安全、可靠、稳定运行，发挥最大发电效益，具有十分重要的意义。然而，现有的技术在解决水电机组振动信号样本特征提取困难且多为高维、非线性和包含大量冗余信息等方面都存在一定的不足之处，无法满足现实的具体应用，有必要进行更加深入的研究。
[0003]近年来，降维技术在模式识别、图像检索和计算机视觉等领域起着越来越重要的作用。上述领域所处理的原始数据往往维度很高，给后续操作带来了高计算复杂度，大存储量以及算法性能衰减等问题。降维技术或称为特征提取方法通过将高维输入数据投影至有意义的低维子空间以降低数据冗余度并缓解“维度灾难”问题。在模式识别过程中，尤其是面向数据鉴别的具体应用时，往往会面临输入特征参数维度过高、数据带噪、奇异点扰动或训练样本数缺失等问题，对输入样本进行有效地降维不仅可以弥补上述缺陷，还具有一系列的优点:能够挖掘数据的低维分布流形，并真实可靠的反映数据的高维分布结构；在计算能力受限的应用过程中，能够降低判别模型的计算成本；具有较强的鲁棒性和抗毁性；极大地提升模式识别性能等。因此将降维技术应用于水电机组振动信号样本处理以对其进行运行状态监测具有极其重要的深远意义。
【发明内容】
[0004]为了克服已有水轮机组状态监测实现方法利用快速下降法进行梯度最优化过程中需手动调整参数的不有效性，本发明提供一种基于HLSNE的水轮机组状态监测实现方法，采用简单不动点迭代法实现梯度最优化过程中的多参数设定及调整，有效提高了水轮机组状态监测过程的效率和鲁棒性。
[0005]本发明解决其技术问题所采用的技术方案是:
[0006]一种基于HLSNE的水轮机组状态监测实现方法，包括以下步骤:
[0007]步骤一，信号测取:利用水电机组上的振动传感器采集一组能够较全面反映不同噪声源振动异常的振动信号；
[0008]1.1初始信号采集:水电机组运行工况复杂，受环境干扰大，在现有实验条件下全面、有效的噪声源异常振动样本难以获取。因此，本发明根据水电机组运行特性和经采样分析得到的各个噪声源的频谱特性，构建一组水电机组异常振动仿真信号；
[0009]1.2信号预处理:对传感器采集的时域信号进行小波去噪，时频域转换以及提取适当频率上的幅值构成输入样本对象。
[0010]步骤二，特征提取:利用HLSNE计算最佳线性投影矩阵A，根据线性投影矩阵A对振动信号进行特征提取，其中A为一个矩阵，是原空间高维数据对应于子空间低维数据的一个线性关系，令原空间高维数据为η个d维向量X = (X1, X2,…，xn}, Xn代表第η个高维数据样本，子空间低维数据为η个r (r〈〈d)维向量Y= Iy1, y2, **., yn}, yn代表第η个低维数据映射，则A为一个rXd的线性投影矩阵，满足Ji = Axi的线性关系，其中i取I~η ;
[0011]2.1确定样本矩阵X= [X1, X2，…，Xn]，设定方差参数入；
[0012]2.2根据X计算输入样本间两两欧氏距离；依据式⑴计算联合概率Pij, Pij
[0013]代表原空间中Xi选择Xj作为近邻的概率:
【权利要求】
1.一种基于HLSNE的水轮机组状态监测实现方法，包括以下步骤: 步骤一，信号测取:利用水电机组上的振动传感器采集一组能够较全面反映不同噪声源振动异常的振动信号； .1.1初始信号采集:水电机组运行工况复杂，受环境干扰大，在现有实验条件下全面、有效的噪声源异常振动样本难以获取。因此，本发明根据水电机组运行特性和经采样分析得到的各个噪声源的频谱特性，构建一组水电机组异常振动仿真信号； .1.2信号预处理:对传感器采集的时域信号进行小波去噪，时频域转换以及提取适当频率上的幅值构成输入样本对象； 步骤二，特征提取:利用HLSNE计算最佳线性投影矩阵A，根据线性投影矩阵A对振动信号进行特征提取，其中A为一个矩阵，是原空间高维数据对应于子空间低维数据的一个线性关系，令原空间高维数据为η个d维向量X = Ix1, X2,…，xj，Xn代表第η个高维数据样本，子空间低维数据为η个r (r〈〈d)维向量Y= Iy1, y2, **., yn}, yn代表第η个低维数据映射，则A为一个rXd的线性投影矩阵，满足Ii = Axi的线性关系，其中i取I~η ; .2.1确定样本矩阵X = [X1, X2,…，xj，设定方差参数入； .2.2根据X计算输入样本间两两欧氏距离；依据式⑴计算联合概率Pu，Pij代表原空间中Xi选择\作为近邻的概率:
【文档编号】F03B11/00GK103953490SQ201410166437
【公开日】2014年7月30日 申请日期:2014年4月23日 优先权日:2014年4月23日
【发明者】郑建炜, 邱虹, 孔晨辰, 黄琼芳, 王万良 申请人:浙江工业大学