基于深度卷积神经网络的汽轮机转子故障诊断

摘要：

振动是造成汽轮机发电机组非计划停机的机侧典型故障之一,严重时,还会导致设备和人身事故.因此,在机组实际运行中,对汽轮机振动故障原因快速、准确判定十分必要.本文针对汽轮机转子动静碰摩、质量不平衡、转子不对中三种典型振动故障原因,提出一种基于深度卷积神经网络的汽轮机转子振动故障诊断方法.该方法基于故障样本时域图像,经快速傅里叶变换获取其频域特征图像,设计故障诊断网络,并在网络中加入Dropout层,防止神经网络过拟合.同时,通过数据增强,对故障模式分类实现了快速准确的诊断分类.与文献案例对比结果表明:基于深度卷积神经网络的汽轮机转子故障诊断方法是准确和可靠的.该方法诊断结果简单直观,可应用于工程实际.

关键词：卷积神经网络、快速傅里叶变换、数据增强、故障诊断

所属期刊栏目：13

分类号：TP183(自动化基础理论)

资助基金：贵州省科技支撑计划资助项目;贵州西能电力建设有限公司科技创新项目

在线出版日期：2023-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：120-124