基于深度特征学习的汽轮机转子状态识别方法

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％.

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

所属期刊栏目：41

分类号：TM621(发电、发电厂)

资助基金：河北省自然科学基金;中央高校基本科研业务费专项

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：432-441,中插5