基于深度特征学习的汽轮机转子状态识别方法

杨利霞

基于深度特征学习的汽轮机转子状态识别方法

7 ^  R# o9 z2 G! v, f) ~% h1 z1 D
( q' s" a/ E: }

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
7 M. M& h# O, f4 C( U机转子的安全运行，本文研究提出了一种基于对称点模式(Symmetrized Dot Pattern，SDP)特征融合的卷积神经网络
$ J: i' t/ {: ^" U3 T/ F: e& E(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
( t( E9 W1 C- G9 g( i4 \: y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
; o* y1 a! J* e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，本文方法对转子振动状态识别精度最高，达到了 96%。


: [- {7 q/ ~, ^5 q* K0 p0 I/ Z