基于深度特征学习的汽轮机转子状态识别方法

• 作者: 朱霄珣 罗学智 叶行飞 韩中合 刘铟
• 来源期刊: 中国电机工程学报
• 关键词: 汽轮机转子 深度学习 卷积神经网络 对称点模式 状态识别
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 智慧汽轮机|Intelligent Steam Turbine
• 页码范围: 432-441,中插5
• 页数: 11页
• 分类号: TM621
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.201120

摘要

复杂汽轮机转子振动信号的非平稳性和非线性等问题,会严重影响到汽轮机转子的状态识别.为了保证汽轮机转子的安全运行,提出一种基于对称点模式(symmetrized dot pattern,SDP)特征融合的卷积神经网络(convolution neural network,CNN)状态识别方法.该方法通过基于SDP分析方法对汽轮机转子各方向、各位置的信号进行特征融合,获取融合特征的SDP图,最终基于CNN进行融合特征SDP图像识别,实现转子故障状态识别.与其他状态识别方法相比,该方法提高了不同状态特征的表征差异,进而提高了学习效果和识别精度.同时,对比实验结果表明,相较于其他状态识别方法,该方法对转子振动状态识别精度最高,达到了96％.