一种发电机异常检测方法与流程

本申请涉及发电机故障诊断，尤其涉及一种发电机异常检测方法。

背景技术：

1、柴油发电机组是一种启动迅速、操作方便、环境适应性较强的发电装置，广泛应用于工业、农业等各个领域。在实际的柴油发电机组故障诊断中，由于设备结构复杂、零件繁多，导致故障种类较多，加之容易产生复合故障，这就进一步增加了故障种类。

2、目前，柴油发电机组故障诊断过程中，由于设备结构复杂且零件繁多，使得设备监测数据量较大，现有方法无法对大量监测数据中的关键特征进行有效筛选和提取，导致故障分析的难度较大，造成复合故障诊断的精准性和效率较差的技术问题。

技术实现思路

1、本申请的目的是提供一种发电机异常检测方法，用以解决柴油发电机组故障诊断过程中，由于设备结构复杂且零件繁多，使得设备监测数据量较大，现有方法无法对大量监测数据中的关键特征进行有效筛选和提取，导致故障分析的难度较大，造成复合故障诊断的精准性和效率较差的技术问题。

2、鉴于上述问题，本申请提供了一种发电机异常检测方法，其中，所述方法包括：监测获取柴油发电机组的故障声信号集和故障振动信号集，分别对所述故障声信号集和所述故障振动信号集进行模态分解，得到声特征集和振动特征集；基于优化邻域粗糙算法，分别对所述声特征集和所述振动特征集进行敏感特征提取，获得声敏感特征集和振动敏感特征集；根据所述声敏感特征集构建声信号相似矩阵，搭建声信号网络，根据所述振动敏感特征集构建振动信号相似矩阵，搭建振动信号网络；基于优化社团聚类算法，分别对所述声信号网络和所述振动信号网络进行迭代聚类合并，直至满足预定约束条件，输出降维声数据集和降维振动数据集；将所述降维声数据集和所述降维振动数据集分别输入声故障分析单元和振动故障分析单元，输出声预测故障类型和振动预测故障类型，对所述声预测故障类型和所述振动预测故障类型进行交集运算，输出故障诊断结果。

3、本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

4、通过监测获取柴油发电机组的故障声信号集和故障振动信号集，分别对所述故障声信号集和所述故障振动信号集进行模态分解，得到声特征集和振动特征集；基于优化邻域粗糙算法，分别对所述声特征集和所述振动特征集进行敏感特征提取，获得声敏感特征集和振动敏感特征集；根据所述声敏感特征集构建声信号相似矩阵，搭建声信号网络，根据所述振动敏感特征集构建振动信号相似矩阵，搭建振动信号网络；基于优化社团聚类算法，分别对所述声信号网络和所述振动信号网络进行迭代聚类合并，直至满足预定约束条件，输出降维声数据集和降维振动数据集；将所述降维声数据集和所述降维振动数据集分别输入声故障分析单元和振动故障分析单元，输出声预测故障类型和振动预测故障类型，对所述声预测故障类型和所述振动预测故障类型进行交集运算，输出故障诊断结果。也就是说，通过对故障声信号集和故障振动信号集进行模态分解，得到声特征集和振动特征集；接着基于优化邻域粗糙算法，分别对声特征集和振动特征集进行敏感特征提取，获得声敏感特征集和振动敏感特征集；然后根据声敏感特征集搭建声信号网络，根据振动敏感特征集搭建振动信号网络；进一步基于优化社团聚类算法，对声信号网络和振动信号网络进行迭代聚类合并，得到降维声数据集和降维振动数据集；最后将降维声数据集和降维振动数据集分别输入声故障分析单元和振动故障分析单元，输出声预测故障类型和振动预测故障类型，并将声预测故障类型和振动预测故障类型的交集设定为故障诊断结果。可以提高监测数据中的关键特征提取的精准性和全面性，同时基于关键提取特征进行故障类型智能识别，可以降低故障误诊概率，提高复合故障诊断的精准性和效率。

5、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其他特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种发电机异常检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述一种发电机异常检测方法，其特征在于，对所述故障声信号集和所述故障振动信号集进行模态分解，包括：

3.根据权利要求1所述一种发电机异常检测方法，其特征在于，基于优化邻域粗糙算法，分别对所述声特征集和所述振动特征集进行敏感特征提取，包括：

4.根据权利要求3所述一种发电机异常检测方法，其特征在于，所述粗糙度计算函数的表达式为：

5.根据权利要求1所述一种发电机异常检测方法，其特征在于，根据所述声敏感特征集构建声信号相似矩阵，搭建声信号网络，包括：

6.根据权利要求5所述一种发电机异常检测方法，其特征在于，对所述声信号网络进行迭代聚类合并，包括：

7.根据权利要求6所述一种发电机异常检测方法，其特征在于，所述评判矩阵计算函数的表达式为：

8.根据权利要求1所述一种发电机异常检测方法，其特征在于，构建声故障分析单元，包括：

技术总结
本申请提供了一种发电机异常检测方法，涉及发电机故障诊断技术领域，该方法包括：进行模态分解和敏感特征提取，获得声敏感特征集和振动敏感特征集；搭建声信号网络和振动信号网络；对声信号网络和振动信号网络进行迭代聚类合并，输出降维声数据集和降维振动数据集；将降维声数据集和降维振动数据集分别输入故障分析单元，输出声预测故障类型和振动预测故障类型，进行交集运算得到故障诊断结果。通过本申请可以解决柴油发电机组故障诊断过程中，现有方法无法对大量监测数据中的关键特征进行有效筛选和提取，导致故障分析的难度较大，造成复合故障诊断的精准性和效率较差的技术问题，可以降低故障误诊概率，提高复合故障诊断的精准性和效率。

技术研发人员：李阳
受保护的技术使用者：江苏贝汇来电机有限公司
技术研发日：
技术公布日：2024/9/23