融合多域特征深度挖掘的水电机组振动故障递进式诊断策略研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    51709122
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    21.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    E0904.水力机械及系统
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

The hydraulic turbine unit (HTU) belongs to the complicated nonlinear dynamic system with a developing tendency of giant-sized, synthesized and high specific-speed features. These characteristics make it a tough work for HTU in dynamic behavior description and fault diagnostic analysis aspects. To improve the fault diagnosis quality of HTU from multiple hierarchies, a progressive vibration fault diagnosis system for HTU with the characteristics of signal multi-scale precise description and more information after feature space reduction is built by taking the deep mining of multi-domain features of the vibration signals as the point-cut and breaking through the shackle of the traditional single-step diagnostic mode. First, by investigating the mode mixing elimination mechanism of ensemble empirical mode decomposition (EEMD) under small-magnitude and high-frequency white noise circumstances, a fast-speed EEMD scheme with the self-adaptive selection of substitution parameters has been proposed to implement the precise description of partial information of the signals. Subsequently, the lower-dimensional presentation of multi-information in nonlinear high-dimensional feature space has been implemented by establishing the sample adjacent domain relations and the weight edges determinative rules of the Pearson’s correlation index and deducing the principal component analysis (PCA) and locality preserving projections (LPP)-based spatial information integrated reservation model. On the basis of the aforementioned theories, the permutation entropy analysis-based elementary fault diagnosis of HTU is studied and a complicated probabilistic statistical analysis and random forest-based progressive multi-vibration fault diagnostic strategy is presented. The research findings will systematically perfect the fault diagnosis theorem of HTU and lay theoretical foundation for the improvement in the intelligent operating maintenance level of HTU in China.
水电机组属于复杂非线性耦合动力系统,且呈现大型化、综合化、高比转速发展态势,使得机组动力学行为描述以及故障诊断分析更为困难。为多层次系统提升机组故障诊断品质,以振动信号多域特征深度挖掘为切入点,突破传统单步诊断模式束缚,建立具有信号多尺度精确描述和特征空间多信息约简特点的水电机组振动故障递进式诊断体系。首先探究小幅值高频白噪声下集成经验模态分解的模态混叠消除机理,提出替代参数自适应选择的快速集成经验模态分解方法,实现信号局部信息的精确描述;构建皮尔逊相似指标的样本邻域关系和边权重确定规则,推求基于主成分分析与局部保持投影的空间信息综合保留模型,实现非线性高维特征空间多信息低维表征;基于此,研究排列熵分析的水电机组故障初步检测,提出基于概率统计分析与随机森林的复杂多元振动故障递进式诊断策略。研究成果将系统完善水电机组故障诊断理论,并为提高我国水电机组运维智能化水平提供重要理论依据。

结项摘要

水电机组作为水电站能源转换的关键设备,呈现出大型化、综合化、高速化、临界化和智能化发展趋势。该系统运行过程中面临的故障安全问题日益突出,为推进机组设备状态检修策略的工程应用,基于人工智能的故障诊断理论与方法得到了广泛关注与研究。本项目从水电机组振动信号多尺度精细描述、多域特征深度挖掘、故障特征迁移学习和故障诊断策略等方面展开研究。针对机组振动信号的强非线性和非平稳特性,采用先进时频分析方法实现原始信号的多尺度分解,为从不同角度挖掘信号蕴含的特征信息,进而构建不同域空间下的混合熵特征集。同时,为了降低冗余信息干扰和提高敏感信息比重,基于随机森林模型构建了水电机组振动信号特征优选模型,实现了信号特征重要度的量化评估。考虑到故障诊断样本数据的不充分性和机组运行过程中各工况出现故障的不确定性,基于联合分布适配方法实现了故障特征集的跨工况迁移学习,进而结合最邻近结点算法实现了变工况下机组复杂故障模式的有效诊断。最终,依据工程实际中故障预警的快速性需求,提出了基于概率统计分析和智能模式识别方法的机组故障递进式分步诊断策略。上述研究成果对完善我国水电机组故障诊断体系具有一定支撑作用,并为提高水电机组运维智能化水平提供了重要理论依据。

项目成果

期刊论文数量(9)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(1)
New State Identification Method for Rotating Machinery under Variable Load Conditions Based on Hybrid Entropy Features and Joint Distribution Adaptation
基于混合熵特征和联合分布自适应的变负载条件下旋转机械状态辨识新方法
  • DOI:
    10.1155/2020/7247195
  • 发表时间:
    2020-07
  • 期刊:
    Complexity
  • 影响因子:
    2.3
  • 作者:
    Xue Xiaoming;Zhang Nan;Cao Suqun;Jiang Wei;Zhou Jianzhong;Liu Liyan
  • 通讯作者:
    Liu Liyan
Fault Diagnosis of Rolling Element Bearings with a Two-Step Scheme Based on Permutation Entropy and Random Forests.
基于排列熵和随机森林的滚动轴承故障诊断两步法
  • DOI:
    10.3390/e21010096
  • 发表时间:
    2019-01-21
  • 期刊:
    Entropy (Basel, Switzerland)
  • 影响因子:
    --
  • 作者:
    Xue X;Li C;Cao S;Sun J;Liu L
  • 通讯作者:
    Liu L
Fault Diagnosis for Rolling Bearing Based on Semi-Supervised Clustering and Support Vector Data Description with Adaptive Parameter Optimization and Improved Decision Strategy
基于半监督聚类和支持向量数据描述的滚动轴承故障诊断以及自适应参数优化和改进决策策略
  • DOI:
    10.3390/app9081676
  • 发表时间:
    2019-04
  • 期刊:
    APPLIED SCIENCES-BASEL
  • 影响因子:
    2.7
  • 作者:
    Tan Jiawen;Fu Wenlong;Wang Kai;Xue Xiaoming;Hu Wenbing;Shan Yahui
  • 通讯作者:
    Shan Yahui
基于能量熵重构与支持向量回归的水电机组状态趋势预测
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    水电能源科学
  • 影响因子:
    --
  • 作者:
    薛小明;曹苏群;李超顺;姜伟
  • 通讯作者:
    姜伟
Multiobjective Optimization of a Fractional-Order PID Controller for Pumped Turbine Governing System Using an Improved NSGA-III Algorithm under Multiworking Conditions
多工况下改进的 NSGA-III 算法对抽水机调节系统分数阶 PID 控制器的多目标优化
  • DOI:
    10.1155/2019/5826873
  • 发表时间:
    2019-02
  • 期刊:
    Complexity
  • 影响因子:
    2.3
  • 作者:
    Zhang Chu;Peng Tian;Li Chaoshun;Fu Wenlong;Xia Xin;Xue Xiaoming
  • 通讯作者:
    Xue Xiaoming

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于改进型MF-DFA的月径流序列多重分形分析
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    水力发电
  • 影响因子:
    --
  • 作者:
    袁晓辉;齐习文;田昊;薛小明;薛长奎
  • 通讯作者:
    薛长奎

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码